关于复盘
一、What
复盘是结构化的学习方法
复盘是以学习为导向
复盘通常是以团队的形式进行
复盘VS总结
“复盘并不是一个哗众取宠的词语,客观来说,总结只是复盘的一部分,复盘比总结更具有丰富的内涵。总结是对事件过程进行梳理,它是对已经发生的行为和结果进行描述、分析和归纳,它关注事件的关键点和里程碑。而复盘,除了包含总结的动作以外,它还会对未发生的行为进行虚拟探究,探索其他行为的可能性和可行性,以找到新的方法和出路。
复盘,是在头脑中对做过的事情重新“过一遍”,探究和推演一些动作,使得我们对各种可能性及其不同后果进行审视和设计,就好比两个一流高手和绝顶高手切磋武艺,一流高手看到的是已发生的切磋中的招式进行的总结,而绝顶高手除了能看到对方对已知的理解,还会探究招式好的地方是好在哪里、下次我可以在哪些情况下再次使用;招式不好的地方不好在哪里,是可以怎么改进;或者换一种拳法去应对又会怎么样,导致后续变化与应对又是怎样,等等。
因此简单来说,复盘是动态连续的、是立体化的,是包含已知事物的总结及未知的探究;而总结是静止跳跃的、是平面化的,更多的是对已发生的事物进行归纳。复盘的进化式过程,是加上执行实践的参照比对,从而排除错误的认识和路径,找到更有效、更符合本质规律的做法,确定哪些行为可以继续,哪些行为终止,帮助今后把事情做好、做对。也就是说,复盘是一个不断学习、总结、反思、提炼和持续提高的过程。”
单纯的总结并不是复盘,复盘更像是一场路演,根据总结和可优化的点将项目再重头到位再“做”一遍,加深印象,因此才会更有效果。
二、Why
1、做事情无论成败,要通过复盘、搞清楚成败的原因,从中学到经验教训
2、通过复盘来传承经验,提高能力
3、不再犯同样的错误
4、总结规律、固定流程
三、How
3.1、复盘四步法
1.回顾目标:当初的目的或期望的结果是什么?
2.评估结果:对照原来设定的目标,看看完成结果如何?过程有哪些亮点和不足?
3.分析原因:事情做成功的关键原因和失败的根本原因是什么?要考虑主观和客观两方面,要有系统性和深度。
4.总结经验:对得失有什么体会?能总结出哪些规律?未来的行动计划是什么?
3.2、复盘方法:情境重现法和关键点法
所谓情境重现,除了重现当时的行为外,重要的就是要重现当时的信息场(流)、思维场(流)和情绪场(流)。只有重现了这三种场(流),一个情境才可以说是相对完整地重现了,一种行为才有了理解的前提和基础。
所谓关键点法则,是说在复盘的过程中,通过首先确定复盘事件的关键点,然后围绕关键点进行重现、思考和推演的复盘方法。
3.3、总结经验:分清是经验还是规律
复盘主要是针对具体事件的讨论,其得出的结论很可能具有局限性。可以通过以上四条原则进行判断:
- 复盘的结论是否排除了偶发性因素?是普遍性、还是个例或偶尔性?
- 结论指向人,还是指向事?
- 结论是否经过3次以上的连续追问:为什么?是涉及到一些根本性的问题,还是仅仪于具体事件、操作层面
- 是否有类似事件的复盘结果,可以进行交叉验证的?
附:xxx项目复盘
复盘负责人:
项目概述
项目成员:
Step1:目标回顾
1、项目目标:
- 1h内完成数据迁移;
- 保障资产数据准确性;
2、交付时间:(里程碑)
序号 里程碑 预计完成日期 进度 说明 1 方案编写&评审 100% 2 迁移程序开发 100% 3 迁移程序优化 100% 4 存量迁移支持 100% 5 数据删档导入1 100% 删档→全量数据导入 6 修复bug+增量迁移 - 交付无bug的迁数程序(统一迁数&后置业务迁移) 7 数据校验工具 - 8 数据删档导入2 - 删档→全量数据导入→数据验收 9 数据迁移(真实) - 数据存量迁移+增量迁移 10 数据验收报告 - 每天输出数据验收报告 11 后置业务迁移 - 12 数据验收 - 3、验收标准 :
- 数据迁移当天1h内完成聚星异构数据迁移;
- 资产数据无差异;
Step2:评价结果
1、项目准时性
项目整体交付时间:xxx完成全量迁移,符合预期
2、项目质量
- 迁移量级:完成70+数据表亿级数据迁移,覆盖xxx核心业务数据等;
- 迁移效率:完成5+数据迁移演练,服务优化、编排,30min完成线上核心数据迁移&验收;
- 数据准确性:覆盖统一框架验数、业务后置脚本验数、资产对账、场景验收等,数据零差异;
3、项目收益
略;
4、项目主要亮点或问题
- 数据准确率高:亿级异构数据迁移,核心 数据零差异;
- 迁移效率高:30min内完成核心数据迁移&验收,超预期(预期1h+);
- 准时交付:复杂的异构数据,交付时间倒排,保质保量交付:完成框架设计、编写、测试、迭代、演练等;
Step3:分析与推演
亮点 挑战 原因分析 准时保质交付 - 交付时间是根据迁服时间倒排
- 涉及70+业务数据表,场景复杂
- 未知因素较多,风险大- 明确方向,对齐技术方案
- 确定正确的方向、技术方案、关键实施路径,然后核心成员对齐信息
- 快速迭代
- 先搭建框架体系,小步快跑,持续迭代优化,问题逐步收敛后,项目逐步从无序到有序状态;
- 控制风险
- 梳理风险项,明确风险承受范围,超出承受范围的指定兜底方案;迁移效率高 - 亿级异构数据 - 实践演练:模拟真实环境进行实操演练,发现问题,持续优化; 数据准确率高,迁移数据无差异 - 业务复杂,70+业务表- 亿级数据
- 迁移验收数据有限- 核心数据迁移有比较多的实践,如金钱迁移、仓库重构迁移、订单扩容迁移、业务迁移等等,积累了较为丰富的数据迁移经验;
- 用统一的技术手段解决数据迁移问题,技术挑战大,但整体迁移质量有保障;不足:
- 环境成为瓶颈,影响业务测试验收
- 版本管理待完善,优化的问题会重复出现
Step4:总结经验
1.平时注重积累总结
- 不积跬步无以至千里,平时要多进行技术实践总结;e.g. 直播有较多核心数据迁移实践,如金钱迁移、仓库重构迁移、订单扩容迁移、业务迁移等等,积累了较为丰富的数据迁移经验,这次酷酷数据迁移才有可能会有较高的完成度;
2.小步快跑,持续迭代
- 面对未知无序事情,先确定大体的方向即可搭建框架体系,先Run起来,小步快跑,持续迭代优化。这个过程中,未知的事情会逐步变的清晰,无序变的有序;
- 如果等将所有未知的事情都弄清楚,看清局部细节再动手,可能会错失最佳时机;
3.控制风险
- 风险不一定是坏事情,风险和收益并存;e.g. 技术挑战大的,落地风险大,数据准确性较为可控;
- 评估风险和风险承受范围,超出范围的做兜底方案;e.g. 前期业务迁数和统一迁数框架两套方案并存,业务迁数为统一迁数框架兜底;
4.实践出真知
- 到真实的环境去实践演练,通过实践迭代可以逐步逼近理论期望;e.g. 多次的迁数实战演练,迁移&校验由半天降低至30min;
复盘时间:2021-12-24
复盘参与人:xxxx