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