9个值得收藏的公益项目管理工具

1705 篇文章 22 订阅
1704 篇文章 36 订阅

文章来源于:3ESPACE

如有侵权请联系删除

文/朱琳

我们老说要想提高公益项目的有效性就要学会使用“科学的工具”。那么问题来了:在公益项目的管理层面,到底都有哪些工具?

本文为大家简单介绍了9个国际公益领域较为通用的项目管理常规工具,未来我们也会对每个工具都进行更详细的介绍(所以欢迎大家收藏关注)。这些工具各有其适用范围和利弊,并不是任何情况下都能强行套用。不同项目是否要使用以及如何使用它们,需要公益组织结合自身情况进行判断、选择,乃至改良。

本篇推送的意义,仍是这句话:在决定怎么选之前,我们得先知道都能选什么。用不用一个工具可以由客观条件来决定,但最好不要让“不知道”来决定。

逻辑框架

Logical Framework

逻辑框架样例,出自PMD pro指南

 

逻辑框架是公益组织应用最多的工具之一,它需要项目人员在项目的具体干预措施和项目最终目标之间建立逻辑关系,从而对项目方案进行设计、监测和评估。

不同的公益组织使用的逻辑框架会在细节上有差异,但表现形式大都是同时具有垂直和水平两个逻辑链的矩阵表格。其中(自下而上的)垂直逻辑即“展开活动→得到产出→发生结果→达成目标”,用来分析项目是如何生效的;水平逻辑即“摘要说明→设定指标→验证途径→潜在假设”,用来评估项目到底生了多少效。要注意的是,逻辑框架工具的重点是“逻辑”,填满表格但是没有建立逻辑的话,项目方案仍可能是无效的。

利益相关者分析

Stakeholder Analysis

维恩图样例,出自PMD pro指南

 

利益相关者分析矩阵样例,出自PMD pro指南

利益相关者分析是设计公益项目的重要步骤。所谓利益相关者即会受到公益项目影响,或者会影响到公益项目结果的各种个人、社区领袖、团体或其他组织。为了顺利推进项目,项目官员们需要通过利益相关者分析确定项目涉及的每个相关者的信息、了解他们关于项目的立场、影响力,以及他们对项目的理解和参与水平。

常用的分析工具有两个:一个是维恩图,它从重要利益相关群体的视角出发,用各种大小不一的圆圈来呈现每个利益方眼中的“自己与其他利益方的关系”;在此基础上的另一个进阶工具就是大家更熟悉的“利益相关者分析矩阵”,用来进行更加客观的划分,呈现形式可以是矩阵或表格,具体选择要根据项目官员想要展示多少内容来决定,比如侧重简洁展示权力关系就可以选择矩阵,想要展示具体定位、利益关系、影响力、潜在行动的话就可以选择表格。

问题树/目标树

Problem Tree/ Objective Tree

 

问题树样例,出自科学公益白皮书

顾名思义,问题树就是用来确定公益项目要解决的核心问题、被引发的影响,以及问题根源的分析工具。绘制问题树时一般只需要简洁描述现实情况即可,但要记得,问题树不能只靠一两个人闭门造车随便编,一个靠谱的问题树是在进行了充分的前期调研后(比如利益相关者分析)才能形成的。

有了问题树后就可以继续画目标树了,同一个公益项目的问题树和目标树长得一样,只需要将问题树中的每个问题更换为相对应的目标即可。顺便一提,一个完整的问题树/目标树更倾向于是在“全面分析如何解决某个社会问题”,而公益项目大多不可能一口气处理这么多事,所以多数公益项目实际上只能选择问题树/目标树中的一部分作为自己的项目方向,要想全面解决一个大问题,那就要靠整个公益生态的协同合作了。

风险分析

Risk Analysis

风险分析矩阵样例,源自网络

“风险”即会对公益项目的目标产生影响的变量或不确定因素,风险分析自然就是用来分析这些变量对项目的影响程度,以及项目各个环节可能引发的后果的工具。——与其说这是一种工具,倒不如说这是一种意识,公益的性质就决定了项目官员必须随时考虑项目事与愿违的可能性。

风险分析的图表形式可以很多样(一般用彩色表格就够了),只要确保它能呈现这些关键信息点就行:风险的具体类别、风险出现的可能性、一旦出现后对项目的影响严重性、预防措施。其中最重要的就是可能性和严重性这两项,它们会直接决定你的项目应该优先处理哪个问题,以及资源不足的情况下,哪些风险可以考虑“赌一把”,哪些风险必须100%避免。

项目章程

Project Charter

项目章程样例,源自网络

项目章程是一份对项目进行定义,并为其提供授权的文件。它需要用简明的格式说明项目的关键目标、价值观、覆盖范围、利益相关者、风险预估、变更规定等各种项目官员认为有必要在项目启动前明确的信息。从这个工具描述上就可以看出,项目章程需要在进行了充分的背景调研后才能成型,构成章程的种种信息则可以通过上文提到的各种工具获得。

某种意义上说,项目章程很接近很多公益机构里已通过项目委员会审定的项目立项书,它的首要功能就是确保所有相关人员都能就设立该项目的核心要素达成共识,防止项目在执行中途出现因理解偏差而造成的混乱。

工作分解结构

Work Breakdown Structure

工作分解结构样例,出自PMD pro指南

工作分解结构是以层级方式对项目任务进行拆解的常见项目管理工具,简单比喻一下就是把“做出满汉全席”的步骤一层层拆开,直到明确“首先应该先买几斤葱”为止。当一个项目被完全分解成一个个微小的工作任务,并用图表形式呈现出来后(比如树状图),项目官员就可以更清楚地看出该项目到底需要覆盖多大的工作范围、需要多少职能的协助、需要多少类型的资源。

关键路径法

Critical Path Method

关键路径法样例,出自PMD pro指南

关键路径法是一种常用于时间管理的网络图,项目官员可以用它(在不考虑资源限制的情况下)估算和调整项目的整体时间节奏。当项目官员按照开展顺序把每个环节绘制出来(可以同步展开的要并列绘制),并标出每个环节需要的时间,构成了耗时最长时间链的那几个环节就是项目的“关键路径”——项目的整体周期就取决于它们。通过这个工具,项目官员们就可以有依据地回答“如果赶工的话,应该压缩哪个环节的时间”,或者“哪个环节有延期的空间,能延期多少天”这样的问题了。

甘特图

GANTT

 

甘特图样例,源自网络

甘特图是呈现项目活动日程或持续时间的横向图表,适合用来和关键路径法打配合,管控项目的时间进展。常见的甘特图长得很像个XY轴,一般是将项目环节或任务信息作为Y轴,将项目的时间节点或日历作为X轴。单个项目环节的开始和结束时间意味着每个子环节都会有两个坐标,把这两个坐标连成一条线,就能显示出这个环节要从何时启动、要到何时结束,以及中间要花费的时长。在实际操作中,项目官员也就可以依此判断不同环节的工作究竟是提前了还是滞后了。

挣值分析

Earned Value Analysis

挣值分析样例,源自网络

挣值分析就是把项目计划、进度和所投资源综合起来,用以评估项目所达到的成效,以及进展状态是否良好。在公益领域,挣值管理可以用于监测项目财务情况、对项目现阶段情况进行梳理、对下阶段侧重点进行分析。具体应用上,挣值分析需要和上文提到的一些工具相结合(比如工作分解结构、甘特图),项目官员如果在项目开始前就做好了进度和预算计划,那么在需要分析的节点,就可以通过计算真实进度、成本与计划的差值,评估在当前阶段项目是否存在“预算省了不少但进度严重落后”或者“进度非常超前但钱花太多了”之类的问题,同时为下阶段的调整做参考。

需要项目管理资料合集的同学可留言

 

首款专门针对公益行业需求而研发的产品化公益管理软件,提供门户管理系统、志愿者管理系统、救助管理系统、活动管理系统、财务管理系统、物资管理系统、义卖管理系统等七大业务系统,全面覆盖公益组织各种需求,全面解决公益组织门户建设、内部管理、社会监督和公示、财务管理等困扰公益组织发展的难题。 1、志愿者注册和管理:志愿者通过前台直接注册并申请成为志愿者,审核通过后及可以参与救助、发布救助信息、参加活动、捐赠物资、接受协会统一管理和考核(志愿服务时长和荣誉头衔管理)。 2、救助管理平台:志愿者可以在系统中发布受助人详细信息,系统审核通过后即在前台公开展示并接受系统中其他志愿者和爱心人士的捐赠,并能实时公示捐赠详情,包括参与捐赠人数、捐赠金额、完成进度等。 3、活动管理系统:协会官方和志愿者都可以申请并发起活动,审核通过后即在前台展示并接受其他志愿者报名和物资以及先现金赞助等,活动结束后可以对参加活动的志愿者进行统一考核增加志愿服务时长。 4、物资管理系统:志愿者可以在系统中直接捐赠物资,系统审核通过后即在前台展示,并接受社会监督使用情况,在后台可以查询到物资使用去向,包括捐赠给那些受助人,以及发放情况等。 5、义卖管理系统:志愿者可以将自己的爱心物品上传到系统中来,其他志愿者可以参与竞拍和购买,义卖所得将转入志愿者账户,志愿者可以用义卖所得捐赠需要帮助的受助人。 6、财务管理系统:系统设立个人账户、官方账户、总账三种账户,并详细记录系统产生的每一笔财务动作,包括会员充值、捐款、赞助、官方收入、官方支出等,这些均可以在前台查询到。更详细的社会监督包括查询受助人接受捐赠的详情、志愿者捐款详情、官方总收入、官方总开支、官方接受捐款总额和详情等,让公益账务清楚明了的展示在大众面前接受监督。 7、门户管理系统:门户管理系统基于Live!Engin和LiveWeb开发而来,继承了Live!Engin和LiveWeb的优异特性,支持可视化DIY建站和导入导出模板,利用Live!CMP可以快速建立起个性化的功能全面的公益门户网站。 8、UCenter整合:Live!CMP跨越.NET和PHP平台障碍,实现与UCenter的深度整合,目前已经支持UCenter用户直接登录Live!CMP,并支持同步登陆和退出。与UCenter的深度整合将极大的方便地方门户网站快速将数量众多的会员转化为志愿者进而开展公益活动,让地方门户和社会公益相互促进共同发展。 9、集成支付宝在线支付,支持众多网银在线支付,实时到账,让网络爱心更加便捷。网络捐款+财务公示使得网络公益更加容易被认可,不仅解决线下捐款成本高不便捷等难题,更使得捐款数额更加随心、随意,彻底解决捐款面子问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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