项目经理沟通技巧-原则冲突处理法则

  作为一个社会人,必然生活在一定的社会准则环境下。各种法律规约、伦理道德就是最起码的约束。我称其为原则,我们做人做事的基本原则。
原则无处不在,国家有原则,组织有原则,个体也有原则,而社会是由一个复杂交织的大环境。做人做事,交人识物,又时不时地出现与原则冲突。作为项目经理更是如此,项目经理面对客户、高层经理、组员的层层包围,出现原则冲突的几率极大,甚至可以说是一种必然。

本文,我想介绍一种方法:处理原则冲突问题实用处事技巧。如果你赶兴趣的话,务必请先记住一套法则,我称其为"原则冲突处理法则":
管理有原则,原则有例外,例外有约束。

故事是这样的:

某软件公司生产大型ERP系统,其国内知名度很高,产品有一套专门的防盗版机制。一个大客户购买了财务软件,软件许可的用户数量是通过加密U盘控制的,称其为"加密狗"。

该公司项目经理在此客户的软件实施中,有一次与客户吃饭,此间,谈笑风生,关系很融洽。席间有这样一段对话:

客户:听说你们的软件有破解补丁,能给我搞一套吗?

PM(一个很直率的PM,公司内部也确实有一套破解补丁,是内部人员使用方便而做,但绝对不允许外传):实在对不起,我们公司有严格规定,绝不允许外传这类东西,对不起,这个我可做不到,这是原则问题。

瞬间,客户脸色骤变,很明显,不满的情绪一直延续到饭后,甚至带到项目结束。

我的上帝呀,还好这个客户不时关键干系人,否则,谁知道还会有什么影响。

这是一个真实的故事,当我听到项目经理带着郁闷的心情(他也觉得此事处理的不妥)跟我提到此事,我赶快给他恶补了"原则冲突处理法则"。我想,如果是下述的对话过程,也许效果会大不相同。记住,套用法则。

客户:听说你们的软件有破解补丁,能给我搞一套吗?

PM(管理有原则):是吗?我没怎么用过这些东西,当然,即使有破解补丁,公司也会控制的很严格的,打击盗版人人有责嘛。

PM(原则有例外):不过,咱这边客户对我也是很照顾,项目做了半年了,咱们都是兄弟了,回头,我打听一下,能搞到的话,尽全力给您搞一套。不论能不能搞到,最迟下个礼拜,一定给您一个消息,您就放心吧。

没过几天,PM主动给该客户打了一个电话,说到:

PM(原则有例外):对不起呀,实在对不起,我找了所有关系不错的兄弟,没有人用这种破解补丁,好像很久以前有过,但公司出台政策,封杀了这种做法。这个事情,我帮您留意着。实在对不起呀,回头,当面给您赔罪。

记住这套法则"管理有原则,原则有例外,例外有约束",会让你受用无穷。其本质不是教你学坏,而是让你把事情办得更能让人心里舒服。你无能为力,但也要尽力去尝试,至少表示尽力了,起码心意到了,对客户也是一种尊敬,让其心理也舒服。

其实,这套法则是政客惯用的手法。让我颇为佩服。我们无力从政,但希望此法则能给我们的项目经理处理原则冲突问题带来些借鉴。

转载于:https://www.cnblogs.com/zhangtao09/p/3147473.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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