如何去推动自己团队所提出的需求

简介: 如何去推动自己团队所提出的需求

自己团队所提出的需求是指性能优化、技术栈升级、架构调整等需求,偏向于技术范畴。

  要推动这类需求,除了自己团队的努力之外,还需要一些外在的辅助因素。


一、时机


  对于我们自己团队内部就能消化的需求,主要的问题就是人员,只要人员充足,那么就能慢慢推进。

  而对于那些需要跨团队协作的需要,那么就需要在合适的时机推进。

1)大方向

  这个需求是符合公司大方向的,这样才能得到足够的重视和适当的资源。

  例如公司今年提倡开源节流,正好我们团队有一台老旧服务器,计划迁移到另一个云服务上,预计可以节省多少钱。

  那台服务器运维也不太好维护,还没发布系统,迁移后就有统一的发布平台,维护代码也方便。

2)上级认可

  这个需求的价值可以获得上级的认可,例如公司在快速发展期间,前后端项目是整合在一起的。

  由于界限模糊,经常出现讲不清楚的情况,导致人员之间出现争议,顺势就提出了前后端分离,也得到了上级的同意。

  不过执行周期很长,这是一个长期的需求,并且依赖服务端的人员要充足,还得有档期。

3)优先级

  这个需求的优先级是否可以被拔高,符合大方向以及上级认可的需求多了,很多可能就是重要而不紧急,那最多也就给个中的优先级。

  得不到强有力的推进,往往就会一直被搁置拖着。例如将一个热榜页面从 jQuery 改造成 Vue。

  自己团队的功能早就完成了,但是 QA 一直没有资源,然后最近遇到一个契机,那就是热榜的接口出现了大量慢响应。

  而这个慢响应正是我们组的核心指标,需要竭尽全力解决的,于是顺势将接口改造,由我们组做转发改成直接调用服务端的接口,即前后端分离。

  此时,也有理由强势的让 QA 出人来支持此需求,一个拖了几个月的需求,在一周之内就被完成了。


二、人和


  人和分为两个方面,第一个是对外,第二个是对内。

1)对外

  第一个对外针对的是协作团队,或其他部门的人。

  首先可以明确,这些需求的受益人基本上都是我们团队自己,让其他团队参与都是在增加他们的工作量。

  也就是说,对于那些中低等级的需求,协作团队是有可能拒绝买你的账,或者就一直推脱着。

  为了能让他们配合,除了上述所说的时机之外,还需要利用点软技能。

  让他们心理上愿意配合,和强制让他们配合,肯定是选前者最佳,不要让他们有怨气,为了做到这点,日常工作中,得多多积累人气。

  例如之前有个性能优化需要客户端做改造,有点工作量。

  由于之前在他们有难的时候,我们组没有磨磨唧唧,直接伸出了援手,所以这次也爽快的答应了。

  一些需要业务方配合的工作,他们也会积极响应。

  因为日常他们有问题向我们团队询问时,都能得到有效而及时的答案,若是需要其他组的人查,我们也会告诉他们找谁,秉承事事到我为止。

  我一直希望我们团队中的成员对于别人的疑问都能给予有价值的反馈,回答都是肯定句,而不是模棱两可的话术。

2)对内

  第二个对内针对的是团队成员,即自己组的人。

  首先就是要想推进需求,必须得有人,2021 年的时候,人员不足,只能疲于应付各类业务需求,完全没有时间搞其他需求。

  2022 年的时候,不仅我们组加人了,其他团队也加了充足的人员,此时才能展开我们想要推进的工作。

  团队成员的意向也非常关键,他们是否认可这个团队需求。需要塑造一种开放的团队氛围,要所有成员都能畅所欲言。

  若他们反对,可提出改进方案或者拿出他所设计的方案,大家再讨论,在内部达成一致后,再开工,有点攘外必先安内的意思。

  还有就是需求是否科学,即符合当前团队所能承载的能力,以及有较高的 ROI。

  例如之前有成员提出集中人力和资源去研发低代码,但是考虑到公司的业务特点,目前还并不需要,但可以做些简化,提升工作效率。

目录
打赏
0
0
0
0
20
分享
相关文章
调研219篇文献,全面了解GenAI在自适应系统中的现状与研究路线图
【10月更文挑战第22天】生成式人工智能(GenAI)在自适应系统(SASs)中展现出巨大潜力,尤其是在数据理解、逻辑推理和自主性增强方面。GenAI可以提升SASs的自主性和人机交互效率,但也面临技术多样性、数据需求、隐私问题及模型可解释性和鲁棒性的挑战。研究路线图包括解决关键挑战、模型评估优化、改善人机交互和探索实际应用。论文链接:https://dl.acm.org/doi/10.1145/3686803
66 7
|
9月前
拥抱不确定性:在技术实践中培养适应性思维
【5月更文挑战第23天】 在快速变化的技术世界里,不确定性已成为常态。本文旨在探讨如何在技术领域中培养适应性思维,以应对不断变化的环境。通过分享个人经验和对现有文献的分析,我们提出了一套策略和方法,帮助技术人员提高灵活性,更好地适应未来的发展。
关键成果与技术应用
阿里云为中石化提供端到端的迁云服务,包括云架构设计、技术选型、迁移方案定制及实施支持,确保业务系统平滑过渡与优化。EDAS作为一站式PaaS平台,支持多语言应用的全生命周期管理与监控,提升部署效率与服务治理能力。通过MQ技术,中石化实现了系统间松耦合设计,增强了可用性和可扩展性,为业务扩展奠定基础。CSB则助力其实现跨环境、跨系统的高效集成与互通,促进业务流程优化与数据共享。
102 2
大模型技术的发展与实践
一、大模型的概念 大型语言模型,也称大语言模型、大模型(Large Language Model,LLM;Large Language Models,LLMs) 。 大语言模型是一种深度学习模型,特别是属于自然语言处理(NLP)的领域,一般是指包含数干亿(或更多)参数的语言模型,这些参数是在大量文本数据上训练的,例如模型GPT-3,PaLM,LLaMA等,大语言模型的目的是理解和生成自然语言,通过学习大量的文本数据来预测下一个词或生成与给定文本相关的内容。 参数可以被理解为模型学习任务所需要记住的信息,参数的数量通常与模型的复杂性和学习能力直接相关,更多的参数意味着模型可能具有更强的学习
大模型技术的发展与实践
一、大模型的概念 大型语言模型,也称大语言模型、大模型(Large Language Model,LLM;Large Language Models,LLMs) 。 大语言模型是一种深度学习模型,特别是属于自然语言处理(NLP)的领域,一般是指包含数干亿(或更多)参数的语言模型,这些参数是在大量文本数据上训练的,例如模型GPT-3,PaLM,LLaMA等,大语言模型的目的是理解和生成自然语言,通过学习大量的文本数据来预测下一个词或生成与给定文本相关的内容。 参数可以被理解为模型学习任务所需要记住的信息,参数的数量通常与模型的复杂性和学习能力直接相关,更多的参数意味着模型可能具有更强的学习
516 0
【重磅】李飞飞提出AI研究新方法论:以人为本,机器的价值就是人的价值
尽管现在人工智能的发展速度达到了令人目眩的地步。但李飞飞依然认为它面临着诸多挑战,人类有责任让人工智能的发展能够帮助人类世界变得更加美好。
2654 0
Gartner对“新基建”五大关键领域提出见解及建议
近日,国家要大力发展新型基础设施建设(新基建)的举措引起了社会各界的广泛关注。
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等