述职答辩提问环节一般可以问些什么_手把手教你写一份漂亮的述职报告

你知道吗?述职报告也有SOP

无论是做业务的,像销售经理、大区经理、业务总监。还是做产品亦或运营每年参加答辩晋升,都需要知道述职报告的SOP。

6c4ca9a9894388fb5f20651c2daf70e0.png

述职的样式是PPT为主,网上有很多这种模板,如果PPT的基本功薄弱,建议之直接down下模板,相比自己蹩脚的PPT制作能力,模板能帮你提升几个Level

一般模板也自带动画,建议述职报告的动画不要太浮夸,不然可能会喧宾夺主,内容才是最关键的,可以根据模板自行删减动画。

述职内容一般分为四大块,分别为工作回顾、业绩展示、工作不足和未来规划,如果是管理层,再加一个团队管理模块。

01

工作回顾

简而言之就是告诉老板,你是谁,在哪里部门工作,都做过什么工作,这次答辩的岗位是什么。

一般答辩都是跨部门汇报或是向上级的上级集中汇报,评审官面对这些候选人多数不了解。

所以很有必要用半张PPT做个简单的自我介绍,内容包括:姓名、毕业学校,专业(如果不是很牛逼的学校,比如重点本科以下,没有必要写这块)。入职时间、在什么部门、什么岗位、负责什么内容

如果组织架构比较复杂的,可以直接用树状组织结构图来表明你所属岗位。

02

业绩展示

业绩展示或项目展示,是整个述职过程中最关键的环节。即向评审官展示你的劳动果实。通常说1-2个重点项目的结论。

请用图表说话,关键指标数据可以重点突出。

告诉评审官你做这个项目的数据是什么,好?为什么好?有无对比数据。好多少?

你做项目的时候遇到了什么困难,你是怎么克服困难的,怎么想到现在的方案的,如何实施推进的。

有没有上层思维或是方法论指导你的,或是你沉淀下来的方法论。

03

团队管理

如果是管理层述职需要和评审官阐述你的团队结构是怎么样的,有几个人分别做什么事。

下属里面有没有表现好的需要重点表扬的,或是有没有很差的,需要淘汰的。

表现好还是不好,从2个方面说明,一是工作成果,二是工作态度。

平时你是怎么管理团队的,请体现出你的领导力。你在管理团队时有没有遇到什么障碍,你打算如何去克服。(这个问题一般提问环节会问到)

你是如何去培养他们的(帮公司培养人才,树立正确的价值观),后继有没有人(M0和Backup的主动培养),具体的方法有哪些。

如果你请假了或是离开了,团队是否还能照常运转,如果不是,可能你需要反思是否是一个合格的管理者。

04

不足和优化

这部分内容需要说明下做项目和管理的时候,目前的不足是什么,以及你打算如何去优化改进。

不足的篇幅适当要控制,毕竟是自己挖的坑,毕竟是想成功通过述职。

针对自己写的不足,优化改进内容至关重要。自己挖的坑或是前人挖的坑,自己要有能力去填充。

优化改进的措施最好的已经在实施的了。而不是尝试,或方向。太虚了可不好,评审官各个火眼金睛。

05

未来规划

未来的规划一定是站在你述职的这个岗位视角去看的。需要在现有的业务上拔高一个level。这块内容可以是规划、计划。

这个规划的目标一般是帮助公司/事业部/部门实现OKR的。针对公司的OKR,你打算怎么做,目标是什么,为什么你要这么做。

有无阶段性成果去验收?

有无长期目标、中期目标和短期目标

你要实现这个目标,需不需要跨部门支持或是其他资源?比如要HC等等

如果是准备晋升管理层的人,需要说明下如果晋升成功了,你打算如何去做管理,如何提高自己的领导力。

述职大概就是这些内容,接下来就是提问环节了,也是最有挑战的环节。

这需要你在述职前把业务项目想明白、透彻。以及能站在一个更高的角度去帮公司解决问题。

述职前多和你的直属上级过几遍PPT,也需要准备下答辩环节可能会提问的问题。

心态需要放平,最后就是祝君好运啦

  • 1
    点赞
  • 2
    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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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