2021-11-11

无论规模和复杂性如何,大多数项目都会遇到障碍和问题。许多项目能够克服障碍,继续前进,而另一些则步履蹒跚,最终被迫终止。这篇白皮书探讨了目前项目管理办公室(PMOs)的解决方法,这长期以来一直是避免项目失败的答案。本文讨论了PMO的一些缺点,并提供了重新思考PMO角色和职责以帮助解决其局限性的蓝图。而结果管理办公室(RMO)则扩展了传统的PMO角色,以更好地实现项目的目标。RMO有清晰和强有力的行政管理支持;理解组织的最高目标,并相应地调整“对齐”了项目的目标;整合特定项目或领域的知识;并强调组织逻辑和人为因素在实现项目目标中的重要性。此外,RMO可以更有效地管理传统的PMO事务,包括风险、进度、成本和范围。

随着组织继续努力实现项目目标,RMO不仅可以帮助组织把常规工作做到位,而且还可以提供战略指导、技术要点和人员聚焦以保持结果的可持续性。

01

目前遇到问题的模式

最近的一篇CIO杂志文章描述了联邦IT项目的“严重管理缺陷”。尽管这篇文章列举了导致这一失败的几个原因,但管理不善和缺乏领导才是最主要的原因。此外,德勤的一项调查报告指出,由于对人为因素缺乏关注,IT项目执行可能会受到十种阻碍(图1)。IT项目不是个案——其失败也并非独立于联邦政府的其他项目。

图1:成功的系统执行的前十大障碍中有七个是人为因素。
在这里插入图片描述

PMO经常被认为是解决这些问题的答案,政府和私人组织每年花费数十亿美元来建立项目管理办公室。但是,尽管PMO的建立非常有必要,但模糊的作用和经常不彻底的执行结果却降低了其有效性。传统的项目管理办公室似乎已经变成了纸老虎,在管理项目和结果实现方面效率低下。而RMO能弥补常见PMO的缺陷并且能助力许多项目达成之前很少能够实现的结果。

02

对PMO的扩展:RMO

按照设计,PMO的重点是跟踪、监控和报告,而不是管理结果。他们通常不被授权改变项目方向,也不参与项目交付或预期收益的估计和管理。

与PMO不同,RMO关注组织为项目所做的战略性产出或结果,包括技术或财务性能阈值。此外,RMO还超越了这些传统的测算方法,包括根据主管为特定项目定义的KPI度量收益。目标结果与组织的目标对齐,即使它们因项目而异。

图2概述了PMO和RMO之间的关键区别。

尽管与PMO一样,RMO也负责执行,但它以几种方式重新定义了PMO(参见图3)。

对齐项目目标和组织目标

RMO比传统的PMO更具战略性,它与关键利益相关者一起定义与组织目标对齐的项目目标,并描绘项目的战略远景和路线图。然后使用这个远景和路线图来监督项目目标与组织目标是否保持一致,并在相同的方向上开展沟通、引导项目资源投入。使项目目标与组织目标保持对齐是RMO的关键驱动因素和其与PMO的区别。

提供特定领域的知识以实现项目目标

RMO还拥有一个被称为领域专家的组织,提供基于项目主要目标的特定知识。例如,在大型系统的实施落地中,领域专家组织可以提供系统架构师、流程设计人员和系统工程师来帮助整合企业在各个方面的工作,并帮助减少可能的不一致。尽管RMO了解各个项目所需的知识和技术,但实际和准确的技术管理仍然由各个项目团队完成。RMO始终保持其企业范围的视角,致力于在一个共同的视角和方法下对齐项目和举措。

认识到组织的准备和调整的重要性

RMO认识到,在大多数情况下,人在项目中扮演着最关键的角色。对变革的抗拒、不充分的支持、不切实际的期望、对利益相关者的期望缺乏理解或管理、沟通或培训不足、缺乏技能,以及糟糕的变革管理都可能对项目的有效性造成严重损害。RMO在理解利益相关者及其需求、实施有效的沟通和培训计划,以使利益相关者积极参与并了解项目方面发挥了积极的作用。

图三:RMO的四个组成部分

加强项目管理办公室的日常管理以达到预期效果

RMO对PMO的提升,除了传统的成本、进度和范围三要素外,还关注了结果和产出。它扩展了PMO的范围,作为一个协作节点来协调多个项目的工作。RMO致力于使项目的结果与组织的战略目标保持对齐。

03

RMO的四个关键组成部分

如图3所示,RMO包含四个主要部分:

a . 项目战略和任务的对齐:对齐意味着结果

任何项目有效的关键是对项目目标的定义,以及理解项目如何适应组织的总体战略和目标。在定义了战略和远景之后,与相关人员沟通项目细节将占据次一级的优先级。

RMO项目策略和任务对齐的组成部分,侧重于确认项目的目标具有明确的定义、与组织目标对齐,并且能够驱动流程组合中的项目具体目标。如果没有做到“对齐”,项目很可能会失败,要么是因为目标无法实现,要么是因为实现目标对组织没有影响或有负面影响。为了避免这种情况,RMO与项目发起人、团队成员和相关人员就必须要一起工作,目的是:

■ 理解组织的目标,确定项目旨在支持哪些目标
■ 识别并清晰地阐明项目的愿景和目标
■ 定义项目的具体目标,以支持项目的总目标
■ 建立项目计划的优先级,项目资源将遵循该计划并保持“对齐”,以最终实现项目目标。

b . 领域专家组织:整合的关键

由于大型、复杂的企业项目横跨多个组织,沟通和协作就成了实现预期目标的关键。为了项目的成功,必须重新设计流程、制定标准、整合技术、更新组织政策和程序。领域专家组织的重点是推动企业范围内的整合。

领域专家组织的创建考虑到了业务转型项目与技术设计依赖、约束和问题之间的相互关联。领域专家组织不是一个独立的项目组织结构的一部分。相反,它是一个跨职能、跨组织的实体或团队,支持项目的技术决策,并在确认这些决策之后,考虑对人、对过程、对技术和组织的整体影响。例如,对于一个企业应用程序系统开发项目,领域专家可以由四个主要角色组成:流程架构师、数据架构师、应用程序架构师和首席架构师。领域专家组织同样适用于与科技执行几乎没有联系的项目。例如,一个大型的财务转型项目的项目办公室必须具备拥有会计和财务流程知识、经验和技能的资源。

领域专家组织在以下三个方面发挥着关键作用:

■ 从设计的角度看业务目标和项目是否对齐
■ 基础服务或技术经验、知识和技能
■ 项目蓝图和标准

它通常被授权在必要时做出决策,并清晰地整合到项目的管理过程中。

c . 组织准备:采用情况和长期结果

如前所述,任何项目的长期有效性都取决于相关人员的支持和接纳。没有这种支持,一个项目可以在发起者和领导者的驱动下达成短期效果,但长期的预后很差,因为领导者会转移到下一个项目,而那些日常的相关人员——那些必须为了长期结果将项目融入到组织中的人——也放弃了努力。

RMO从项目一开始就关注这些相关人员,而不仅仅是在系统上线或执行新流程之前。它从相关人员分析开始,识别项目的相关人员,然后通过采访了解他们的需求和他们对项目的目标,同时开始设定他们对项目的期望。有了这些信息,RMO开发了一个相关人员关系管理策略,这个策略会记录相关人员与项目相关的需求,合理地组织这些人,并为满足这些需求而制定计划。根据这一策略,RMO创建了变革管理计划,详细说明计划将如何使相关人员从“旧模式”转变到“新模式”。了解情况的相关人员可能会更积极地参与项目,并且感觉到自己是项目的一部分,最终支持和执行项目的结果。发起项目虽然对吸引相关人员的注意至关重要,但并不足以确保他们的长期支持。

d . 项目管理办公室:加强传统作用

RMO中PMO这一组成部分履行重要的领导和监督角色。PMO通常扮演多种角色,包括充当组织松散的项目集的顾问。这些顾问服务包括风险管理指导、报告模板、质量建议等。然而,PMO并没有真正的责任或权力来实现一致性或效率。相反,它充当监督者的角色,建立指导方针、模板和标准流程,使人们更容易一起工作,以实现单个项目的有效性,并进行合并报告和跟踪。

RMO构建了一个强大的项目管理办公室:它提供了一种机制,可以在需要和相互同意的情况下快速、有效地启动和完成变革,就像它管理一组相关项目的复杂性和关联性一样。此外,它侧重于实现结果所需的决策和项目达成目标的能力,而不仅是简单地跟踪和报告成本、进度和范围信息。

04

项目结果:RMO的成果

RMO关注的是项目的结果,而不仅仅是产出。RMO衡量的第一个结果是项目完成其初始目标的能力。这些目标不应仅与项目管理相关,如项目按时或按预算交付的能力;它们必须与项目的总体需要或目的相关。例如,财务管理转型项目的结果可以通过提高组织财务报表的准确性、提高处理应收账款的速度或解决审计中发现的特定问题的能力来衡量。

其次,RMO度量相关人员对项目的采用或接纳程度。这是衡量项目长期成果的关键指标。在项目启动之后,当旧的习惯或态度开始渗透回系统时,短期结果往往会消失。一个项目要真正有效,相关人员不仅必须支持它,而且还必须拥抱这个项目所开启的东西。如果只从核心高管或领导那里获得支持,项目就无法保持长期有效。

第三,RMO可能关注项目在财务或其他方面对组织的使命或财务结果的贡献。通常情况下,获得传统“PMO支持”的组织无法将实际项目的绩效与PMO提供者的绩效联系起来。而在RMO的模式中,组织将激励机制纳入到他们的项目支持合同中,这些合同与项目结果和绩效标准相联系。如果项目未能达成目标,则组织及PMO的提供者都将受到影响。

05

构建RMO:发挥独特优势

招募具有所需经验的人才到RMO团队中是至关重要的。最有效的RMO拥有那些执行过RMO所管理的项目的团队成员。

此外,RMO必须能够从各种经验和知识中获取资源,以便在需要时提供必要的领域知识。例如,IT执行将需要使用从信息安全到企业架构的各种技能。在整个项目周期中,RMO应该能够在需要这些资源时以合适的方式调用它们。

最后,RMO具有与传统PMO不同的特征。这些特征使构建RMO变得更加容易,并有助于进一步实现项目总体目标。

■ 可扩展性——一个由个人组成的小团队可以构建RMO的基本要素,比如战略对齐和企业标准。成员可能会随着项 目的进程而增加。RMO还可以根据项目的规模、地理分布、影响足迹、需求和复杂性进行规模的增减。

■ 可定制性——RMO相对于PMO的一个关键优势是,它针对的是组织的特定性质和需求。RMO不强制采用标准流 程或方法,而是根据工作的需求进行定制和调整。

■ 面向企业——当战略目标、系统、过程或其他核心举措需要时,RMO能够解决企业中跨组织的复杂问题。

■ 基于技能——与PMO基于过程的特点不同,RMO依赖和交付的是实现有效变革和项目交付所需的不同技能组合。

■ 有效性驱动——项目和规划办公室通常监控成本、进度、人员、质量和一组具体活动的整体表现——衡量的是效 率而不是有效性。RMO关注的是有效性——一个项目必须交付的结果和价值。及时和节约成本的交付确实是执行 的关键管理目标,但是过程中的产出还须转化成为实现预期结果的努力。

06

未来怎么做?

RMO扩展了PMO的传统角色,并引入了与积极项目管理相辅相成的角色和责任关系。它并不是推倒重来,而是驱动自始至终的努力,使项目目标与组织目标和使命对齐;整合企业领域的具体经验、知识和技能;使组织及其成员做好变革的准备;管理风险以帮助项目实现预期目标。我们认为,无论是公共组织还是私人组织的项目,都需要RMO。随着组织继续努力实现项目目标,RMO不仅提供常规工作的管理,而且还提供战略指导、技术要点和保持结果持续性所需的人员聚焦。

【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离(Matlab代码实现)内容概要:本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法,并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模,利用音源间的频率特征差异,实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据,属于无监督学习范畴,适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性,并附带完整的仿真资源链接,便于读者学习与验证。; 适合人群:具备一定信号处理基础和Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师;尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标:①用于音乐音频中人声与伴奏的分离,或不同乐器之间的分离;②支持无监督条件下的语音处理研究,推动盲源分离技术的发展;③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议:建议读者结合提供的Matlab代码与网盘资料同步运行调试,重点关注谐波建模与频谱分解的实现细节,同时可扩展学习盲源分离中的其他方法如独立成分分析(ICA)或非负矩阵分解(NMF),以加深对音频信号分离机制的理解。
内容概要:本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层,通过线控化(X-By-Wire)和域控化实现驱动、制动、转向、悬架的精准主动控制,支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段,当前以线控转向、线控制动、域控制器等为核心,并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态,强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例,展示了智能底盘在真实场景中的安全与性能表现,推动技术从研发走向市场验证。; 适合人群:汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者;具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标:①深入了解智能底盘的技术演进路径与系统架构;②掌握线控技术、域控制器、滑板底盘等关键技术原理与应用场景;③为智能汽车底盘研发、系统集成与技术创新提供理论支持与实践参考。; 阅读建议:建议结合实际车型和技术标准进行延伸学习,关注政策导向与行业测试动态,注重理论与实车验证相结合,全面理解智能底盘从技术构想到商业化落地的全过程。
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
<think>好的,我现在要帮用户解决在Pandas中筛选特定日期范围内数据的问题。用户的需求是在列名为'time'的数据中筛选2021-10-112021-11-11之间的数据,需要Python代码示例。首先,我得回想一下Pandas处理日期数据的常用方法。 首先,用户提到列名是'time',所以需要确保该列的数据类型是datetime。如果原始数据中的'time'列是字符串格式,就需要先转换。根据引用[2]里的内容,可以用pd.to_datetime()函数来转换。比如:df['time'] = pd.to_datetime(df['time'])。这一步很重要,否则后续的日期比较可能不会按预期工作。 接下来,筛选日期范围。用户需要的是2021-10-112021-11-11之间的数据,包括这两个日期吗?通常使用布尔索引,结合两个条件:df['time'] >= '2021-10-11' 和 df['time'] <= '2021-11-11'。用逻辑运算符&连接这两个条件,同时要注意括号的使用,避免运算优先级的问题。所以代码应该是df[(df['time'] >= '2021-10-11') & (df['time'] <= '2021-11-11')]。 另外,如果数据量大的话,可能要考虑效率问题。比如,先确保'time'列已经转换为datetime类型,并且设置为索引,这样可能提高查询速度。不过用户的问题中没有提到数据量,所以基本的筛选方法应该足够。 再想一下是否有其他方法。比如使用between方法,可能更简洁。df[df['time'].between('2021-10-11', '2021-11-11')]。这也是一种可行的方法,可能更容易理解。 还需要注意日期格式是否正确。用户给出的日期是'YYYY-MM-DD'格式,这在Python中是可以被Pandas正确解析的。但如果有不同的格式,可能需要指定format参数。不过用户的问题中日期格式符合标准,所以不需要额外处理。 另外,是否需要考虑时区?如果数据中的时间有时区信息,可能会影响比较结果。但用户的问题中没有提到时区,所以假设数据是本地时间或没有时区信息。 总结一下步骤:首先转换'time'列为datetime类型,然后用布尔索引筛选日期范围。给出这两种方法,并附上示例代码。同时,提醒用户如果数据中存在时间部分的情况,比如时间戳包含具体时间,可能需要调整结束日期为'2021-11-11 23:59:59',或者使用包含时间的方法。 还需要参考用户提供的引用内容。引用[2]提到了转换字符串到时间格式的方法,引用[3]有关于数据排序的内容,但当前问题不需要排序,所以可能不需要涉及。但用户的问题可能是在处理时间数据后进行筛选,所以确保引用了正确的部分。 最后,生成相关问题的时候,要考虑用户可能的后续问题,比如如何处理不同日期格式、如何筛选时间范围包含时间部分,或者如何优化性能。这样用户如果有进一步的问题,可以自行参考这些问题。</think>以下是筛选特定日期范围数据的Python代码示例及详细说明: ### 基础实现步骤 1. **转换时间格式** ```python # 将列转换为datetime类型(若原始数据为字符串) df['time'] = pd.to_datetime(df['time']) ``` 2. **筛选日期范围** ```python # 筛选2021-10-112021-11-11的数据(包含两端) filtered_df = df[(df['time'] >= '2021-10-11') & (df['time'] <= '2021-11-11')] ``` ### 完整示例代码 ```python import pandas as pd # 示例数据生成 data = {'time': ['2021-10-10', '2021-10-15', '2021-11-05', '2021-11-12'], 'value': [1, 2, 3, 4]} df = pd.DataFrame(data) # 转换时间列 df['time'] = pd.to_datetime(df['time']) # 引用字符串转时间戳方法[^2] # 执行筛选 result = df[df['time'].between('2021-10-11', '2021-11-11')] # 或使用布尔表达式 print(result) ``` ### 特别说明 1. 若时间列包含时分秒,可使用: ```python start_date = pd.Timestamp('2021-10-11 00:00:00') end_date = pd.Timestamp('2021-11-11 23:59:59') ``` 2. 若日期列是索引: ```python df.loc['2021-10-11':'2021-11-11'] ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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