谈谈讲清楚这件事的重要性

简介: 如何讲清楚一件事我相信很多人都很困惑也很无助,尤其是在晋升场合,在向上汇报或者是做大范围分享的时候,恨不得找个地缝钻进去。很多时候我们常常是这样安慰自己,我是实干派技术人,不需要那些花里胡哨的东西,我技术过硬比什么都重要。曾经一度我也是这样认为,最后改变我这个想法的是一句话:如果你讲不清楚多半是想不清楚,如果你都想不清楚如何能够带领更多人拿到结果?

作者:知明


如何讲清楚一件事我相信很多人都很困惑也很无助,尤其是在晋升场合,在向上汇报或者是做大范围分享的时候,恨不得找个地缝钻进去。很多时候我们常常是这样安慰自己,我是实干派技术人,不需要那些花里胡哨的东西,我技术过硬比什么都重要。曾经一度我也是这样认为,最后改变我这个想法的是一句话:如果你讲不清楚多半是想不清楚,如果你都想不清楚如何能够带领更多人拿到结果?


所以我总结了一些关于如何讲清楚的一些技巧,以供大家参考。


少做预设多换位


在讲的过程中第一个陷阱就是以自我为中心,在按照自己的思路讲。出现这个现象的本质就是做了大量的预设,假设我的受众都是和我一样的成长环境,一样的专业背景,一样的心态和目的。但事实上这些假设都是不成立的,而这也就是造成讲不清楚的根源(这里请勿诡辩说是对方不专业听不懂,人只能改变自我去想办法改变)。


对这一点一些具体的建议如下:


  • 去专业化:比如是字母缩写就加一个括号把原单词写出来,比如专业名词就变为一句话的简要描述。
  • 铺垫背景:通过背景的描述是很好将所有人拉到一个水位上的办法。
  • 用比喻/故事:用生活中类似的例子去大致表达效果会好很多,即使不是完全对等也没关系,这是给人家以体感最好的办法。


在全局中找定位


举一个很简单的例子,我们在介绍自己的时候是不是加上一个你是XX团队做什么工作的 会 比单独说一个姓名要来得更加清楚。这其实就是运用了全局凸显自己的办法。我们再很多时候讲一个概念或者一件事的时候往往就只是就着它本身去讲,这就会导致别人听得云里雾里。一旦关键的概念没有搞清楚,你后续所有的讲话内容都可能白瞎,因为听众可能根本就跟不上。


所以要讲清楚自己就要讲全局,在全局中通过自己的作用/定位等方法来更加清楚阐述。那至于全局全到什么份上,这个可以参考这样一个方法:全局的内容是大家都有一定认知度的。


举个例子:比如我们要去给整个蚂蚁的人介绍全球资金平台,那你必须得先讲国际的主要业务是干嘛的。


上天入地要搭配


这个是有一点点抽象,举个晋升问答的例子:面试官问一个问题,你有没有想过这个平台未来该如何发展?遇到这类问题很多人都会上当,有以下几种情况:


1、就着平台本身的目标侃侃而谈。比如我们平台的规划是要做 XX 能力,0 故障等巴拉巴拉一堆。这典型就是违背了全局中找定位的原则,很显然你都不回到业务上去如何能够证明你讲的未来规划是有逻辑的?


2、先回答业务上的目标,然后再讲我们平台规划是要做 XX 能力,0 故障等。这个显然是好多了,但仍然还是非常飘。为什么呢,因为这都是概念层面的东西,概念是不能推导概念的,否则就是一堆正确的废话。


3、相对于第二种要更进一步,即讲完第二点的内容,在结合具体的案例来承接你的 XX 能力建设,0 故障等。这就是我提到的上天入地要搭配的技巧了。


具体上天入地要搭配的技巧可以提炼为一下两个方面:


1、即抽象的概念就是飘在天上的,关键要点就是入地三尺的,这就叫上天的抽象观点和入地的细节支撑的搭配。


2、同样反过来也是必须要满足这个原则,当我们面试官问到一个很细节的点,如果我们也只是地就事论事那也不行,我们解决了细节点这是入地三尺,后面必须得抽象拔高,形成更加通用的原则和方法论,这代表能够总结归纳看到类似问题,代表具备举一反三的能力。


以上两者就是上天入地的搭配,飘在天上的必须要抓到关键落在地底去,细到地底的必须要抽象拔高飘到天上去。


多维度多层次思考


前面讲的入地我相信一般都不成问题,只要从一线爬起来的入地都没啥问题。但要说到上天可能还真未必是每个人都能掌握的技能,其实这背后的本质到底是什么?本质就是如何结构化体系化地思考(哈哈,可能很多人认为这是 PUA)。但如何做到也有很多方法论,我这里就讲一个最简单的方法,那就是看多个维度讲多个层次。最常见的就是很多人发言时就说我讲三个点,人家这套路是对的,是给自己做提示我得讲得有体系化一点(当然最后是不是体系化未必,但至少这个方向是对的)。


多维度的含义就是你考虑一个问题看了哪几个方面,比如上面例子里面关于平台未来发展的问题,可以考虑的维度就很多,业务能力维度,系统稳定性维度,平台效能维度等等。这些考虑的维度其实大家可以去常做总结和反思,积累下来总有用处。


多层次的含义就是看问题是不是够深入,最简单的办法就是多问几个 WHY,持续问下去就够找到更加深层次的问题。


能定量就不定性


这个就比较容易理解,定性会让人觉得忽悠感很强或者不那么真实,而具体的数字会让人觉得更加可信。你试着想想,和业务方对话都能够讲出来几个业务数字,是不是瞬间感觉互相在一个篇上。要做到这一点除了讲之前,能够做足功夫外唯一的办法就是多去主动记住一些业务数字。有了感觉得到了红利,自然而然就会让你更有兴趣去记住这些。


往期回顾


谈谈技术能力

上篇:技术架构的设计方法

下篇:技术 Leader 的思考方式

相关文章
|
XML SQL JavaScript
SpringBoot+vue实现导入导出excel,使用hutool工具
在实际应用场景中,我们常常需要迁移应用到另一个环境中。「应用的导入导出」功能可以便捷实现应用的迁移与重塑,甚至可以选择不同菜单,数据模型,与审批流程,业务事件,选择性导入,更高效便捷完成应用的迁移。其次,在导入的应用中,选择所需导入的部分,可以全选,也可以选择部分导入。「部分导入」实现了模块迁移的效果,对于企业级应用迁移来说,不仅利用率高,适用性也极为普遍。有了「应用导入导出」功能,就可以轻松迁移各类应用。同时,在使用应用市场中的应用,与更新应用方面,都非常灵活易用。 下面来介绍,这个功能性是如何实现的。
2610 0
SpringBoot+vue实现导入导出excel,使用hutool工具
|
安全 OLAP 数据库
拒绝等待!阿里云瑶池数据库 x Qwen3,构建增强式RAG
阿里云瑶池 Dify on DMS + AnalyticDB 现已支持通义千问 Qwen3 全系列模型的私域部署,并提供独占模型服务,实现高效安全的 GraphRAG 业务应用及大模型应用开发解决方案。
|
缓存 Windows
文件剪切到一半取消了能找到吗?这样恢复文件试试
在日常电脑操作中,剪切文件时若因误操作或系统卡顿中途取消,可能导致文件“丢失”。本文详解剪切原理及不同场景下文件去向,并提供多种找回方法,包括检查原文件夹、搜索临时缓存、使用数据恢复工具等,助你避免误删风险,关键时刻挽回重要资料。
|
人工智能 算法 计算机视觉
Python 图像处理技巧
本文介绍了Python图像处理中需要掌握的15个基本技能,涵盖图像读取与保存、颜色空间转换、裁剪与调整大小、滤波与平滑、边缘检测、阈值处理、形态学操作、直方图处理、特征检测与描述、图像配准与特征匹配、轮廓检测与分析、图像分割、模板匹配、透视变换与仿射变换以及傅里叶变换等内容。通过OpenCV、Pillow和Matplotlib等库实现相关功能,为图像处理提供了全面的基础指导。
379 0
|
人工智能 中间件 程序员
大模型上下文协议 MCP 带来了哪些货币化机会
本文探讨了MCP(Model-Calling Protocol)的兴起及其对AI生态的影响。自2月中旬起,MCP热度显著提升,GitHub Star和搜索指数均呈现加速增长趋势。MCP通过标准化协议连接大模型与外部工具,解决了碎片化集成问题,推动AI应用货币化及生态繁荣。文章分析了MCP与Function Calling的区别,指出MCP更适用于跨平台、标准化场景,而Function Calling在特定实时任务中仍具优势。此外,MCP促进了 supply端(如云厂商、大模型、中间件服务商)和消费端(终端用户)的变革,尤其以Devin和Manus为代表,分别改变了程序员和普通用户的交互方式。
1462 37
大模型上下文协议 MCP 带来了哪些货币化机会
|
存储 自然语言处理 算法
“无”中生有:基于知识增强的RAG优化实践
本文作者基于自身在RAG技术领域长达半年的实践经验,分享了从初识RAG的潜力到面对实际应用挑战的心路历程,以及如何通过一系列优化措施逐步解决这些挑战的过程。
1663 20
“无”中生有:基于知识增强的RAG优化实践
|
机器学习/深度学习
RNN 和 Transformer 复杂度比较
RNN 和 Transformer 复杂度比较
637 0
|
存储 人工智能 API
瞭望塔丨AI 与云,融合创新
未来,云和 AI 结合一定会成为新的生产力。
|
弹性计算 运维 监控
EMR管控平台全面升级:智能化助力客户实现在离线混部和降本增效
本次介绍EMR开源大数据平台2.0的最新特性,基于微服务架构,提供更稳定高效的服务。平台升级主要体现在智能化和Serverless两个方面。智能化功能利用大语言模型提升运维效率,推出一键诊断和根因分析,缩短问题定位时间。全托管弹性伸缩根据业务动态自动调整资源,提高资源利用率。即将推出的EMR on ACS产品形态支持离在线业务混部,进一步优化资源使用,帮助用户实现降本增效。

热门文章

最新文章