项目经理必备向上管理四步法

1603 篇文章 22 订阅
1581 篇文章 36 订阅

项目经理作为项目成败的第一责任人,需要掌握向上管理这项必备技能。项目经理既要会低头拉车,又要会抬头看路。

向上管理三个痛点

对于新晋项目经理来说,想要做到向上管理很难,他们经常在没搞清楚状况的时候,一味地坚持自己的想法,更不能准确理解上级的意图,迅速将其转化为行动。向上管理有三个痛点。

1.目标未对齐。在组织中,领导层关注的是部门绩效和组织战略达成,而项目经理关注的是单个项目的成功,项目经理往往管中窥豹,只见一斑。

2.信息未透明。项目经理害怕与高层对接,甚至项目日常信息都未及时同步至领导层,没有将风险扼杀在萌芽状态,小风险拖成大问题,导致项目不可控。

3.要求未明确。项目经理不能准确表述所需支持,没有做好充分调研和原因分析之后,就去寻求领导帮助,结果碰了一鼻子灰,还抱怨领导不理解自己。

向上管理四步法

项目经理需要在更高层面思考问题,如果能想领导之所想,急领导之所急,那么自然会得到领导的全力支持。笔者结合实际项目管理经验,总结向上管理四步法供大家参考。

第 1 步:认识上级

工作中,每个人都有自己的行事风格和性格特点,领导也不例外。“知己知彼,百战不殆”,向上管理的首要工作是认识上级,学会站在领导的角度思考问题。

(1)识别领导管理类型和风格。矩阵型项目团队中,项目经理需要了解各职能团队组织结构和核心领导,主动了解各位领导的类型和风格。

(2)对齐领导目标和意图。做好调研和信息收集,搞清相关领导对项目的基本态度和期望,理解相关领导真实目标和意图。

(3)思考领导痛点。痛点是领导最关心的方面,也是领导希望能够尽快解决的问题,站在领导角度思考问题,找到并尝试解决领导的痛点,为领导排忧解难,能够帮助项目经理在领导处建立信任。

第 2 步:管理期望

项目经理在证明自己的价值,获得领导支持的时候,要学会管理领导期望,在理解领导意图的情况下,充分表达自己的意见。

(1)认同领导观点。在获知领导期望值时,不应直接地否定领导的期望和观点,而应该认同领导的观点,然后提出自己的担忧和风险。

(2)引用合理的管理理论和科学依据来支持自己的观点。项目经理通过日常积累项目经验和教训,提升自身的认知水平和实操能力,进而影响领导接受自己对项目风险的判断或对未来的预测。

第 3 步:主动沟通

主动沟通作为向上管理的重要组成部分,决定了项目经理是否可以获得资源支持。能向发起人、决策者清晰传达自己的观点和想法的项目经理,具有一定的竞争优势。在主动沟通时,需要掌握以下三个要点,可以提升沟通效果。

(1)明确沟通、汇报的目标。项目经理在沟通或者汇报前想清楚沟通、汇报的目标。如果是想跟领导汇报项目进展,项目经理要想好沟通的方式和频次;如果是想让领导决策实际问题,要熟悉问题背景,经得住领导“拷问”,并且要带着解决方案,请领导做选择题。

(2)掌握汇报技巧。项目经理要先理清思路,有的放矢,千万不能眉毛胡子一把抓,在这里,笔者推荐结构化的汇报方法,简单地说就是“论、证、类、比”(结论先行,以上统下,归类分组,逻辑递进)。

(3)学会管理领导的时间。项目经理尝试掌握领导工作和作息的规律,关注领导容易疏忽的细节,做好事前提醒;定期向领导汇报工作进展,沟通后续工作计划和项目风险,让领导清晰地知道项目状况。

第 4 步:合作共赢

项目经理的绩效和发起人、职能部门领导的绩效是相辅相成的。项目成功是团队工作绩效重要的组成部分,在项目实施的过程中,通过以下两个方法实现项目经理和领导合作共赢。

(1)项目经理可以协助提升职能部门绩效。项目初期,团队成员参与度低,所需技术能力也可能没有达到要求,项目经理通过组织团建活动、培训等方式来提升团队绩效。

(2)项目经理、发起人和职能部门领导可以做到优势互补。项目经理不能解决所有问题,需要向上“借力”,借助发起人等领导推进问题解决。职能部门领导也需要通过项目来锻炼团队成员能力,通过项目经理来了解团队成员绩效,工作所需要的帮助等。

领导的支持是项目成功交付的关键因素,项目经理要获取领导的支持,就要学会做好向上管理。项目经理可以通过认识领导、管理期望、主动沟通和合作共赢等四步来掌握向上管理的技巧,实现整合资源,提升工作绩效,最终实现项目成功的目标。

PMP备考学习资料需要的同学可以私信或者留言

 

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
步法(Backpropagation)是一种常用的神经网络训练算法,用于计算神经网络中各个参数的梯度,并通过梯度下降法来更新参数。下面是一个简单的MATLAB代码示例,用于实现反步法算法: ```matlab % 定义神经网络结构和参数 inputSize = 2; % 输入层大小 hiddenSize = 3; % 隐含层大小 outputSize = 1; % 输出层大小 learningRate = 0.1; % 学习率 % 初始化权重和偏置 W1 = randn(hiddenSize, inputSize); % 输入层到隐含层的权重 b1 = randn(hiddenSize, 1); % 隐含层的偏置 W2 = randn(outputSize, hiddenSize); % 隐含层到输出层的权重 b2 = randn(outputSize, 1); % 输出层的偏置 % 定义反步法算法 for epoch = 1:numEpochs % 前向传播 z1 = W1 * input + b1; a1 = sigmoid(z1); z2 = W2 * a1 + b2; output = sigmoid(z2); % 计算损失函数的梯度 delta2 = (output - target) .* sigmoidGradient(z2); delta1 = (W2' * delta2) .* sigmoidGradient(z1); % 更新权重和偏置 W2 = W2 - learningRate * delta2 * a1'; b2 = b2 - learningRate * delta2; W1 = W1 - learningRate * delta1 * input'; b1 = b1 - learningRate * delta1; end ``` 上述代码中,我们首先定义了神经网络的结构和参数,包括输入层大小、隐含层大小、输出层大小和学习率。然后,我们初始化了权重和偏置。接下来,使用反步法算法进行训练,其中包括前向传播和反向传播两个步骤。在前向传播中,我们计算了神经网络的输出。在反向传播中,我们计算了损失函数对各个参数的梯度,并使用梯度下降法来更新参数。

“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
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