技术管理者怎样跳出“泥潭”

来源:冯威的个人博客 作者:冯威

一些中小公司可能没有专职的架构师岗位,即便有,也是需要身兼多职,很多时候程序员都在没做好准备的情况下,却被公司推到了管理岗位,即便是冠上了架构师的头衔,也需要做很多管理的工作,通常会面临下面的一些问题:

  • 初次接触管理岗,需要和人打交道了,难以适应

  • 仍然把自己当成是一个高级的开发者

  • 需要多任务并行处理事情,分不清主次

  • 团队成员从3、5人发展到10来人时,流程、做事方式等都需要转变,也会面临巨大的考验

今年年初,我就面临了一次很大的考验,团队的成员越来越多,公司的项目也越来越多,产品团队这边压力非常大,我也几乎到崩溃的边缘,甚至还给领导写了一封“诉苦”信,归根结底,还是能力的提升速度没有公司的发展速度快。

经过领导的引导和自己的调整,我觉得已经突破了瓶颈,并在这大半年的时间里有了明显改善和进步,下面分享一点我的体会。

心态

做任何事情,心态都非常重要,不好的心态会使你对完全能够胜任的事情也产生排斥的想法,最终做出非常糟糕的结果。举一个加班的例子:

  • 如果你觉得8点就能搞定下班,但因为各种非自身原因导致10点才能完成;

  • 提前考虑的比较周全,认为需要到11点才能完成任务,但因为配合的很好,10点就完成下班了。

同样是10点下班,后一种点心态就会好很多,因为在事前心里就有了预期,而实际结果比预期的好。

所以我们在进入管理岗位后,就要有随时会遇到各种问题的预期,解决一个个点问题就是我们升级打怪的过程。就像我们领导说的,必须经历痛苦才能够成长。

任务归类

作为一个开发人员,领导安排的任务按时交付就算合格了,如果能再考虑下扩展性、重用性、性能等问题就算是很优秀了,做的事情相对单一,平时也不会受到很多外界的干扰。

一旦走上技术管理岗位,会感觉事情突然翻了很多倍:

  • 制定产品的任务计划

  • 需要考虑团队成员的成长

  • 合理地安排任务

  • 各部门之间的协作

  • 重难点技术的攻关

  • 核心代码的编写

  • 解决团队成员遇到的各种问题

如果没有一个合理的安排和归类,就会像无头苍蝇一样,到处乱窜,一天下来感觉非常忙碌,但好像又什么事情都没做。所以任务的归类非常重要。

事情再多,都可以按照,重要紧急、紧急不重要、重要不紧急和不重要不紧急这四个象限来进行分类。类分好了,先做什么,后做什么,就一目了然了。

任务下放

程序员通常都很自信,觉得自己写的代码是最好的,看别人的代码总觉得有各种各样的问题,在排查一些历史问题的时候,经常会说,这谁写的代码,这么烂,最后一看Git记录,发现是自己写的。

所以到了管理岗位后,任何事情都喜欢亲力亲为,就造成了自己忙死,而团队成员工作不饱和。带领团队后,对团队中每个人的性格和优缺点都要了如指掌,这样才能做到知人善用。

在上面一步做了任务归类后,就可以清楚地知道哪些是可以分配下去,哪些是需要自己处理。例如:

项目组反馈了一个紧急Bug,这是需要做的是准备好重现环境,安排合适的人进行排查和修复,而不是直接打开VS开始调试代码了。

懂得合理地分配任务,才能有更多的精力去做更重要的事情。

善用工具

不同的时期,有不同的做事习惯和风格,最早我团队只有3个人的时候,平时的沟通和任务的分配基本都是口头转述,因为这样效率最高,但仅限于团队成员足够少,并且每个人都能够配合默契,这样口头转述的内容才能不失真,真正地做到有效率。

慢慢地团队中加入了很多新鲜血液,再用口头转述就会存在很大的问题,同样的一句话,一个新人的理解和你想要达到的效果可能相差很远。这时就需要有文档了,我们现在使用语雀来写需求文档,更多的时候,我是让开发人员自己来写这个文档,然后我再来复审,看需求的理解是不是完全清楚了,这样做有一个好处,开发人员不是被动地接受任务,而是主动地参与思考。

团队成员增多,每天的需要提测的任务也越来越多,如果还是手动地发布部署会浪费大量的时间,这时就需要使用Jenkins、Docker等自动化构建的工具了。还有需求和任务的管理也必须工具化、流程化,这一块我们采用的是我们自己做的产品搭建出来的任务系统。

善用工具,可以将繁琐的,重复性的工作交给机器来做,就会有更多的精力去做更重要的事情。


相关文档推荐

AI编程颠覆IT生产力.PDF

1741937491 丁宇 9.57MB 34页 积分6

从DeepSeek到ManusAI如何重塑企业价值.PDF

1741937117 华中科技大学 6.23MB 58页 积分6

Database Copilot在数据库领域的落地.PDF

1741937032 李粒 6.08MB 59页 积分6

SRE Copilot大语言模型智能运维框架.PDF

1741936996 王宁 5.04MB 24页 积分6

大模型赋能DevOps研发全环节提速.PDF

1741936949 唐辉 4.99MB 31页 积分6

AI辅助编程真实测评与企业落地实践.PDF

1741936506 蒋志伟 10.17MB 37页 积分6

探索IDE下的智能研发和研发知识库的建设.PDF

1741936274 汪晟杰 4.23MB 28页 积分6

面向AI研发语言模型训练的可解释性分析与验证.PDF

1741935876 林云 2.7MB 62页 积分8

AI大模型技术在数据库DevOps的实践.PDF

1741935803 叶正盛 2.67MB 30页 积分6

相关文章推荐