问题的思考方式有时候比问题的结论更重要-关于”沟通”的问题
一、沟通在管理上的功能及如何克服沟通的障碍
1、 沟通的模式与目的
2、 什么是有效的沟通?
3、 单向和双向沟通
4、 沟通的障碍是什么?
5、 克服沟通障碍的技巧
6、 游戏和活动
二、 沟通的原则和技巧
1、 倾听的技巧
2、 问话的技巧
3、 表达的技巧、言语表达的要诀
4、 增加认同感的技巧
5、 同事、部属与上司的沟通技巧
6、 性格模式对沟通的影响
7、 信任是沟通的基础
8、 有效沟通的五种态度
9、有效利用肢体语言
三、高效沟通的基本步骤
1、 步骤一:事前准备
2、 步骤二:确认需求
3、 步骤三:阐述观点——介绍FAB原则
4、 步骤四:处理异议
5、 步骤五:达成协议
四、工作协调及冲突管理
1、 协调时的沟通要领 2、 培养良好的心态和素质 3、 冲突管理及技巧
商务智能的发展-未来的研究方向
一、 商务智能(BI),商业智慧(BI)的发展方向:
BI新走向之一:融合加强,演变成门户化
BI新走向之二:日趋“傻瓜”,体现人性化
BI新走向之三:移动BI将成为新战场
BI新走向之四:在云中部署BI,成为主流方向
BI新走向之五:SaaSBI日渐雄起,受中小企业青睐
BI新走向之六:可视化技术呈亮点,交互式分析助推BI
BI新走向之七:外部信息将整合到内部BI中,内外网信息并联互动
二、 智能的搜索引擎研究方向:
查询聚类(Query clustering)
查询意图识别(Query intent recognition)
查询推荐(Query suggestion)
查询改写(Query rewriting),具体包括:
查询同义变换(Query paraphrasing)
查询扩展(Query expansion)
查询缩略(Query reduction)
查询纠错(Query error correction)
学习排序(Learning to rank)
个性化搜索(Personalized search)
命名实体挖掘(Named entity mining)
本体知识库构建(Ontology construction)
三、 商务智能(BI),人工智能(AI)的研究方向:
1. 基于大规模机器学习的排序算法(Machine Learning to Rank)
排序算法是搜索技术的核心之一,基于机器学习排序算法将机器学习技术应用于排序问题。研究内容包括但不限于:
排序算法的分布式训练
排序算法的在线学习(online learning)
排序算法的在线预测速度提升
多目标优化的排序算法
2. 海量特征设计(large scale feature engineering)
特征设计在机器学习系统中扮演着至关重要的作用。但当面临海量数据时,往往特征数量也会是海量的,这时如何做好特征选择、特征组合等工作,与小规模时相比会复杂很多。研究内容包括但不限于:
海量特征自动选择
海量特征自动组合
3. 高效训练样本获取(Label Complexity Reduction)
机器学习算法要求大量的高质量的标注样本,然而标注样本耗时耗力,并且在样本到达一定量 后,对样本量的需求增幅远大于训练效果提升,如何高效地获取良好样本是一个挑战。海量互联网数据下的LTR的样本获取、多语言学习任务背景下标注样本的获 取、网页/网站/query等的分类或聚类所需样本等是高效样本获取方法的应用场景。本方向的问题包括但不限于:
通过主动学习(Active learning)加速标注流程
通过迁移学习/多任务学习(Transfer learning/multi-task learning) 利用其他领域的知识和标注样本来提升另一领域的学习效果
通过半监督学习(Semi-supervised learning),考虑如何利用少量的标注样本和大量的未标注样本进行分类和聚类,相关问题有半监督学习的算法改进、半监督学习的在线学习 (Online-learning)或者增量学习(incremental-learning)算法等
4. 规则系统与机器学习系统的整合 (Integration of rule-based system and learning-based system)
规则系统和学习系统一直是人工智能实现方法的两个分支,二者各有优劣。规则系统更擅长高频和训练数据稀疏部分,而学习系统的泛化能力更出色。如何结合两者的优势,规避各自的缺点,是我们希望探讨的地方。研究内容只要与两个系统的整合相关即可。
5.海量数据的主题模型(Topic-model on large scale data)
主题模型主要使用大规模的文档—词汇共现(co-occurrence) 矩阵,例如1亿*100万的矩阵来建模文档和词汇间的潜在联系。研究内容包括但不限于:
主题模型的建模改进
主题模型的在线学习(Online learning)或者增量学习(incremental learning)
主题模型训练过程的大规模并行优化
主题模型的应用
6.推荐系统(recommender system)
推荐系统有着广泛的应用,如搜索引擎和电子商务网站以各种方式使用着推荐系统。在百度的 应用即包括在搜索、知道、音乐、贴吧等用户产品内及产品间的推荐,也包括面向搜索请求推荐广告、面向广告商推荐关键词等。不同应用场景的应用目标和数据量 存在较大差异,对于推荐算法本身也存在不同要求。在本领域的研究包括但不限于:
推荐系统的设计
推荐算法的改进
推荐效果的评估
个性化推荐
7. 点击模型(Click Model)
百度拥有中国搜索引擎市场上最丰富的用户数据,点击模型将极大提升用户对搜索的需求满意度。研究内容包括但不限于:
用户行为数据清洗
用户行为分析和建模
用户行为用于评测
8.网页多分类学习
互联网中网页资源可以按照不同的维度划分成不同的类型,而且一个网页可能兼有多个维度的类型标记。该方向的主要目标就是:如何自动高效地为网页进行分类标记。研究内容包括但不限于:
网页分类的机器学习模型研究:二分类/多分类/多标记学习/无监督学习等
主题/资源/结构分类特征挖掘
模型的跨语言通用性研究
9.基于海量网页的结构化信息自动抽取研究
WEB结构化信息抽取就是将网页中的非结构化数据按照一定的需求抽取转换成结构化数据。研究内容包括但不限于:
结构化信息自动抽取方法改进
抽取规则生成表示优化
10.观点挖掘、情感分析(opinion mining and sentiment analysis)
观点挖掘、情感分析主要是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。研究内容包括但不限于:
情感分析的算法改进
情感分析在大规模数据(博客、微博、新闻评论、商品评论)中的应用
情感分析在推荐中的应用
11. 基于机器学习的反作弊研究(fraud detection based on machine learning)
基于机器学习的反作弊研究内容包括但不限于:
自动训练数据标注
作弊特征分析
在线实时作弊检测
离线批量数据评估
关于公司发展的思考方法
Strategy:
公司的发展方向是什么,有什么规划蓝图?
公司的应该怎么才能够达到这些目标?
公司怎么解决来自竞争对手的压力?
公司的客户的需求会变化么?
Structure:
公司的层级制度如何?
公司的团队的协作形式?
公司和团队的组织形式?
公司的沟通的方式和种类?
公司的是中央集权还是分散决策?
Systems:
公司的基本制度是什么?
公司的基本流程,特别是风险控制流程是什么?
Shared Values:
公司的核心价值观是什么?
公司的团队文化是什么?
公司建立的基本准则是什么?
Style:
公司的领导和管理过程中员工的参与度如何?
公司的领导和管理的效率如何?
公司的团队成员和员工趋向于合作的呢?还是趋向于竞争的呢?
公司是否存在根据业务运营需要成立团队而未成立的(提高组织的运营效率)?
公司是否存在名存实亡的团队组织(影响组织的运营效率)?
Staff:
公司的团队和组织有哪些职能角色和功能职位?
公司的团队和组织有哪些需要补充的职位?
公司的团队和组织的成员搭建是否具有梯队性?
Skills:
公司的团队和组织中最重要的技能是哪些?
公司的团队和组织中现有成员有能力完成任务的么?
公司的团队和组织中成员的技能能够被评估和衡量的么?
7S Matrix Questions:
对于员工的共同价值观,其是否同公司的组织结构,战略,和体系相对应。如果不是哪些组成部分需要调整?具体应该怎么调整?
对于公司的战略,结构和制度三者之间的关系——他们之间是怎么相互支撑的,如果出现矛盾的地方,需要明确进行哪些必要的调整?
对于公司的风格,共同价值观,员工,和技能,需要明确其四者对于公司的战略,结构和制度的支撑的部分,以及矛盾的部分。同时,其四者之间是相互支撑的关系么?如果出现矛盾的部分,需要明确需要进行哪些调整?
公司的以上关于风格,共同价值观,员工,和技能等软性的方面和战略,结构和制度等硬性方面的调整和统一是一个长期的动态调整过程,核心的目的是为了一个更好的运营效率!
Google Analytics基本异步跟踪代码运作原理
Google Analytics异步跟踪代码,以基本跟踪代码作为数据跟踪与传递的基础。在此基础之上,根据网站业务数据需求,您可以自定义设置跨域跟踪、添加直接流 量站点、添加搜索引擎设置、事件跟踪、虚拟跟踪等功能。异步基本跟踪代码,作为数据跟踪与传递的基础,肩负着向Google Analytics服务器传递网站访客访问数据的重大责任。
知其然,才能知其所以然。了解了GA的运作原理,才能对其更好的运用,否则心里会老是有一块茫然(在我心里,就是这样的)。到底Google Analytics基本异步跟踪代码,是如何运作的呢,如何将我们网站访客的数据呈现在各类报告中的呢?本文将对其运作原理做详细介绍。
原理说明
异步代码加载速度快、数据更准确的功劳都应归功于_gaq对象,它采用队列“先进先出”的数据结构,先按照先后顺序收集好各类命令及函数的API调用,以便ga.js加载完成后按照同样的顺序处理这些调用请求,即“谁先申请,先被收集,而后先被处理”。
Google Analytics API的调用
API调用时采用_gaq.push方法,将API调用申请推送到_gaq对象队列中被收集。而被推送收集的API调用包括:JavaScript命令数 组、函数。其中,命令数组由被调用的跟踪器对象方法名称、传送给跟踪器对象方法的参数组成,也就是我们设置的各类定制跟踪,包括事件跟踪、跨域跟踪、添加 搜索引擎等等。
图三:_gaq对象及API调用推送命令数组(申请API调用)
_gaq.push(['setAccount', 'UA-XXXXX-X']);
推送函数(申请API调用)
_gaq.push(function() {
var pageTracker = _gat._getTrackerByName('myTracker');
var link = document.getElementByIdx_x('my-link-id');
link.href = pageTracker._getLinkerUrl('http://example.com/');
});
_gaq跟踪器对象的创建
当页面中第一个命令数组以_gap.push方法,申请API调用时会执行以下流程:
首先,调用var _gaq = _gaq || [];,创建_gaq跟踪器对象(并通过_gaq.push(['setAccount', 'UA-XXXXX-X']);绑定到指定的GA网络载体ID),同时各类跟踪器对象方法处于可调用状态,包括事件跟踪、跨域跟踪等方法;
其次,推送新建的_gaq跟踪器对象方法,传递相应参数,提交API调用申请。
最后,其余跟踪方法的API调用申请都被推送收集到_gap对象时,会调用_gaq.push(['_trackPageview']);执行最后一次推送,并由此方法提交将全部API调用申请提交给ga.js处理。
Ga.js处理各类API调用
在各类API申请被收集的同时,以下代码会判断站点的网络协议(安全 HTTP 协议或标准 HTTP 协议),并调用访客缓存中的ga.js(若有)或从GA服务器下载ga.js。ga.js加载完成后,会立即处理所有API调用申请、更新/读取访客cookie数据。
(function() {
var ga = document.createElement_x('script'); ga.type = 'text/javascript'; ga.async = true;
ga.src = ('https:' == document.location.protocol ? 'https://ssl' : 'http://www') + '.google-analytics.com/ga.js';
var s = document.getElementsByTagName_r('script')[0]; s.parentNode.insertBefore(ga, s);
})();
Google Analytics数据传输日志
Ga.js将所有所得数据,包括访问者IP、网站域名、请求URI、页面名称、访客浏览器/操作系统信息、事件设置、自定义变量设置、访客ID、访问次 数、访问时间、流量来源等等,赋给对应的utm变量,并将所有utm参数值对作为__utm.gif图片调用参数,写入到GA服务器端__utm.gif 图片的调用日志中,向GA服务器发送数据。GA再对日志进行数据处理、分析,生成我们所看到的各类报告。
http://www.google-analytics.com/__utm.gif?utmwv=4&utmn=769876874&utmhn=example.com&utmcs=ISO-8859-1&utmsr=1280x1024&utmsc=32-bit&utmul=en-us&utmje=1&utmfl=9.0 r115&utmcn=1&utmdt=GATC012 setting variables&utmhid=2059107202&utmr=0&utmp=/auto/GATC012.html?utm_source=www.gatc012.org&utm_campaign=campaign+gatc012&utm_term=keywords+gatc012&utm_content=content+gatc012&utm_medium=medium+gatc012&utmac=UA-30138-1&utmcc=__utma=97315849.1774621898.1207701397.1207701397.1207701397.1;...
变量 | 说明 | 示例值 |
utmac | 帐户字符串。在所有请求中显示。 | utmac=UA-2202604-2 |
utmcc | Cookie 值。此请求参数将发送从网页中请求的所有 Cookie。 | utmcc=__utma=117243.1695285.22;+ __utmz=117945243.1202416366.21.10. utmcsr=b| utmccn=(referral)| utmcmd=referral| utmcct=%2Fissue;+ |
utmcn | 开始一个新的广告系列会话。utmcn 或 utmcr 存在于任何给定请求中。更改广告系列跟踪数据;但不启动新会话。 | utmcn=1 |
utmcr | 指示重复的广告系列访问。当对相同链接进行后续点击时,系统就会设置该变量。utmcn 或 utmcr 存在于任何给定请求中。 | utmcr=1 |
utmcs | 浏览器的语言编码。有些浏览器不设置此变量,在这种情况下该变量将设置为“-”。 | utmcs=ISO-8859-1 |
utmdt | 网页标题,是一个网址编码字符串。 | utmdt=analytics page test |
utme | 可扩展参数 | 值已编码,用于事件和自定义变量。 |
utmfl | Flash 版本 | utmfl=9.0 r48& |
utmhn | 主机名,是一个网址编码字符串。 | utmhn=x343.gmodules.com |
utmipc | 产品代码。这是给定产品的 SKU 代码。 | utmipc=989898ajssi |
utmipn | 产品名,是一个网址编码字符串。 | utmipn=tee shirt |
utmipr | 单价。在物品级别设置。值为数字且仅使用美国货币格式。 | utmipr=17100.32 |
utmiqt | 数量。 | utmiqt=4 |
utmiva | 某个物品的不同版本。例如:大、中、小、粉红色、白色、黑色、绿色。字符串为网址编码。 | utmiva=red; |
utmje | 指示浏览器是否启用了 Java 支持。1 表示启用。 | utmje=1 |
utmn | 为每个 GIF 请求生成的唯一 ID,用于防止 GIF 图片缓存。 | utmn=1142651215 |
utmp | 当前网页的网页请求。 | utmp=/testDirectory/myPage.html |
utmr | 引荐,完整的网址。 | utmr=http://www.example.com/aboutUs/index.php?var=selected |
utmsc | 屏幕颜色深度 | utmsc=24-bit |
utmsr | 屏幕分辨率 | utmsr=2400x1920& |
utmt | 指示请求的类型,包括:事件、交易、物品或自定义变量。如果 GIF 请求中不存在此值,则请求的类型为网页。 | utmt=event |
utmtci | 帐单邮寄地址所在城市 | utmtci=San Diego |
utmtco | 帐单邮寄地址所在国家/地区 | utmtco=United Kingdom |
utmtid | 订单 ID,为网址编码字符串。 | utmtid=a2343898 |
utmtrg | 帐单邮寄地址所在区域,为网址编码字符串。 | utmtrg=New Brunswick |
utmtsp | 运费,单位和价格的值。 | utmtsp=23.95 |
utmtst | 关联企业。通常用于电子商务中的实体商户。 | utmtst=google mtv store |
utmtto | 总计。单位和价格的值。 | utmtto=334.56 |
utmttx | 税款。单位和价格的值。 | utmttx=29.16 |
utmul | 浏览器语言。 | utmul=pt-br |
utmwv | 跟踪代码版本 | utmwv=1 |
以上就是Google Analytics基本异步跟踪代码的运作原理啦,可能有点复杂,有什么疑问就给我留言吧,一定知无不言。
业务分析师在敏捷项目中的作用
敏捷软件开发实践的文化中存在着一个断层,该断层同样体现在许多敏捷团队中。这个断层就是业务分析人员在敏捷项目中的角色——谁来担任这个角色?它 的作用 和价值是什么?它又是如何发生改变的?这种情况的潜台词(其实我曾至少听人说过一次)就是:“我们不需要什么见鬼的分析师!”。无需赘言,我当然认为这是 大错特错!在本文中,我证明如下观点:只要以正确的方式向业务看齐,业务分析师就可以帮助敏捷团队成功,而不是像大多数情况那样以开发团队为导向。
为什么要有业务分析师这个角色?
我的观点是:没有业务分析人员,就会发生真的断层。举例来说:
- 谁会注意最大的组织问题?
- 为了高效工作,用户(可怕的词汇——不过这是另外一个话题了)有自己的需求,而管理层(说到底,他们是为开发软件买单的“客户”)的要求可能与之冲突,谁去识别这种潜在的冲突?
- 假如现在有1500人以目前现有的方式工作,如果我们实施了新的软件之后,他们的工作模式会发生很大变化,谁来发现这样的事情?
- 当组织的工作流程因为新软件的实施而发生改变时,有些人要负责设计新的工作流程,以保证业务可以继续顺利运转,那么谁来帮助这些人?
- 与客户交互不当产生的潜在业务损失,谁来发现?
- 我可以继续举例,不过我想你应该有概念了。
在Agile 2008大会上,Alan Cooper做了一个很棒的演讲,他热情洋溢地提到:敏捷项目中需要包含互动设计的工作,要有人能够理解人的行为、而且可以确保相关的产品能够在现实世界中有效工作。
我的观点是:最理想、最有效的做法,是由业务分析师承担这个职责;而且我们应该一直这样做。我们接受培训,部分上也是处于这个目的:理解更广泛的业务需求,并向负责技术的团队以他们可以理解的方式解释这些需求。一直以来,业务分析师一直充当客户需求的守护神。
业务分析师可以帮助团队成功
我 坚信:对业务分析师角色的轻视,是如今众多敏捷团队的严重问题。在很多组织中,由于缺乏组织架构和管理层的支持,分析师的职能被削弱了,他们无法完全体现 自己的价值。业务分析师应被视为客户的代言人,并加入以业务为核心的解决方案提供团队,而不是技术的提供者。在面对问题时,业务分析师能够带来不同的视角 和理解,因此他们应该被授以足够的权力、信任和感谢,他们应向负责业务改进的人员和部门报告自己的工作,而不是去报告给信息技术团队。在这样的组织结构 中,业务分析师将会给予足够的权限,以提升业务价值为明确目标,推荐项目的变化向这个目标努力;而不仅仅只是作为技术团队的一部分,被看做“技术的跟屁虫 ”。
那系统分析师又该如何?
注意这里的区别:我们所说的是业务分析师,而不是系统分析师。“系统分析师”是干什么的?虽然在多数情况下,系统分析师的技能足以有效地完成业务分 析相关 的工作,我还是要区分开这两个角色,因为他们的角度不同——业务分析师的重点放在对业务需求的理解之上,并受其驱动;而系统分析师却常常从相反的角度考 虑,他们主要思考基于技术的解决方案,有时提出的方案甚至不利于真正解决业务问题(“Wow,我已经告诉你解决方案了!”)。系统分析师可以成为好的业务 分析师,但是他们一定要小心,必须压抑自己提出技术建议的冲动。
要业务分析师干什么?我们需要“客户”
业务分析师愿意花时间去接近 不同的“利益相关者”,也就是那些代表公司或组织、关心业务变更成功交付的人。业务分析师要理解多种不同维度的业务需求;与管理层讨论总体方向和目标;法 务部门一起工作,看看新的或是变更后的业务流程会产生哪些法务上的影响;跟后勤部门一起工作,识别办公空间或仓库布局的变化,理解流程变化对于物流、产品 直到发货过程的潜在影响;还要跟行政人员一起,搞清楚新的审核过程可能造成哪些潜在的瓶颈……以及诸如此类的事情。
分析调研进行到某个时间点时,我们会发现:要解决某个业务问题,就得在技术上想办法。此时,业务分析师的角色会有点变化,我们要加入到技术可行性的 讨论之 中,要决定是“构建vs购买”,或是决定内包还是外包。在这个阶段中,传统的业务分析师就会参与业务案例的制定,组织在实施敏捷时可以借助这些案例;至于 对项目的判断,要看它们能够为组织带来哪些业务上的好处。如果没有这个价值取向,为了管理敏捷待办事项列表而正在进行的优先级排定工作,可能就会缺乏对项 目愿景的全面理解,从而导致需求出现问题。
上述决策确定之后,而且组织也打算在技术上投入一定资金,此时业务分析师的角色就又变了,成为了需求的 看护者、用户故事的收集者和指导者。业务分析师也是在此时积极参与到敏捷项目中,并成为敏捷软件开发项目团队的重要成员,代表客户和最终用户,并与其他团 队成员协作,以达成明确的业务需求,使其受益于基于技术的解决方案。
业务分析师与项目团队一起工作,保证用户故事的正确实现。对于团队来说,他们是客户的代言人,推进用户故事的详细说 明。在面对更广泛的利益相关者群体时,他们充当项目的代言人,负责在正确的时间将客户正确的声音传达给项目团队。一般来说,这里的“客户”,在很多敏捷相 关的文化中都有提到,并不是一个单一的个人,而是表示很多“利益相关者”构成的群体。这群人构成多样,经常意见相左,互相角力,有时甚至彼此敌对。他们对 于业务需求和“完成”的定义经常充满分歧。
看完上面这段话,你是不是觉得我不相信“现场客户”的作用?绝 对不是!我120%地坚信:敏捷开发过程要想成功,我们必须有现场客户。我们所面对的挑战在于:有太多不同客户的声音,经常向团队发出彼此冲突的命令。在 整个项目中,业务分析师必须随时能够从这些“噪音”中过滤出有用的信号,并识别出那个时刻哪个客户适于作为代表。
那么业务分析师到底是干嘛的?
在 敏捷项目中,业务分析师也是用户故事的守护者。他们会引导发现过程,并促进团队之间的沟通,通过提出“如果……会怎么样?”之类调查性的问题帮助客户代 表;而这些问题来自于他们对项目发端因素的广泛调查, 对于利益相关者群体的印象,以及对于组织正式结构之下错综复杂的政治和人际关系的理解。他们还有能力接触出资方,争取机会访问真实的客户(这些人是真正为 系统提供的服务付钱的人),知道应该怎么做才能形成竞争优势,让客户满意,并最终让组织取得商业上的成功。
业 务分析师要广泛掌握调研和人际交往技能,掌握使用批判性思维和怀疑思考的能力,还要使用多种多样的建模技巧和其他工具,帮助客户代表发现构成系统的故事范 围。业务分析师还能帮助客户代表用清晰易懂的方式表达这些故事,从而让“完成”的含义一目了然,同时与测试人员和客户代表共同工作,帮人们看清用户故事必 须要具备的验收条件。
最好的业务分析师会参与故事各个方面的讨论,并积极加入到系统的交互设计过程中。他们深刻理解用户群体与系统交互的多种方式,知道不同需求之间的分歧,并可以平衡这些分歧,让系统在设计上满足不同利益相关者的要求。
敏 捷业务分析师也是设计师,他们对系统的理解远不仅仅是识别和记录需求文档这么简单。他们知道屏幕上的功能流程背后意味着什么,也能保证系统的流程符合人们 实际的工作流程。颜色和字体、屏幕的界面布局和响应时间,这些因素对系统使用者的工作效率会产生哪些影响,敏捷业务分析师都了如指掌。他们寻找一切机会创 建人们愿意使用的、真正实用的系统,并愿意引导开发人员构建符合人的直觉和自然使用习惯的用户界面。在理想状况下,用户界面会让人觉得似乎消失不见了,因 为它们非常易用,操作人员甚至感觉不到界面的存在。
传统的分析方法,希望在弄明白“怎么做”之前先搞清楚要“做什么”。可这不适用于敏捷项目。敏捷开发过程有一种与生俱来的工作方式,就是在一个高效的迭代开发周期之中,我们总是要通过“怎么做”的过程来知道“做什么”。
在处理系统与用户互动的界面工作时,系统的外观和感觉很重要,敏捷业务分析师能将这方面的工作清晰地展现出来,使其得到团队的重点关注。
敏捷业务分析师要确保真正的业务价值得到发掘和展现,他们要跟项目团队和客户代表一起找到这些价值,这可以使得所有人的工作都变得更加简单、高效,同时达成客户的满意度和“粘性”。我们的客户也就会一而再、再而三地跟我们反复做生意。
谁应扮演业务分析师的角色?
在 Scrum项目中,产品负责人或首席客户推广人员最适于充当敏捷业务分析师。因为他们有足够的权力,也能得到相应支持,足以代表客户。这些分析师要积极参 与管理产品待办事项列表,并识别产品功能的优先级。此外,还要构建与业务利益相关者的良好关系,同时理解技术实现的可行性;有了这些作为基础,业务分析师 就可以积极参与项目价值的交付过程。敏捷业务分析师必须要成为业务项目团队的积极成员,还得努力做出贡献;而不仅仅是试着产生一长串带有“应该”之类词汇 的句子;还要代表、放大、守护许许多多客户的声音,提出“你们有没有想过……”这样艰难的问题,从而保证我们交付的产品可以达成客户多样化、相互牵制的需 求;还要基于以往和眼下的用户故事,与整个项目团队一起讨论和互动,以理解并识别缺陷、流程和问题。
业务分析师角色对于项目的成功不可或缺
技术是为了满足人的需要而存在,而不是成为人的需要!
——Malcolm Watson, 墨尔本Pronto软件公司开发经理
业务分析师人群应该走上前台,成为敏捷协作团队的积极参与者,因为他们力图创建可以交付真正的价值和客户满意度的系统。主动承担“业务分析师”的角 色,将 问题拆分成各个组成部分,理解真正的潜在需要,然后成为项目团队的积极参与者;这样交付的解决方案,能够创建出真正的竞争优势,提升客户满意度!
谁是我指出的这些“业务分析师”?
国际业务分析师协会(IIBA)指出:业务分析师“要充当各个利益相关者之间的联系人,从而提炼、分析、构成、验证与业务流程、方针政策、信息系统的变更相关的需求”。
业务分析师要承担“万能沟通者”的角色,以清晰有力的方式理解并表述出不同利益相关者考虑问题的角度,协助业务人员发现模糊的潜在需求并使其逐渐清晰,从而识别出真正有附加值的需求。
网站运营推广方案
一、方案概述
1.1、市场分析
1.2、整体思路
二、确定目标
2.1、营销目标
2.2、推广目标
2.3、销售目标
三、群体定位
3.1、媒体群体
3.2、用户群体
3.3、口碑群体
四、工作安排
4.1、整体时间
4.2、工作进度表
五、建设网站
五、操作策略
5.1、网络营销策略
5.1.1 新闻营销
5.1.2 软文营销
5.1.3 事件营销
5.1.4 借力营销
5.1.5 博客营销(含微博)
5.1.6 数据库营销
5.1.7 搜索引擎营销(SEO+SEM)
5.2、网络推广策略
5.2.1 媒体推广
5.2.2 I M 推广
5.2.3 论坛推广
5.2.4 图片推广
5.2.5 视频推广
5.2.6 百度系列产品推广(百科+知道+文库+经验+贴吧+空间+视频=地图)
六、资源配置
6.1、人脉资源
6.2、媒体资源
6.3、人员配备
6.4、经费预算
七、监测管理
7.1、奖励机制
7.2、惩罚机制
7.3、报表制度
7.4、应急机制
——————————————————————————
一、方案概述
1.1、市场分析此处略去500个字……
方法:SWOT方法。内容:主要分析当地行业集群地和一般的营销渠道和方式等。
1.2、整体思路建立品牌(取品名),推广品牌(知名度),提升品牌(美誉度),提升基数(用户)。
以推广带动营销,以营销促进销售。
二、确定目标
2.1、营销目标通过一个季度的营销,让想买汽车和用车分享的人都到侠客行。
2.2、推广目标通过一个季度的推广,让侠客行成为行业知名品牌。
2.3、销售目标待定。
三、群体定位
3.1、媒体群体 网络综合门户,行业门户,综合社区,时尚社区,行业社区,其他。
3.2、用户群体 已经购买车的人,准备购买车的人,爱车一族,其他。
3.3、口碑群体 网络媒体,爱车一族,活动参与者,其他。
四、工作安排
4.1、整体时间 准备阶段:2011年9月20-30日
实施阶段:2011年10月、11月、12月。
五、建立网站
1、符合汽车行业,美观,大气,清爽,消费引导性强的网站;
2、会员系统,为数据库营销和口碑营销做基础;
3、订购系统,为线上购买可享受折扣做基础,以预付金的形式让冲动消费转化成真消费者;。
4、互动系统,以分享和问答为主要形式。
五、操作策略
5.1、网络营销策略5.1.1 新闻营销
新店开业,活动推出……
5.1.2 软文营销
产品,活动,开业……
5.1.3 事件营销
活动……
5.1.4 借力营销
借助节日,与其他品牌一起营销……
5.1.5 数据库营销
基于各种渠道来源的关注者,以及自建网站的会员数据……
5.1.6 搜索引擎营销(SEO+SEM)
利用SEM和SEO抢占互联网入口,以及聚集长尾的力量。
5.2、网络推广策略5.2.1 媒体推广
5.2.2 I M 推广
5.2.3 论坛推广
5.2.4 图片推广
5.2.5 视频推广
5.2.6 百度系列产品推广(百科+知道+文库+经验+贴吧+空间+视频=地图)
六、资源配置6.1、关系资源 部分线下活动、大宗采购等需要的各种人脉关系资源。
6.2、媒体资源 营销推广过程中涉及到的媒体资源。
6.3、人员配备 策划;文案;SEO专员;SEM专员;网站维护;网站美工;视频专员;汽车模特等。
6.4、经费预算 人员工资、公关费用、奖品费用、礼品费用,建站费用,场地费用,印刷费用,广告费用等。
七、监测管理指导原则:实行责任人制。
7.1、奖励机制主要是对工作人员按时完成工作、提出建设性建议、发现问题以及给予解决方案的奖励等。
7.2、惩罚机制主要是对工作人员没有按时按量完成工作的惩罚机制等。
7.3、报表制度编辑报表、SEO报表,SEM报表等等。
7.4、应急机制7.4.1、线上活动给服务器带来超负荷的应急机制;
7.4.2、配套的线下活动现场秩序维护的应急机制……
史上最著名的10个思想实验
思想实验是一种精神上的观念或假想,通常和谜语相似,是哲学家和科学家用以了解什么是大众思想的一种简单方法。他们的运用在如哲学和理论物理(理论物理无需做实验)等抽象领域是最为广泛的。他们像是为思想准备的一份大餐,最终给出复杂的答案。即使思想实验本身也会有无法理解的时候,这并不奇怪。下面是10个著名的思想实验,还有他们所要表达的哲学、科学和伦理意义。
10.电车难题(The Trolley Problem)
“电车难题”是伦理学领域最为知名的思想实验之一,其内容大致是:一个疯子把五个无辜的人绑在电车轨道上。一辆失控的电车朝他们驶来,并且片刻后就要碾压到他们。幸运的是,你可以拉一个拉杆,让电车开到另一条轨道上。但是还有一个问题,那个疯子在那另一条轨道上也绑了一个人。考虑以上状况,你应该拉拉杆吗?
解读:
电车难题最早是由哲学家Philippa Foot提出的,用来批判伦理哲学中的主要理论,特别是功利主义。功利主义提出的观点是,大部分道德决策都是根据“为最多的人提供最大的利益”的原则做出的。从一个功利主义者的观点来看,明显的选择应该是拉拉杆,拯救五个人只杀死一个人。但是功利主义的批判者认为,一旦拉了拉杆,你就成为一个不道德行为的同谋——你要为另一条轨道上单独的一个人的死负部分责任。然而,其他人认为,你身处这种状况下就要求你要有所作为,你的不作为将会是同等的不道德。总之,不存在完全的道德行为,这就是重点所在。许多哲学家都用电车难题作为例子来表示现实生活中的状况经常强迫一个人违背他自己的道德准则,并且还存在着没有完全道德做法的情况。
9.空地上的奶牛(The Cow in the field)
认知论领域的一个最重要的思想实验就是“空地上的奶牛”。它描述的是,一个农民担心自己的获奖的奶牛走丢了。这时送奶工到了农场,他告诉农民不要担心,因为他看到那头奶牛在附件的一块空地上。虽然农民很相信送奶工,但他还是亲自看了看,他看到了熟悉的黑白相间的形状并感到很满意。过了一会,送奶工到那块空地上再次确认。那头奶牛确实在那,但它躲在树林里,而且空地上还有一大张黑白相间的纸缠在树上,很明显,农民把这张纸错当成自己的奶牛了。问题是出现了,虽然奶牛一直都在空地上,但农民说自己知道奶牛在空地上时是否正确?
解读:
空地上的奶牛最初是被 Edmund Gettier用来批判主流上作为知识的定义的JTB(justified true belief)理论,即当人们相信一件事时,它就成为了知识;这件事在事实上是真的,并且人们有可以验证的理由相信它。在这个实验中,农民相信奶牛在空地上,且被送奶工的证词和他自己对于空地上的黑白相间物的观察所证实。而且经过送奶工后来的证实,这件事也是真实的。尽管如此,农民并没有真正的知道奶牛在那儿,因为他认为奶牛在那儿的推导是建立在错误的前提上的。Gettier利用这个实验和其他一些例子,解释了将知识定义为JTB的理论需要修正。
8.定时炸弹(The Ticking Time Bomb)
如果你关注近几年的政治时事,或者看过动作电影,那么你对于“定时炸弹”思想实验肯定很熟悉。它要求你想象一个炸弹或其他大规模杀伤性武器藏在你的城市中,并且爆炸的倒计时马上就到零了。在羁押中有一个知情者,他知道炸弹的埋藏点。你是否会使用酷刑来获取情报?
解读:
与电车难题类似,定时炸弹情景也是强迫一个人从两个不道德行径中选择的伦理问题。它一般被用作对那些说在任何情况下都不能使用酷刑的反驳。它也被用作在极端形势下法律——就像美国的严禁虐囚的法律——可以被放在第二位的例子。归功于像《24小时》的电视节目和各种政治辩论,定时炸弹情景已成为最常引用的思想实验之一。今年早些时候,一份英国报纸提出了更为极端的看法。这份报纸提议说,如果那个恐怖分子对酷刑毫无反应,那么当局者是否愿意拷打他的妻子儿女来获取情报。
7.爱因斯坦的光线(Einstein’s Light Beam)
爱因斯坦著名的狭义相对论是受启于他16岁做的思想实验。在他的自传中,爱因斯坦回忆道他当时幻想在宇宙中追寻一道光线。他推理说,如果他能够以光速在光线旁边运动,那么他应该能够看到光线成为“在空间上不断振荡但停滞不前的电磁场”。对于爱因斯坦,这个思想实验证明了对于这个虚拟的观察者,所有的物理定律应该和一个相对于地球静止的观察者观察到的一样。
解读:
事实上,没人确切知道这意味着什么。科学家一直都在争论一个如此简单的思想实验是如此帮助爱因斯坦完成到狭义相对论这如此巨大的飞跃的。在当时,这个实验中的想法与现在已被抛弃的“以太”理论相违背。但他经过了好多年才证明了自己是正确的。
6.特修斯之船(The Ship of Theseus)
最为古老的思想实验之一。最早出自普鲁塔克的记载。它描述的是一艘可以在海上航行几百年的船,归功于不间断的维修和替换部件。只要一块木板腐烂了,它就会被替换掉,以此类推,直到所有的功能部件都不是最开始的那些了。问题是,最终产生的这艘船是否还是原来的那艘特修斯之船,还是一艘完全不同的船?如果不是原来的船,那么在什么时候它不再是原来的船了?哲学家Thomas Hobbes后来对此进来了延伸,如果用特修斯之船上取下来的老部件来重新建造一艘新的船,那么两艘船中哪艘才是真正的特修斯之船?
解读:
对于哲学家,特修斯之船被用来研究身份的本质。特别是讨论一个物体是否仅仅等于其组成部件之和。一个更现代的例子就是一个不断发展的乐队,直到某一阶段乐队成员中没有任何一个原始成员。这个问题可以应用于各个领域。对于企业,在不断并购和更换东家后仍然保持原来的名字。对于人体,人体不间断的进行着新陈代谢和自我修复。这个实验的核心思想在于强迫人们去反思身份仅仅局限在实际物体和现象中这一常识。
5.伽利略的重力实验(Galileo’s Gravity Experiment)
为了反驳亚里士多德的自由落体速度取决于物体的质量的理论,伽利略构造了一个简单的思想实验。根据亚里士多德的说法,如果一个轻的物体和一个重的物体绑在一起然后从塔上丢下来,那么重的物体下落的速度快,两个物体之间的绳子会被拉直。这时轻的物体对重物会产生一个阻力,使得下落速度变慢。但是,从另一方面来看,两个物体绑在一起以后的质量应该比任意一个单独的物体都大,那么整个系统下落的速度应该最快。这个矛盾证明了亚里士多德的理论是错误的。
解读:
这个思想实验帮助证明了一个很重要的理论:无论物体的质量,不考虑阻力的情况下,所有物体自由落体的速率都是一样的。
4.猴子和打字机(Monkeys and Typewriters)
另一个在流行文化中占了很大分量的思想实验是“无限猴子定理”,也叫做“猴子和打字机”实验。定理的内容是,如果无数多的猴子在无数多的打字机上随机打字,并持续无限久的时间,那么在某个时候,它们必然会打出莎士比亚的全部著作。猴子和打字机的设想在20世纪初被法国数学家Emile Borel推广,但其基本思想(无数多的人员和无数多的时间能产生任何/所有东西)可以追溯至亚里士多德。
解读:
简单来说,“猴子和打字机”定理是用来描述无限的本质的最好方法之一。人的大脑很难想象无限的空间和无限的时间,无限猴子定理可以帮助理解这些概念可以达到的宽度。猴子能碰巧写出《哈姆雷特》这看上去似乎是违反直觉,但实际上在数学上是可以证明的。这个定理本身在现实生活中是不可能重现的,但这并没有阻止某些人的尝试:2003年,一家英国动物园的科学家们“试验”了无限猴子定理,他们把一台电脑和一个键盘放进灵长类园区。可惜的是,猴子们并没有打出什么十四行诗。根据研究者,它们只打出了5页几乎完全是字母“s”的纸。
3.中文房间(The Chinese Room)
“中文房间”最早由美国哲学家John Searle于20世纪80年代初提出。这个实验要求你想象一位只说英语的人身处一个房间之中,这间房间除了门上有一个小窗口以外,全部都是封闭的。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。根据Searle的理论,房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文,Searle认为通过这个过程,房间里的人可以让任何房间外的人以为他会说流利的中文。
解读:
Searle 创造了“中文房间”思想实验来反驳电脑和其他人工智能能够真正思考的观点。房间里的人不会说中文;他不能够用中文思考。但因为他拥有某些特定的工具,他甚至可以让以中文为母语的人以为他能流利的说中文。根据Searle,电脑就是这样工作的。它们无法真正的理解接收到的信息,但它们可以运行一个程序,处理信息,然后给出一个智能的印象。
2.薛定锷的猫(Schrodinger’s Cat)
薛定锷的猫最早由物理学家薛定锷提出,是量子力学领域中的一个悖论。其内容是:一只猫、一些放射性元素和一瓶毒气一起被封闭在一个盒子里一个小时。在一个小时内,放射性元素衰变的几率为50%。如果衰变,那么一个连接在盖革计数器上的锤子就会被触发,并打碎瓶子,释放毒气,杀死猫。因为这件事会否发生的概率相等,薛定锷认为在盒子被打开前,盒子中的猫被认为是既死又活的。
解读:
简而言之,这个实验的核心思想是因为事件发生时不存在观察者,盒子里的猫同时存在在其所有可能的状态中(既死又活)。薛定锷最早提出这个实验是在回复一篇讨论量子态叠加的文章时。薛定锷的猫同时也说明了量子力学的理论是多么令人无法理解。这个思想实验因其复杂性而臭名昭著,同时也启发了各种各样的解释。其中最奇异的就属 “多重世界”假说,这个假说表示有一只死猫和一只活猫,两只猫存在在不同的宇宙之中,并且永远不会有交集。
1.缸中的大脑(Brain in a Vat)
没有比所谓的“缸中的大脑”假说更有影响力的思想实验了。这个思想实验涵盖了从认知学到哲学到流行文化等各个领域。这个实验的内容是:想象有一个疯狂科学家把你的大脑从你的体内取出,放在某种生命维持液体中。大脑上插着电极,电极连到一台能产生图像和感官信号的电脑上。因为你获取的所有关于这个世界的信息都是通过你的大脑来处理的,这台电脑就有能力模拟你的日常体验。如果这确实可能的话,你要如何来证明你周围的世界是真实的,而不是由一台电脑产生的某种模拟环境?
解读:
如果你觉得这听起来很像《黑客帝国》,那么你说对了。这部电影以及其他一些科幻作品,都是在这个思想实验的影响下创作出来的。这个实验的核心思想是让人们质疑自身经历的本质,并思考作为一个人的真正意义是什么。这个实验的最初原型可以一直追溯至笛卡尔。在他的《Meditations on the First Philosophy》一书中,笛卡尔提出了能否证明他所有的感官体验都是他自己的,而不是由某个“邪恶的魔鬼”产生的这样的疑问。笛卡尔用他的经典名言 “我思故我在”来回答这个问题。不幸的是,“缸中的大脑”实验更为复杂,因为连接着电极的大脑仍然可以思考。这个实验被广泛的讨论着,有许多对于此实验前提的反驳,但仍没有人能有力的回应其核心问题:你究竟如何才能知道什么是真实?
5W2H分析法
5W2H分析法
5W2H分析法又叫七何分析法,是二战中美国陆军兵器修理部首创,简单、方便,易于理解、使用,富有启发意义,广泛用于企业管理和技术活动,对于决策和执行性的活动措施也非常有帮助,也有助于弥补考虑问题的疏漏。
5W2H分析法简介
5W2H法是第二世界大战中美国陆军兵器修理部首创。简单、方便,易于理解、使用,富有启发意义,广泛用于企业管理和技术活动,对于决策和执行性的活动措施也非常有帮助,也有助于弥补考虑问题的疏漏。
(1) WHY——为什么?为什么要这么做?理由何在?原因是什么?
(2) WHAT——是什么?目的是什么?做什么工作?
(3) WHERE——何处?在哪里做?从哪里入手?
(4) WHEN——何时?什么时间完成?什么时机最适宜?
(5) WHO——谁?由谁来承担?谁来完成?谁负责?
(6) HOW——怎么做?如何提高效率?如何实施?方法怎样?
(7) HOW MUCH——多少?做到什么程度?数量如何?质量水平如何?费用产出如何?
发明者用五个以W开头的英语单词和两个以H开头的英语单词进行设问,发现解决问题的线索,寻找发明思路,进行设计构思,从而搞出新的发明项目,这就叫做5W2H法。
提出疑问于发现问题和解决问题是极其重要的。创造力高的人,都具有善于提问题的能力,众所周知,提出一个好的问题,就意味着问题解决了 一半。提问题的技巧高,可以发挥人的想象力。相反,有些问题提出来,反而挫伤我们的想象力。发明者在设计新产品时,常常提出:为什么(Why);做什么 (What);何人做(Who);何时(When);何地(Where);如何(How);多少(How much)。这就构成了5W2H法的总框架。如果提问题中常有“假如……”、“如果……”、“是否……”这样的虚构,就是一种设问,设问需要更高的想象 力。
在发明设计中,对问题不敏感,看不出毛病是与平时不善于提问有密切关系的。对一个问题追根刨底,有可能发现新的知识和新的疑问。所以从根本上说,学会发明首 先要学会提问,善于提问。阻碍提问的因素,一是怕提问多,被别人看成什么也不懂的傻瓜,二是随着年龄和知识的增长,提问欲望渐渐淡薄。如果提问得不到答复 和鼓励,反而遭人讥讽,结果在人的潜意识中就形成了这种看法:好提问、好挑毛病的人是扰乱别人的讨厌鬼,最好紧闭嘴唇,不看、不闻、不问,但是这恰恰阻碍 了人的创造性的发挥。
(1)为什么(Why)?
为什么采用这个技术参数?为什么不能有响声?为什么停用?为什么变成红色:为什么要做成这个形状?为什么采用机器代替人力?为什么产品的制造要经过这么多环节?为什么非做不可?
(2)做什么(What)?
条件是什么?哪一部分工作要做?目的是什么?重点是什么?与什么有关系?功能是什么?规范是什么?工作对象是什么?
(3)谁(Who)?
谁来办最方便?谁会生产?谁可以办?谁是顾客?谁被忽略了?谁是决策人?谁会受益?
(4)何时(When)?
何时要完成?何时安装?何时销售?何时是最佳营业时间?何时工作人员容易疲劳?何时产量最高?何时完成最为时宜?需要几天才算合理?
(5)何地(Where)?
何地最适宜某物生长?何处生产最经济?从何处买?还有什么地方可以作销售点?安装在什么地方最合适?何地有资源?
(6)怎样(How to)?
怎样做省力?怎样做最快?怎样做效率最高?怎样改进?怎样得到?怎样避免失败?怎样求发展?怎样增加销路?怎样达到效率?怎样才能使产品更加美观大方?怎样使产品用起来方便?
(7)多少(How much)?
功能指标达到多少?销售多少?成本多少?输出功率多少?效率多高?尺寸多少?重量多少?
如果现行的做法或产品经过七个问题的审核已无懈可击,便可认为这一做法或产品可取。如果七个问题中有一个答复不能令人满意,则表示这方面有改进余地。如果哪方面的答复有独创的优点,则可以扩大产品这方面的效用。
克服原产品的缺点,扩大原产品独特优点的效用。