大丈夫不可一日无权啊!——项目经理的误区(2)

(文/孙继滨)



老孙原来是很笨的。是的,很鲁钝。



刚当上项目经理那会儿,自己总觉得别人不听话,自己说什么都不算数。伤心极了。怎么办?没办法,只好自己给自己找了一大堆活儿,然后埋头苦干,同时还要为别人拾遗补缺。看着别的项目经理能够劳逸结合,轻轻松松,心里憋气的不得了。



后来,我的上司找我,问我当了项目经理有何感想。我故作轻松道:“大丈夫不可一日无权啊。”

上司有些惊讶。我解释说:“项目经理好像是个管理职位,可是我却觉得自己啥权力也没有。人呢,一没权力说啥都不好使。”

上司笑了,说:“项目经理权力准定是有的。至少,他有了一项重要的管理权力——检查。”



【检查权力】就是项目经理有权检查项目组成员的工作,并作出是否符合项目要求的判断。



一开始,我怎么也搞不懂“检查权力”这几个字是什么意思。上司就这样问我:“其他项目组的项目经理有权力检查你的组员的工作吗?我会绕过你直接检查你的组员的工作吗?你的组员没有你的授权可以去检查另一个组员的工作吗?你的组员可以拒绝你对他的工作的检查吗?——之所以这个样子,是由于你作为项目经理,拥有检查权力。”



我明白了些,便又问:“可是,我并没有觉得检查多么重要啊?”



上司嘿嘿一笑:“要不怎么叫误区呢。这就是项目经理的一个认识误区——【权力误区】。”



后来,上司为了说服我,就把李鸿章也提了出来。



据说,清末重臣李鸿章曾访问俄国,并参加沙皇的加冕典礼。很不幸,在加冕典礼上,发生了严重的踩踏事故,挤死压伤2000人左右。当时,李鸿章就在观礼台的贵宾席上,他问俄国财政大臣维特是否要将这件事如实上报沙皇,维特称是。李鸿章就说:“唉,你们这些当大臣的没有经验。譬如我任直隶总督时,我们那里发生了鼠疫,死了数万人,然而我在向皇帝写奏章时,一直都称我们这里太平无事。”见维特没反应,李鸿章以为他没开窍,继续指点道:“您说,我干吗要告诉皇上说我们那里死了人,使他苦恼呢?要是我担任你们皇上的官员,当然我要把一切都瞒着他,何必使可怜的皇帝苦恼?”



上司讲完了故事,接着解释道:“报喜不报忧,大事化小小事化了,或者干脆没有的事情也信口开河,从古到今,国人的这些毛病并没有什么改变。所以,如果你以为问题出在别人不听话上,那毫无意义,因为即便真是如此也很正常。所以,真正有意义的想法应该是:之所以有问题,是因为我没检查。如果你是个项目经理,你如果不去检查,或者忽视检查,那么你所知道的情况可能和真实情况相差万里。掌握不了真实情况,如何能正确判断?怎么可能不出问题呢?”



最后,他这样说:“其实,检查权力是所有权力的基础。失去了检查权力的权力,虽然不是空中楼阁,但绝不是管理权力,因为它实际上什么也管不了了。”



----------- 欢迎访问老孙的微博 http://t.sina.com.cn/laosunisme 进行互动交流 -----------



作为项目经理,很多人信奉这样一条真理:要相信你的组员!



但是,工作并非童话故事,事情远非想象的那样美妙。也许你自认为把任务做了黄金分割,每个人都分得了黄金比例的一块,从而洋洋自得、壮志凌云。但是,在下一次进度会上,总会有些人让你失望到了伤心的地步。“不好意思,我忘了做了。”“不好意思,有别的任务。”“不好意思,没做出来。”“……”



如果你稍有不满,只怕立刻就会有这样的回答等着你:“人总有偷懒的时候,是吧?”“人总有心情不好的时候,是吧?”“人总有能力不足的时候,是吧?”“人总有忘记的时候,是吧?”



这时候,作为项目经理,你会有什么感受呢?作为项目经理,除了心平气和地接受这些理由难道还有别的选择吗?当然,你可以自嘲一句:“Oh,那种真理仿佛就站在你对面的感觉,真是太好了。”



在项目中,这些情况都是很现实的存在,无论理由是真的还是借口,都会实实在在地影响着项目的进度和质量。项目经理若是为此大发雷霆或者怒火中烧却是不必了,这些只不过证明了一个道理:如果项目经理不做检查或者检查不认真不到位,到头来进度失效将会是家常便饭,质量失控必将无处不在。



所以,对于项目经理来讲,还有一句话很重要——没有检查,就没有信任!



------------------------------------

Question:

到底什么是项目经理的管理工作?

Answer:

检查工作。

-------------------------------------



项目管理,它的真谛是什么?——在相信群众、依靠群众、发动群众的基础上,踏踏实实地检查群众!!!



[url=http://laosunisme.iteye.com/blog/741723]【老孙随笔】项目经理的误区(1)——别把项目成功当目标!!![/url]

----------- 欢迎访问老孙的微博 http://t.sina.com.cn/laosunisme 进行互动交流 -----------
LT8711/LT8712 Type-C转HDMI设计方案|替代LT8711/LT8712芯片|GSV2201可完全替代兼容LT8711/LT8712 LT8711UX是一款高性能C/DP1.2型至HDMI2.0转换器,用于将USB Type-C源或DP1.2源连接到HDMI2.0接收器。该LT8711UX集成了一个DP1.2兼容的接收器,和一个HDMI2.0兼容的发射器。此外,还包括两个CC控制器,用于CC通信,以实现DP Alt模式和功率传输功能,一个用于上游Type-C端口和另一个用于下游端口。 阅读详情

相关推荐

基于QGIS的DEM地形数据精细化处理:从裁剪、合并到成果输出

本文详细介绍了使用QGIS进行DEM地形数据的精细化处理流程,包括数据获取、裁剪、合并及成果输出等关键步骤。通过实战技巧和注意事项,帮助用户高效处理地形数据,适用于GIS分析、三维建模等应用场景。

weixin_29093017的博客 450

《史记》故事

一、大丈夫不可一日无权 秦朝宰相李斯还在很年轻的时候,有一天发现了这样一个现象:在阴沟里面生活的老鼠,吃的是人吃剩了倒出的残汤剩水,目光猥琐,一有响动就警惕地四面张望,发现有人则马上逃之夭夭。而在官府粮仓里面的老鼠则不一样,吃的是官粮国俸,脑满肠肥,处若泰然,发现有人的动静也爱理不理,一副有恃无恐的样子。 既然老鼠都是这个样子,更何况是作为万物灵长的人呢。从这个简单的对照,李期领悟到了”大

商业智能之路 2122

汇川伺服Modbus-RTU通讯实战:从帧结构解析到西门子PLC配置

本文详细解析了汇川伺服与西门子PLC通过Modbus-RTU协议进行通讯的实战步骤,包括帧结构解析、硬件连接、参数设置及PLC程序配置。通过具体案例和常见问题排查指南,帮助工程师快速掌握工业自动化中的通讯技术,提升设备调试效率。

weixin_33670713的博客 453

男朋友是IT项目经理有一种什么样的体验

摘自“光环国际”—中国项目管理PMP培训上市企业 我男朋友是项目经理 晚上给他打电话问他在干嘛? 他说在加班。 第二天晚上给他打电话, 他说在加班。 项目交付前演练。 加班你妹啊天天演练啥啊, 我海贼都要追完了, 你还在加班演练。 我说, 要么你陪你的项目过吧, 找个P女朋友。 他说, 最近真的很忙。

S_king_的博客 7217

STC8G1K08A的10位PWM避坑指南:为什么你的占空比调节总失效?(附寄存器操作时序图)

本文深入剖析了STC8G1K08A单片机10位PWM功能中占空比调节失效的核心原因,揭示了数据手册未明确指出的寄存器操作时序陷阱。通过对比错误与正确配置的波形,文章指出关键在于更新占空比高2位前需临时关闭PWM输出,并提供了经过验证的安全操作宏与函数库,帮助开发者彻底解决此问题,实现0%-100%的平滑控制。

yyy34的博客 747

MATLAB实战:手把手教你实现WVD信号分析(附完整代码与避坑指南)

本文通过MATLAB实战,手把手教你实现Wigner-Ville分布(WVD)信号分析。文章提供了从零构建WVD函数的完整代码,并重点解析了使用解析信号、处理交叉项、优化计算效率等关键避坑指南,帮助工程师高效处理非平稳信号,获得高分辨率的时频分析结果。

purple的博客 1081

当你的职业是一名IT项目经理

作为一名项目经理(Program Manager,简称PM),你必须对项目拥有宽泛的全部的管理职责。项目经理应该在财务技巧,和客户打交道的技巧,领导技巧等方面做出努力。要想在一个 项目中做成功,则该项目经理必须愿意在本质上承担对该项目的无限责任。以下的关于如何成为一名成功的项目经理的建议是基于作者和该领域的最成功的一些人共 事的经验而提出的。 一个成功的项目经理应该具有的品质:对所承担的项目的各个...

S_king_的博客 4624

基于STM32的多模态智能风扇控制系统设计与实现

本文详细介绍了基于STM32单片机的多模态智能风扇控制系统的设计与实现。系统集成了红外遥控、蓝牙手机控制及人体感应等多模态交互方式,通过PWM技术实现无级调速,并设计了安全优先的控制逻辑。文章从硬件选型、核心原理、软件编程到系统调试,提供了完整的实战指南,适合嵌入式开发爱好者学习与实践。

weixin_28285943的博客 238

程序猿遇到不懂技术的项目经理是怎么个体验?!

程序猿遇到不懂技术的项目经理是怎么个体验?有人跟我说,最明显的体验就的:“这个功能很简单,怎么实现我不管。”横批:“明天上线”!对于程序猿来说,这种事情也已经屡见不鲜了,知道这种痛的人,都是惺惺相惜的。有的公司到处找订单,有的公司订单做都做不完!到处找订单的公司先不说了,一般是创业型的。咱来聊聊订单做都做不完的公司,是怎么样的玩法!首先,来了这么多订单,如果我招聘更多项目经理,更多程序猿来,那成本...

IT老王 4043

【报错解决】OpenClaw 报错 FetchError: request to [https://registry.npmjs.org/](https://registry.npmjs.or

在国产基础软件与云原生生态逐步成熟的背景下,越来越多的开发者开始尝试将 Web 前端、AI 推理、系统服务等组件部署到国产操作系统与国产云环境中。我所在的项目正是这样一个场景: 我们基于 OpenClaw 构建一套云端 AI 管理平台,用于统一管理模型服务、前端控制台与后台 API。

博客 1753

量化交易之因子分析大全

在机器学习项目中,特征工程是非常重要的。在量化研究中也是如此。本文将量化研究中常用到的特征,也就是因子进行详细收纳,并给出推导公式和实现代码。

夏之微风的博客 2282

大丈夫不可一日无权啊!——项目经理的误区(2)(转)

(文/孙继滨) 老孙原来是很笨的。是的,很鲁钝。 刚当上项目经理那会儿,自己总觉得别人不听话,自己说什么都不算数。伤心极了。怎么办?没办法,只好自己给自己找了一大堆活儿,然后埋头苦干,同时还要为别人拾遗补缺。看着别的项目经理能够劳逸结合,轻轻松松,心里憋气的不得了。 后来,我的上司找我,问我当了项目经理有何感想。我故作轻松道:“大丈夫不可一日无权啊。” 上司有些...

aiman5818的博客 148

1.2、基于卷积神经网络(CNN)的车牌自动识别系统(matlab)

基于卷积神经网络(CNN)的车牌自动识别系统(matlab)

XU157303764的博客 2911

大丈夫不可一日无权!——项目经理的误区(2)

<br />标签:项目经理误区孙继滨权力误区   [推送到技术圈] <br />版权声明:原创作品,允许转载,转载时请务必以超链接形式标明文章 原始出处 、作者信息和本声明。否则将追究法律责任。http://sunjibin.blog.51cto.com/918334/380449<br /> (文/孙继滨)<br />老孙原来是很笨的。是的,很鲁钝。 刚当上项目经理那会儿,自己总觉得别人不听话,自己说什么都不算数。伤心极了。怎么办?没办法,只好自己给自己找了一大堆活儿,然后埋头苦干,同时还要为别人拾遗补缺

miaoshengwu Blog 1244

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

大丈夫不可一日无权啊!——项目经理的误区(转)

From: http://www.sosuo8.com/article/show.asp?id=3119 老孙原来是很笨的。是的,很鲁钝。 刚当上项目经理那会儿,自己总觉得别人不听话,自己说什么都不算数。伤心极了。怎么办?没办法,只好自己给自己找了一大堆活儿,然后埋头苦干,同时还要为别人拾遗补缺。看着别的项目经理能够劳逸结合,轻轻松松,心里憋气的不得了。 ...

weixin_34319640的博客 177

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

技术,项目经理的命?——项目经理的误区

<br /><br />在职场,每个人都在奋斗。不是为了同事、也不是为了公司,而是为了自己!<br /> <br />“这还用说吗?”,很多朋友感到可笑。“多么显而易见的道理啊!”。然而,话虽然是这么说,现实却并不像人们想象的那么简单。<br /> <br />老李,是一位老资格的项目经理,那是我们公认的技术高手。大家都曾以为他迟早能当上技术总监,他也是如此自我期许。然而,多年过去后,他仍然还是一个项目经理。<br /> <br />“莫非他做项目作的不好,所以升职才轮不到他?”我这样猜疑过。后来我知道,他

BUBU的技术文章专栏 438

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

技术,项目经理的命?——项目经理的误区(3)

在职场,每个人都在奋斗。不是为了同事、也不是为了公司,而是为了自己!   “这还用说吗?”,很多朋友感到可笑。“多么显而易见的道理啊!”。然而,话虽然是这么说,现实却并不像人们想象的那么简单。   老李,是一位老资格的项目经理,那是我们公认的技术高手。大家都曾以为他迟早能当上技术总监,他也是如此自我期许。然而,多年过去后,他仍然还是一个项目经理。   “莫非他做项目作的不好,所以升职才...

weixin_33971130的博客 99
上一篇: 别把项目成功当目标!!!——项目经理的误区(1)
下一篇: 项目经理之修炼(1)——关于要写给谁看的问题
java2php
博客等级 码龄12年 0粉丝 6原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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