项目经理的商务指南系列之二:认识责任(敏捷开发,专家与杂家)

本文探讨了项目经理在项目管理中应具备的商务知识与技能,强调了商务能力对于项目成功的重要性,提出了项目经理应如何从责任、权利和利益统一的角度看待商务责任。

 本文是项目经理的商务指南系列中的第一篇。(之一:序言及项目本质之二:认识责任之三:认识客户之四:认识谈判,之五:认识项目进展,之六:认识回款,之七:将项目推向不败之地)

认识责任

本系列的名称为:项目经理的商务指南。我们好端端地做项目管理,商务自有销售来管理,为什么要我们管这个呢?这要从另外一个事情谈起。

现在的项目经理,多数在之前是普通的程序员。那么,有没有项目经理想回到程序员的呢?肯定不多。为什么没有人愿意把“本来是别人做的管理工作”扔掉之负责技术呢?当然不是因为想承担管理责任,这是想保持管理权利。

同样的,项目经理常常抱怨没有商务权力,等自己接手项目的时候,一切前因后果都已经敲定了;当项目好不容易完成的时候,努力半天回款也没自己的份。但是很少见到项目经理抱怨没有商务责任的,每个人都希望把责任推得一干二净到销售身上,殊不知这就是项目经理们没有商务权力和商务利益的本因。

因此要从责权利统一的角度看待责任。

认识专业性

又有一些项目经理说:我希望做专业的项目经理,不想当杂家。但其实如果问:你做项目管理有哪些专业技能?又答不上来。

假使我们不从懒惰怕事的角度看待这个矛盾,而是从“如何成为专业的项目经理”角度看待专家与杂家,结果应该如何呢?

百度词条上“专家”的定义是:专家,指具备专业技能,并依赖此类技能为生的职业人士。

很多人把它理解为“具备专一乃至单一技能,并依赖此类技能卫生的职业人士”,是明显的错误。

其实最好的程序员,一定熟悉业务;最好的产品经理,一定熟悉市场;最好的项目经理,也一定熟悉商务。

商务技能,是项目经理所需要具备的专业技能之一;销售人员需要用项目管理技能来加强自己的商务技能;项目经理要用商务技能来加强自己的项目管理技能

认识项目的本质

上一章节我们提到了项目的本质是互利的交易,是购买价值的过程

前者要求我们必须以交易的眼光来看待项目,没有商务知识是不可能完成的。

后者要求我们按照“价值”而非“进度、质量、成本”来看待项目。“进度、质量、成本”不就是价值吗?是,也不是。用“手机的功能、价格不就是价值吗”来帮助理解,会容易一些:世界上有功能很少,价格昂贵的手机在热销,就必有进度很迟、质量很差、成本很高的项目在结项回款。

 

到这里,基本上就说明了商务的确是项目管理最重要的辅助知识。

不过说归说,在开发人员眼中最讨厌的人是销售,比销售更讨厌的是客户。怎样越过心理的障碍,与客户打交道呢?下一篇文章将提及此事。

 

 

点击下载免费的敏捷开发教材:《火星人敏捷开发手册

转载于:https://www.cnblogs.com/JPAORM/archive/2011/10/07/2510429.html

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集个性化推荐展示,Java后端支撑高并发服务日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练全局聚合的协同逻辑,同时可基于项目架构进行算法替换功能扩展,适用于科研验证工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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