共计 5953 个字符，预计需要花费 15 分钟才能阅读完成。
简介：技术 Leader 是一个对综合素质要求十分高的岗位，不仅要有解具体技术问题的架构能力，还要具备团队治理的能力，更须要引领方向率领团队 / 平台穿梭迷茫进阶到下一个境界的能力。所以通常来说技术 Leader 的技能是虚实联合的居多，繁冗的工作偏多。为此我把本人在工作中常常用到的思考技巧也做了一个整顿，算是对《对于技术能力的思考和总结》中提及第三阶段的补充。
image.png
作者 | 朱春茂（知明）
起源 | 阿里开发者公众号
技术 Leader 是一个对综合素质要求十分高的岗位，不仅要有解具体技术问题的架构能力，还要具备团队治理的能力，更须要引领方向率领团队 / 平台穿梭迷茫进阶到下一个境界的能力。所以通常来说技术 Leader 的技能是虚实联合的居多，繁冗的工作偏多。为此我把本人在工作中常常用到的思考技巧也做了一个整顿，算是对《对于技术能力的思考和总结》中提及第三阶段的补充。
image.png
技术罕用思考办法
向前思考，向后倒推
这个思考办法的含意是：
在思考一个命题时能够采取将来视角，先对将来倒退做个预判，而后基于你的判断倒推当初应该要做什么，最初制订出要害里程碑和节奏。
这个思考模型常常用在技术布局这个场景上，但很遗憾很多团队的技术布局都只是基于以后问题，有多少资源，而后采取不自量力的办法在对事项优先级进行排序。这其实不是真正的布局，最多算是打算（如果做得不好，打算都算不上，只能算是列表整顿）。
这个思考模型有几个要害的误区：
不敢向前思考，放心本人的对将来的判断不对。
我置信很多 Leader 都有这样的恐怖，会不会因为本人思考力不够判断失误导致团队拿不到后果。有这样的放心能够了解然而对事项推动无意义，因为：
1、对上你的信息更粗疏，对下你的信息更全面，如果你都不能对将来做出好的判断，他人如何可能代替你做出判断。所以要有自信。
2、只有你的判断正当有逻辑，可能与大家达成共识，那至多阐明这个判断不会太差，也是当下比拟好的思考了，未必要谋求相对的正确，况且是不是真的正确只有变成了历史才晓得（有时候往往历史也答复不了这个问题）。
3、团队未必是永远要做最有把握、最正确的事，团队力出一孔比谋求哲学上的正确更重要。
所以须要 Leader 信息充沛替换分享，有信念地对将来做出正当的判断，并与相干角色达成共识。
只有向前思考，没有向后倒推。
也见过只有向前思考但没有一点向后倒推的技术布局，这种就是典型的飘在天上，形而上的概念一堆。但实际上这个思考模型的精华就是在向后推的联合：
1、向前某种意义上是在答复 to be（要做成什么样子）的问题，但向后推其实是在答复 have（以后有什么）以及 have to do（必须做什么）的问题。
2、to be 是在激发大家的设想，让大家去共识心中的现实，这是可能激发团队的。
3、have 以及 have to do 其实是在找与 to be 之间的 GAP，寻找 GAP 就是进一步去找到解法，这是进一步的落地。
4、这两者联合起来才是既可能理想主义找到将来，也可能求实地超前提高。我认为这就是对 俯视天空，好高鹜远 的诠释。
指标与门路
这个思考办法的含意是：
在思考一个命题要关注什么是指标，什么是门路以及指标与门路的关系。来到门路的指标是空谈，来到指标的门路是瞎干，所以指标与门路是一体两面的，来到任何一个不谈其实都不成立。
同样地在技术布局这个场合，大家能够认真去看看，很多布局都是只有指标的（这点其实曾经做得蛮好了，因为大家的意识曾经沉睡，没有指标不往下谈，所以不论指标设立好与坏但至多都是有的），但很少有布局是把门路讲清楚。
尽管这个思考模型见闻知义很好了解，但同样地这个思考模型也有一些误区：
指标肯定是要用来实现的
Leader 都是要背负绩效压力的，所以人造就会有一个误区认为每一个指标都必须精打细算去实现。但一个低价值的 100% 实现的指标 与 一个高价值的 90% 实现的指标，未必肯定是 100% 实现就能拿高绩效，要害还是要看对组织的价值奉献。
所以 Leader 还是要辩证看这个问题，在设定指标时指标要具备很强的牵引性才行，是让须要团队去跳一跳的才可能达成的，让团队有斗志；本人在实现指标时也要带着团队致力往前冲，朝着高指标去想一切办法拿后果，但也要随时察看团队状态，不能为了达成指标不择手段或者把团队干废了。
门路执行时被惯性带着走
在细化指标的执行门路时，咱们个别都会失去比拟粗疏的 ACTION，甚至会有专人来治理和跟踪这些 ACTION。但比拟容易呈现的偏差就在于，咱们做着做着就把初心忘了，把指标置于脑后了。典型的就是死命依照既定的路线走，没有从新基于过后的状况再回头看指标，去找是否还有更优的门路抉择。所以时刻要反思什么是目标，什么是伎俩，不能把伎俩当成目标一味地执行。
端到端思考
这个思考办法的含意是：
在思考一个命题要尽可能关注到全链路，而不是铁路警察各管一段。
这个应用的场景是在于线上的问题治理和优化，尤其是客户体验问题或者是效力晋升的课题上。这个思考模式也是非常简单，然而同样误区也蛮多：
端到端从哪儿到哪儿没搞清楚
想到端到端去思考和解决问题是十分好的，而且大家脑补就能了解大抵想干什么事件。但这个思考模式最大的误区就在于它只是存在于大家的脑子外面，而不是白纸黑字写下来。最典型的场景就是 B 提出端到端思考解决了本人域的问题，但 A 未加认真分别，一听到端到端就想当然认为 B 也解决了 A 的问题。但实际上发现基本不是一码事，A 就开始吐槽 B 承诺没做到，B 就吐槽 A 瞎胡说。
要破解这个误区其实也蛮简略，就是把全流程画进去，大家先基于客观事实把流程达成统一，而后再在这个流程上圈定端到端是具体哪一段到哪一段。
成果没有说分明假设条件
端到端一方面是把问题看全，另外一方面最重要的就是整体交付价值。这个端到端整体交付价值也有一个十分大的误区就是，对于假设条件没有说分明。以端到端提效为例，那么提效就应该要讲清楚是基于什么业务范围做的端到端提效，以及可能达到什么提效成果。比拟好的方法就是，以表格的模式把条件列分明，而后对外给予端到端提效的明确效力论断。提效这个事其实没有止境，只有做不到 0 投入那就肯定要给予效力的确定性、相比较而言大家最怕的是效力不确定打乱原有的生产打算，而不是非要死扣几个人日的效力晋升。
闭环思考
这个思考办法的含意是：
这其实是一个很形象的逻辑思考办法，思考一个命题要从初心登程再回到初心，免得呈现重大偏差。这个模式了解起来也不简单，但也有一些误区：
形而上的假闭环
这其实是很多 Leader 非常容易走入的误区，没有理论开展命题的多个环节去做剖析和探讨，把这种要求一味传递给团队要求做闭环的思考，即只有治理要求但不足技术领导力的洞察。一般来说，解一个技术命题从开始孕育到落地有如下几步：
–>1) 发觉 / 认知（感知到现有平台 / 零碎的问题，感觉须要做架构调优降级）
–>2) 概念 / 原理（开掘到问题背地的实质，从业务原理 / 技术原理等底层登程抽取概念和实质）
–>3) 了解 / 共识（对问题实质做宣讲，达成上下左右的了解与共识）
–>4) 指标 / 门路（提出指标，拆解进去可施行的门路）
–>5) 表格 / 指标（提出掂量的指标和具体的 ACTION，最好的就是表格来跟进）
–>6) 小胜即庆（对于阶段性指标的达成进行庆贺，当然这也是咬合业务价值的关键点）
–>7) 继续跟进（小胜即庆还不能放松警觉，还须要继续推动到下一个工作）
–>8) 灵活应变（依据理论状况调整优先级，同样是咬合业务价值而不是猛攻之前的工作表格）
–>9) 指标实现（实现规范不是新平台 / 零碎能力建设实现，而是实现模型对立，流量迁徙实现，老代码下线等）
–>10) 下一个发觉 (开启下一个平台 / 零碎的架构调优降级周期）
很多时候咱们并没有真正的在闭环思考和跟进问题，如漏掉某些节点，或某些节点退出过早：
1、比方很多平台建设在第 4)步做完就放任自流产生了，不足表格的跟踪机制，最初成果就是拖拖拉拉、磨磨唧唧拿不到后果。
2、比方很多平台建设小胜即庆做完就交接给其他人了，继续跟进呈现重大问题，会导致不能灵便调整进而呈现重大的建设阻碍。
短少进阶的下一环
闭环思维某种意义上应该说环环相扣的螺旋式回升的过程，这样才是可能一直驱动开启下一轮的进化。但很多 Leader 并没有很好意识到这个问题。以上述的闭环 10 个步骤为例，Leader 应该是在小胜即庆时就开始思考下一个发觉，在抛物线的顶点之前开始下一轮的思考持续才可能确保下一个闭环可能及时开启，进入螺旋式的优化过程中。
指标量化思考
这个思考办法的含意是：
没有量化就谈不上优化，所以在定义和推动解决一个命题时，要尽可能地把遇到的问题用数据指标的形式进行量化思考。同样的这个思考模式也有一些误区：
量化的维度缺失导致短少客观性
量化的实质其实是逼迫 Leader 更全面，更主观地了解问题。但要是更加主观地通过数据呈现一个问题，也还是须要一些技巧，否则就会陷入心中已有答案，只是通过数据去做证实的窘境。尤其是大团队越是要留神这个问题，通常来说组织这个群体是有本人的偏好，也是有能源和志愿去促成组织所偏好的事件。比方做技术的就偏向于偏好疏导往架构优化下来，做业务的就会偏向于疏导往实现 KPI 下来，但事实上更主观的应该是如何高效满足客户价值。
如何冲破这个误区，我失去的教训思考就是出现的数据维度与主观世界的匹配度，越高的就越主观，越主观才越有利于解决问题。只有通过数据量化进去这个问题才有可能找到可能的解法，才有后续计划抉择时的取舍，不能轻重倒置为因为选定了计划而后通过数据去论证取舍的合理性。
量化的数据断层解读后的欺骗性
数据主观反映只是第一步，如何解读才是决定了数据的利用价值。不怕没看到假相，只怕看到假相的一部分，不失当的解读办法就会让咱们看到正相的局部从而得出谬误的论断。比方把本人和首富的财产的均匀下，给人的感觉就是全民支出都大涨。
常见的数据解读办法如下：
1、高值 VS 低值 VS 平均值 VS 分位数：能够看进去数据的理论散布状况。
2、同比环比：能够看到各个维度的下数据的发展趋势。
3、全局 VS 部分：当全局性指标看完当前，肯定要留神去搭配着 依照多个维度的部分数据。比方看完全国的人均收入 还要 看各个省份的数据，甚至还要细分到各个行业去看数据。
4、部分数据的横向比拟：能够比照做些归类剖析。
数据指标量化其实能够用在任何一个场景，但很多人的触发机制不是很敏感，经常遗记这个思考模型。导致很多事件实际上是在靠感觉，靠感觉的货色不短暂，有时候对有时候错。越是比拟形象比拟虚比拟容易讲感觉的恰好就是练习的好时机，当你下次感觉到团队状态不对时，你能够尝试下如何用数据指标化的办法去做个思考，看可能量化进去哪些维度的数据。
故事与形象思考
这个思考办法的含意是：
技术 Leader 在给大家解说本人的思考时，要留神通过故事的形象思考，尽可能将问题讲得透，让大家都可能懂。这一点是很多技术人都不是特地器重的中央，他们往往这样想：
技术人虚浮会干比伶牙俐齿重要得多，前者才是真正的硬核技能。
这反映了很多技术人的潜意识想法，尤其是做底层的同学。但咱们是遗记人类合作的实质就是基于独特设想，如果咱们都不能把本人要做的事讲清楚，如何激发大家一起干事件。作为技术 Leader 肯定要摒弃这种想法，技术能力和良好的沟通能力两手都要硬。
业余的原本就有门槛，为啥要浪费时间和精力去讲给不懂的人听。
持有这样观点的人也不少，认为业余就应该有肯定的神秘感，给人一种不明觉厉的感觉。但实际上真正的业余就是大道至简，用大白话去给他人解释分明简单的事件。那种不可能大白话讲清楚的多半本人还是半灌水，还不是真正的业余。
而要克服这些问题最好的办法就是讲故事打比方这种形象化的思考模型，其实 PPT 就是用图片这种形象化去表白简单的思考逻辑。至于如何讲好故事我感觉想想西游记就好了：
1、确定初心和指标、以及意义。西游记就是要取经普渡天下众生。
2、一路上困难重重，但总能不忘初心克服困难。不论是师徒四人的矛盾，还是降妖除魔都是一直遇到和克服的艰难。
3、拜会佛祖获得真经，流传众生。历经劫难获得真经，而后回到东土大唐给天下人讲经。
技术 Leader 在领导团队建设平台 / 零碎时候，也能够用这样的故事讲法去激励大家。当然要讲好故事不只有这样一个构造，但实质初心是想技术 Leader 可能退出形象化思维，通过比如，通过故事让大家深刻理解你要做的事，这样才可能更好让大家朝着指标协同。
乘数效应
这个思考办法的含意是：
技术 Leader 在思考一个技术命题时，要充分考虑这件事的影响力，比方有些决定做上来可能是影响 10 集体，有些决定做上来可能是会间接影响 100 人，这种乘数效应必须是技术 Leader 要慎重考虑的，越大的 Leader 越要留神。
乘数效应能够说是双刃剑，好的乘数效应可能让大团队享受到红利，但差的事件也会让所有人都受到波及。因而有如下实际：
自上而下的决策要慎审，充分考虑乘数效应
作为团队 Leader 尤其是二线 TL，在做一些决策时务必要思考乘数效应带来的威力（有时候二线 Leader 和一线 Leader 的差别就是在治理这个乘数效应），常常有如下两个误区：
1、执行的难度未充沛预计，被乘数效应放大。很多决策看起来都挺对也很有价值，但出发点可能是基于治理须要而不是一线同学工作的必须。这带来的问题就是迟迟无奈落地，变成上有政策下有对策。
2、执行后果未 CHECK，理论齐全走偏。如果 Leader 太自信，未有上述闭环思考的办法去跟进具备乘数效应的事项，到最初就会呈现进退维谷的地步。因为大部分都走偏持续朝前也不可能，但又因为有太多的沉没老本舍不得放弃。
被动治理自下而上的乘数效应
为了组织蓬勃发展，咱们必定是激励一线同学充分发挥乘数效应，以让大团队都可能享受到红利。但 Leader 肯定要去被动辨认和治理这些具备乘数效应的事项，要对可能呈现的问题进行及时纠正和干涉，典型的纠偏就是避免反复建设避免内卷。但对于的确对全局无利的，要做好及时的推广并被动帮忙解决推动过程中的阻碍，让大团队尽可能享受到红利。但无论如何，对于这类具备乘数效应的都必须要有治理清单，激励好翻新但也审慎做决策。
小结
技术 Leader 是集架构师，管理者，领导者一身的综合性岗位，多年实际下来也只是窥探到了局部。所以以上只积淀的点滴思考技巧，当然也不可能解决所有的理论问题。冀望这些思考对大家做好技术 Leader 有一些帮忙。
作者：知明，蚂蚁金服国内事业群资深技术专家，寰球资金平台技术负责人，负责了蚂蚁全球化过程中底层资金清结算、外汇等平台能力的搭建和迭代演进。
MaxCompute 行业利用及调优
点击这里，查看详情。
原文链接：http://click.aliyun.com/m/100…
本文为阿里云原创内容，未经容许不得转载。
