记一次管理驾驶仓项目失败经历

背景

        我当时是个数据开发工程师,公司有一个管理驾驶舱的项目,因为项目管理组缺人,领导就把我叫过去帮忙管理一下项目。这个项目主要成员由一个业务BA(负责需求沟通,预约领导),我(技术,进度,需求沟通),乙方供应商。系统最终用户是各位CXO,主要为销售、财务、生产领域的负责人。

经过

        从上任项目经理把项目接过来后,没两周业务BA前后换了两个人,新接手的业务人员C,属于被动型人员(没过多久他也离职了),然后BA这角色顺理成章就落到我头上了,秉持着对项目负责的态度,我承担BA,汇报材料制作,接口对接人,兼职数据开发,测试等N个角色。

        第一个开展的需求是销售领域,我、业务人员梳理了一版维度和指标,主要有产量、销量、区域门店排名,新客指数,库存等营销领域关键指标,区分大区、日月年,总累计等维度,根据对业务理解,输出了一版指标定义,计算逻辑,跟外部系统以及其他相关人员确定了数据来源,获取方式。

        我向我们部门领导汇报后,得到了领导的允许并约到ceo的第一次汇报时间。在汇报会议上我讲解了一遍目前指标,含义,实现效果,再根据领导和其他业务主管的补充,重新做了调整,一周后供应商出了高保真的UI图后。本来打算和ceo再汇报的时候,阴差阳错错过了,后面给需求说明书(已有其他领导签字)到ceo签字,试图”蒙混过关“,结果文件被人弄丢了。后面迫于信息化任务的上线压力,只能通过个人关系和供应商友好协商,好说歹说让把这个需求给上了。这是一次失败的项目。

后续补充,后面我听了一遍某业务部门给CEO的汇报,才知道我那次汇报有多么的粗糙,难怪上次汇报后,有个区域总监提了一嘴,这次会议是和领导开过的最轻松的一次会议。

        再讲财务领域,有了上个教训,我们重视了流程上的重要性和处理策略。具体为,第一,一定要某个业务人员牵头处理和领导的对接问题,通过一层一层的汇报方式,对汇报材料进行调整,增加最终汇报的成功率。第二步,控制好项目范围,在项目初期阶段就要区分哪些是能做的,哪些是做不了的,在汇报里做引导,争取一次性通过汇报,不要留下待讨论事项。在财务驾驶舱的沟通实施过程中,一直保持跟财务部门的人积极沟通,他们也很给力,整个过程相对比较顺利,起码在流程上是能够满足项目交付需要。

      最后是生产研发领域,做了前期分析,生产因为是外部和第三方共建的工厂,所以在数据自动化对接成本过高。研发领域因为研发过程中,量化难度较高,最后这个需求经过审批后,在我的层面没有继续推进

结果

新人来了,成功把项目甩出去了

复盘

1、为什么这个项目推的那么艰难?

第一个原因,这个项目不是源自公司管理层自己的需求,是按照集团统一标准执行的,内部并没有对应的需求,当时系统建设也没有到达能做驾驶舱的程度,好多系统都尚在建设当中。;

第二个是思想没有及时转变,在以前待的互联网公司习惯了敏捷项目,沟通成本少,流程少以及扁平化的管理,本身又是个开发,缺乏和公司高层对话的经验。这家公司有国企的背景,国企有自己的管理思想,很多东西需要在流程有痕迹。对合同、立项、验收付款没有感念而我当时并不懂这些。

第三个是是我缺乏做事的套路,没有项目管理的思想,不知道下一步怎么做,怎么更好的做。说白了就是没经验。另外,其实当时所处是个复杂环境,这点我后来才意识到。站在集团的角度,他们想尽可能管控好子公司,站在公司的角度上,就有点外行管内行,强行推行不合适的系统。从管理思路,人员配合,时机都不算好。但这个时候我们就没有做好的余地吗,也不是。

2、如果再来一次,我应该怎么做?

如果是现在的我,首先不接这种棘手的项目。说难听点,这种项目更像是上层为了完成对公司的管控,从细枝末节入手深入到公司的生产经营中,用来敲山震虎。如果再来一次,做的第一件事就是避坑,合理拒绝这种项目。

在拒绝不了的情况,我会这样做:

      明白了项目深层背景的前提下,按部就班的按照pmp的启动、规划、执行、监控、首位这几大步骤,先保证流程的完整性,对内对外都有交代。再细化的步骤就是:

(1)先找到该CXO的能与你对话的下属A,跟他讲明清楚情况及要求后,让他帮忙汇报领导有这个事情。找之前最好先和A有一次正式的沟通作为项目的kickoff。

(2)跟A确认初步的需求方案,整理汇报材料,找领导汇报,在这个过程中还需要注意,关键的数据来源的系统支不支持对接取数,需要多久,做好和开发团队、内外系统的的协调,涉及的相关方要考虑到位,特别是数据来源系统,能不能支撑,什么时候能支撑。简单来说就是做好项目风险评估与控制。

(3)确保每个环节都有留痕。做好签字流程,解决好需求文档、测试报告、上线文档、验收文档,确保流程上合法合规。及时蹲守,每天跟进,每天一催

-------------------------------------------------------------------------------------------------------------------------------

杂谈

我一开始转型做项目经理后,曾经咨询了一个经验丰富的项目经理:

我:干这行就是每天跑签字,干杂活吗?

他:每个公司不一样,这个公司需要比较强的协调能力和业务理解能力。

我:我能学到什么东西?

他:你会变得八面玲珑。

在这个项目和其他项目都有了深刻的体会,虽然对人待物还不能够很丝滑的处理,但在为人处世上也算有点长进吧。

---20240611-----------------------------------------------------------------------------------------------------------------

欢迎关注我的订阅号,一起探讨

  论PM如何成长

  • 5
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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