漫谈项目管理之:什么样的项目才是成功的?

简介: 什么样的项目才是成功的? 这个问题和项目“验收”没有关系,在天朝这个市场里,如果你的项目连验收都无法通过,那么笔者建议你还是改行吧!但是,当项目做完的时候,并且做到了什么程度,你完全可以在心里对自己说“哇塞,这个项目真的很成功啊!” 那笔者会问你,成功的标准是什么?盈利?客户满意?实现了既定的目标?完成了一次别人觉得不可完成的项目?...... 我们先看一个“理论上的”成功标准,也就是项目管理中常用到的“铁三角”理论,一个项目做完了,只要完成了既定的目标,又没有超出预算,并且按照进度要求做完了,项目就算是成功的,至少你不用担心你的老板或者客户骂你了。

什么样的项目才是成功的?

这个问题和项目“验收”没有关系,在天朝这个市场里,如果你的项目连验收都无法通过,那么笔者建议你还是改行吧!但是,当项目做完的时候,并且做到了什么程度,你完全可以在心里对自己说“哇塞,这个项目真的很成功啊!”

那笔者会问你,成功的标准是什么?盈利?客户满意?实现了既定的目标?完成了一次别人觉得不可完成的项目?......

我们先看一个“理论上的”成功标准,也就是项目管理中常用到的“铁三角”理论,一个项目做完了,只要完成了既定的目标,又没有超出预算,并且按照进度要求做完了,项目就算是成功的,至少你不用担心你的老板或者客户骂你了。

 

但真的是这样的吗?

有多少项目的成本、进度、目标都能够严格按照计划完成?如果成本大幅超支了,项目就一定是失败的吗?

答案肯定是不一定的,很多项目即使超支、延误、也依然是非常成功的,因为它实现了项目本生的“目标”。如果卡导的《阿凡达》,有延期、有超支但最终票房证明了它的“目标”是正确的。

当项目经理开始接手一个项目的时候,不论客户说的是什么,需求文档是怎么写的,甚至于不管合同是怎么签多得,你心里必须把意见一个问题想清楚透彻,“客户(老板)到底为什么要花钱做这件事(或者这个项目)?”

项目经理必须学会从“业务”的角度去思考这个问题,而不仅仅只是考虑如何用技术去实现它。成本超支了,但拓展了新市场(这个客户是老板非常重视的);进度延误了,但为公司带来了新的业务机会......

 

真正成功的项目,重要的并不是你(客户)希望我(项目经理)能做什么,而是考虑清楚“你为什么要这样做”,理解“业务动机”才是成功的关键。

相关文章
|
tengine 运维 Kubernetes
阿里巴巴重磅开源云原生网关: Higress
Higress 源自阿里巴巴内部电商、交易等核心生产场景的实践沉淀,遵循 Ingress/Gateway API 标准,将流量网关、微服务网关、安全网关三合一,并在此基础上扩展了服务管理插件、安全类插件和自定义插件,高度集成 K8s 和微服务生态,包括 Nacos 注册和配置、Sentinel 限流降级等能力,并支持规则变更毫秒级生效等热更新能力。
阿里巴巴重磅开源云原生网关: Higress
|
人工智能 缓存 vr&ar
big.LITTLE&DynamIQ
big.LITTLE&DynamIQ
658 0
|
监控 供应链 Java
【PMO项目管理】深入了解项目管理 | Stakeholder 利益相关者 | 利益相关者之间的立场差异
【PMO项目管理】深入了解项目管理 | Stakeholder 利益相关者 | 利益相关者之间的立场差异
927 0
|
7月前
|
SQL 数据可视化 开发者
Dataphin功能Tips系列(90)告别“查无数据”,行级权限自助申请功能上线
Dataphin推出行级权限可视化提示与自助申请功能,帮助分析师快速识别“无数据”原因(如被自动过滤),并一键提交权限申请。审批通过后即可查询全量数据,大幅降低沟通成本,提升分析效率。
321 8
|
5月前
|
机器学习/深度学习 数据采集 人工智能
建筑玻璃缺陷目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集含3000张真实场景建筑玻璃图像,标注5类缺陷(破裂、打胶、起霜、污染、未加工),采用标准YOLO格式,含train/val/test划分及data.yaml配置,专为YOLO系列模型训练优化,助力幕墙质检与工业AI检测。(239字)
460 0
建筑玻璃缺陷目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
|
6月前
|
人工智能 自然语言处理 算法
AI实现代码开发的核心逻辑(一)
教程来源 https://rvtst.cn/category/software-dev.html 本文深入剖析AI代码开发的底层原理,涵盖数据准备、模型架构、训练策略与推理优化,从GitHub Copilot到大模型Agent,系统揭示AI如何理解与生成正确、高效代码,助你不仅会用,更能懂原理、建系统。
|
10月前
|
SQL 自然语言处理 数据挖掘
没有 GPU 不用 LLM 能把 Text2SQL 做到什么程度?
润乾 NLQ 抛弃大模型与昂贵算力,专注构建规则驱动的 Text2SQL 引擎。通过“业务词典+语法手册”实现自然语言到 SQL 的精准编译,支持复杂多表关联、聚合计算与智能语义解析,在 BI 场景下达成高准确率、可解释、低成本的查询能力,展现确定性智能在企业级应用中的强大潜力。
|
Rust 数据可视化 C++
WASM性能分析-插桩方案
本文结合了代码插桩和性能火焰图的技术,以 WebAssembly 为例介绍了性能分析的方法和相关实现。
1168 13
|
设计模式 人工智能 自然语言处理
AI生成的Logo版权归谁?
AI 生成 Logo 已成为设计领域的重要应用,广泛用于个人品牌和商业场景。本文分析了 AI 生成 Logo 的版权归属问题,结合国内外法律案例指出,用户若深度参与创作,如精心设计提示词、调整参数等,可主张著作权。同时介绍了多个主流 AI Logo 工具的版权规则,并提供确保版权与商用安全的实用技巧,包括审查授权条款、优化创作过程及商标注册建议。
976 5
|
人工智能 自然语言处理 JavaScript
通义灵码入选南方日报 2024 数字化年度标杆
通义灵码入选南方日报 2024 数字化年度标杆
通义灵码入选南方日报 2024 数字化年度标杆

热门文章

最新文章