关注需求流动而不是关注空闲的人

关注需求流动效率而不是关注空闲的人

最近感触挺深的一句话,做研发团队管理,研发人员的管理时,团队管理者,要关注的是需求,需求的规划,需求的排期,需求的任务分配。而非关注人,这个人是否空闲,是否没有效率等。

通过关注需求的流动效率,即从产品阶段:产品设计,原型设计,方案设计
到研发阶段 概要设计,详细设计,编码,测试用户,测试执行
到运维阶段 上线更新,配置,使用情况追踪等
来端到端的打通各人员的协作效率,使得需求尽快的完成,交付给客户使用。

需求的交付,带来的就是产品价值的交付。

而不用一直盯着研发人员是否有效率,是否划水,只要保障需求的快速流通,则团队的价值交付能力维持在较高水平。

  • 4
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
根据每个人的空闲时间做排班表需要先确定排班的目标,比如最小化加班时间、尽量平均分配等等。在确定目标之后,可以使用一些算法来生成排班表,比如贪心算法、遗传算法等。 这里提供一种简单的贪心算法,假设排班目标是尽量平均分配,具体的步骤如下: 1. 将每个人的空闲时间转换成一个二进制数组,1 表示空闲,0 表示不空闲。 2. 对每一天,按照以下步骤进行排班: 1. 统计每个人在这一天的空闲时间。 2. 找到这一天空闲时间最多的人,并将其排入班次表中。 3. 将这个人在这一天的空闲时间标记为已用。 4. 重复步骤 2-3,直到班次表填满为止。 具体的代码如下: ```python import pandas as pd import numpy as np # 读取 Excel 表格 df = pd.read_excel('shift.xlsx', index_col=0) # 将空闲时间转换成数组 arr = np.where(df == '空闲', 1, 0) # 生成排班表 shifts = pd.DataFrame(columns=df.columns) for i in range(len(df.columns)): day_arr = arr[:, i] free_counts = np.sum(day_arr, axis=0) while free_counts > 0: person = np.argmax(day_arr) shifts.loc[0, df.columns[i]] = df.index[person] day_arr[person] = 0 free_counts -= 1 # 输出排班表 print(shifts) ``` 这里使用了 `np.where()` 函数将空闲时间转换成了数组,然后按照上述步骤生成排班表。你可以根据实际需求修改代码,并将排班表输出到 Excel 表格中。需要注意的是,这种方法可能会导致某些人的加班时间较长,所以在实际使用时需要根据具体情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值