解决问题的最佳实践路径

简介: 借助搜索引擎看是否有类似问题和解决方案,分析可行性并尝试(试错),搞不定再求助更专业的人;

上周应CC邀请,给部分同学做了一次《测试人员如何保持不断成长》为主题的分享。


分享后同学们反馈干货满满,但也有部分同学对于最后的内容,如何学会提问有些疑惑。


这篇文章,就来聊聊如何提问吧,仅是一家之言,供参考。


问题的生命周期


一般来说,问题会经过这四个阶段:


  1. 遇到问题(出现问题);
  2. 提出问题(观察并记录问题);
  3. 分析问题(根据日志/监控分析原因);
  4. 解决问题(猜测原因/尝试方案/问题得到解决);


我在分享的时候提出了一个观点:学会提问,然后再培养解决问题的能力,是个人成长的最佳路径


遇到问题如何处理


无论是工作中还是生活中,我们都会遇到大大小小的各种问题。


“遇到问题,你的第一反应是什么”?这也是我分享时问到的一个问题。


下面是部分同学的回答:


  • A 同学:利用搜索引擎找答案;
  • B 同学:分析问题原因,验证测是否正确,利用搜索引擎找答案,找更厉害的人求助;
  • C 同学:先评估这个问题可能和哪些业务/技术有关联,评估该问题的影响范围和大小;
  • D 同学:先分析问题类型,然后看能否找到熟悉这一方面的人,但有时候会遇到一些技术盲点;


几位同学的回答都有各自的出发点,也不能说他们回答的不正确,但其实每个回答都欠缺一些内容。从我个人的经验来说,工作中遇到问题,最佳的处理路径应该是这样的:


640.png


  1. 最高优先级是快速解决问题(线上出现故障优先恢复业务,先止血再考虑复盘和优化);
  2. 如果问题不严重不紧急,先记录,再借助工具观察问题表现,评估影响范围和风险高低;
  3. 借助搜索引擎看是否有类似问题和解决方案,分析可行性并尝试(试错),搞不定再求助更专业的人;
  4. 问题解决后,根据问题记录和分析解决过程开始复盘,判断是否存在类似潜在问题,确定后续行动项;
  5. 跟进相关行动项,确保各行动项得到及时优化和落地,整理最佳实践并推广宣讲;


提问和成长的关联性


很多同学遇到问题第一反应是找答案,或自己埋头思索闭门造车,这样也可以成长,但容易走入死胡同。


成长除了自己不断试错以外,观察别人的犯错过程并借鉴,少走弯路也是一种方法。


除了上述的方法,和更优秀的人请教也是很好的方法,但请教的前提一定是学会提问。


如何提问呢?有个方法叫5W1H,是很经典的记录并思考问题的方法。方法大致如下:


who(谁)

when(什么时候)

which(什么方式)

what(做了什么操作)

why(背景/问题表现是什么)

how(接下来如何做-分析思考)


640.png



懂得如何提问并在实践中加以应用,问题实际上已经解决了一半。


提问的过程本身就是记录和分析思考的过程,解决问题只是将思考付诸实践。


所谓成长,无非就是保持耐心,投入时间,专注的思考分析,并付诸实践,最终得到结论。

相关文章
|
人工智能 测试技术 开发者
最强开源背景去除模型​RMBG v1.4
RMBG v1.4是briaai公司最先进的背景去除模型,它可以将一系列类别和图像类型中有效地将前景与背景切分
1985 0
最强开源背景去除模型​RMBG v1.4
|
9月前
|
JavaScript 前端开发 算法
Vue 与 React 深度对比:底层原理、开发体验与实际性能
本文深入对比Vue 3/Vue 4与React 19的核心原理、性能差异与开发体验。Vue基于Proxy响应式与编译优化,追求自动高效;React依托虚拟DOM、Fiber架构与并发渲染,强调灵活可控。两者在更新粒度、语法范式、学习曲线和生态上各有优劣。Vue适合快速开发与中小型项目,React更适配复杂交互与高定制需求。未来Vue趋向信号机制与Vapor Mode,React发力服务端组件与自动记忆化。选择应基于团队能力、项目场景与维护成本,追求技术适配性而非先进性。
1421 7
|
8月前
|
人工智能 并行计算 算法框架/工具
openEuler操作系统环境:目标检测软件开发实操与性能评估
本文系统研究了在openEuler 22.03 LTS SP3上基于YOLOv8实现鸟类目标检测的全流程,涵盖环境搭建、模型训练、性能优化与容器化部署。实验表明,openEuler凭借内核优化与异构计算支持,在GPU加速下推理速度达142 FPS,资源占用降低18%以上,展现出卓越的AI任务处理能力。
414 0
|
传感器 机器学习/深度学习 人工智能
AI在智能制造中的革新应用与未来展望
【10月更文挑战第10天】AI在智能制造中的革新应用与未来展望
|
数据可视化 数据挖掘
知识共享:解锁企业创新潜力的关键
本文探讨了在信息爆炸时代构建高效知识共享机制的重要性及方法。知识共享不仅能提升团队协作效率和创新能力,还能降低重复劳动、促进知识积累。文章从文化驱动、技术支持和流程优化三个维度介绍了建立知识共享机制的关键要素,并推荐了创新工具如板栗看板,帮助团队通过模块化、可视化的方式优化知识管理流程,最终实现知识共享的无缝嵌入与高效应用。
652 15
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
1410 3
|
机器学习/深度学习 人工智能 自然语言处理
大模型开发:描述模型可解释性的重要性以及如何实现它。
模型可解释性在AI和机器学习中至关重要,尤其在金融风控等领域,它关乎信任、公平性和法规合规。通过建立信任、发现偏见、排查错误和满足法规要求,可解释性促进了模型的改进和社会接受度。研究者采用简单模型、局部和全局解释方法、模型可视化及原型/反例等策略提升模型透明度。这是一项结合算法、专业知识和伦理的跨学科挑战。
1132 1
|
自然语言处理
掩码语言模型(MLM)
掩码语言模型(MLM)
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
2652 8
|
PHP 开发工具
tp5调用阿里云短信接口
tp5调用阿里云短信接口
689 0

热门文章

最新文章