一、引言

二、項目管理現狀與挑戰

    1. 現狀

    2. 挑戰

三、項目管理進階策略

    1. 引入混合式項目管理方法

    2. 強化需求管理與優先級排序

    3. 優化技術實驗流程

    4. 制定標準化的項目管理文檔

    5. 加強跨團隊協作：從 “單打獨斗” 到 “協同作戰”，打造高效的項目團隊

    6. 量化項目成果：從 “經驗驅動” 到 “數據驅動”，用數據夯實項目管理根基

四、結語

一、引 言

在得物技術生態的核心地帶，算法作為核心技術力量的中流砥柱，承擔著推薦系統、搜索算法、AI 查驗鑒別和圖像識別等多個前沿且關鍵領域的研發重任。隨著業務的快速擴展和技術的不斷迭代，項目管理的重要性日益凸顯。如何高效地管理算法項目，確保團隊在快速變化的環境中保持高產出和高創新力，成為了我們面臨的核心挑戰。本文將分享得物技術部算法團隊在項目管理進階過程中的經驗與思考。

二、項目管理現狀與挑戰

現狀

得物算法團隊的項目管理歷程，是一段充滿突破與創新的卓越發展之路。在團隊創立初期，項目運作憑借團隊成員深厚的專業能力與豐富的經驗積累穩步前行。與此同時，我們積極探尋更科學管理的模式，持續探索讓項目進度規劃和資源分配邁向系統性與前瞻性的方法。

隨著團隊規模穩步拓展，項目復雜度顯著攀升，我們敏銳察覺到傳統項目管理模式需要與時俱進。PMO 團隊以無畏的探索精神和積極的實踐態度，全身心投入創新征程。歷經反復嘗試與優化，成功打造出一套契合得物算法自身特色的項目管理體系。該體系讓團隊沖破發展阻礙，實現研發效率飛躍式提升，溝通協作變得更為高效流暢，助力團隊在發展道路上穩步邁進，開啟全新輝煌篇章。

挑戰

在持續奮進的征程中，得物算法團隊在項目管理領域收獲了階段性的成績，同時，也欣然迎接全新的機遇與挑戰，這些挑戰也成為我們邁向更高峰的強勁動力：

• 需求動態優化：市場環境日新月異，業務需求展現出強大的創新活力，快速迭代升級。這促使算法項目的目標和優先級不斷優化調整，激發團隊持續創新。每一次需求的更新，都是團隊展現敏捷應變能力的契機，我們高效重新規劃項目路徑、靈活調配資源，積極擁抱全新業務要求，在動態變化中精準錨定項目前行方向。
• 技術攻堅創新：算法項目憑借深厚的技術底蘊，蘊藏著無限的創新潛力。在大量實驗與反復迭代進程中，我們無畏探索未知領域，持續突破技術瓶頸。面對實驗結果的不確定性與技術難題，項目啟動之初，我們便以開拓者的姿態精心規劃時間與資源，將挑戰轉化為技術創新的強大動力，全方位提升項目的綜合效益。
• 跨團隊協同增效：算法團隊作為創新生態的核心力量，與運營、產品、數據、質量、法務、財務等多個團隊緊密合作，共同構建高效協同的創新網絡。盡管不同團隊專業背景、工作方式各具特色，加之多地辦公（上海、北京、杭州、長沙）帶來空間上的多元分布，但我們積極搭建溝通橋梁，通過創新的協作模式，打破溝通障礙，確保信息精準傳遞，讓跨團隊協作成本轉化為協同增效的投入，極大提升項目執行效率。

例如在一次重要項目中，杭州的算法團隊與上海的產品團隊，通過創新的溝通協作機制，迅速化解了對需求理解的差異，成功追回延誤的一周進度，為項目推進注入強大動力。

• 成果長效評估：算法效果的評估需要具備長遠眼光，其價值在持續沉淀中逐步彰顯。雖然無法像傳統項目那樣迅速反饋階段性進展，但我們建立了科學的評估機制，以長遠視角和精準分析，在項目推進過程中及時、深入地洞察項目的實際成效，為項目決策提供堅實可靠的依據，確保項目始終朝著高價值方向穩步邁進。

三、項目管理進階策略

引入混合式項目管理方法

為有效應對需求頻繁變更和技術復雜度高這兩大難題，得物算法團隊創新性地采用了混合式項目管理方法，巧妙融合了敏捷開發和瀑布模型的優勢：

敏捷開發

通過設置短周期的迭代（Sprint），團隊能夠快速響應不斷變化的需求，確保項目始終保持高度的靈活性。在每個迭代周期內，團隊成員聚焦于完成特定的任務模塊，通過每日站會、迭代評審等環節，及時獲取反饋并做出調整優化。

例如得物質拍項目，這是一個軟硬件一體的自主研發項目，它創新性地集成了AI查驗功能，打造出了一套拍照查驗一體化的解決方案。該方案在實際應用中成效顯著，大幅提升了供應鏈查驗的效率和質量，成為推動供應鏈業務模式從全人工操作向人機協同轉變的重要引擎。

在得物質拍項目的推進過程中，面臨著諸多復雜的技術難題。比如，如何實現硬件設備與AI算法的高效協同，以確保拍照數據能夠準確、快速地被AI系統處理和分析；以及如何在不同的環境條件下，保證設備的穩定性和可靠性等。同時，業務需求也在不斷更新變化，對查驗的精度、速度以及系統的易用性等方面都提出了更高的要求。

面對這些挑戰，敏捷開發模式發揮了關鍵作用。在項目初期，開發團隊采用敏捷開發的迭代式開發方法，將整個項目劃分為多個短周期的迭代階段。每個迭代周期都設定明確的目標和可交付成果，使得團隊能夠快速響應業務需求的變化。例如，在第一個迭代周期中，團隊專注于搭建硬件設備的基本框架和實現AI查驗的基礎功能，通過快速開發和測試，及時發現并解決了硬件與軟件之間的兼容性問題。

在日常工作中，團隊堅持每日站會制度。成員們在站會上分享自己的工作進展、遇到的問題以及需要的支持，確保信息在團隊內部的高效流通。通過這種方式，團隊能夠及時發現潛在的風險和問題，并迅速調整開發計劃。例如，當發現某個功能的開發進度落后時，團隊可以及時調配資源，加快開發速度，保證項目按計劃進行。

通過敏捷開發模式的應用，得物質拍項目不僅成功攻克了復雜的技術難題，滿足了不斷變化的業務需求，還大大縮短了項目的開發周期，提高了開發效率。與傳統開發模式相比，項目整體開發周期有效縮短，同時產品的質量和用戶滿意度也得到了顯著提升。

瀑布模型

在項目啟動初期，瀑布模型的應用為項目搭建起了清晰的架構和方向。團隊按照線性順序依次完成需求分析、設計、開發、測試、維護等階段，每個階段都有明確的輸入和輸出，以及嚴格的評審環節，確保項目在每個階段都能達到預期目標，為后續階段奠定堅實基礎。

例如北極星訓練平臺項目，北極星作為得物自研的搜推模型訓練平臺，支持參數多級存儲和混合并行分布式訓練，比開源框架訓練速度提升2~6倍，可支持TB級模型訓練，為得物算法策略團隊進一步探索大模型和復雜模型打開了空間。

團隊在項目初期選用瀑布模型，組織多輪技術PM研討，對項目的技術方案進行反復論證和優化，明確了以深度學習框架為核心，結合大數據分析技術的技術路線。制定了詳細的項目里程碑計劃，將整個項目的開發過程劃分為多個有序且明確的階段，每個階段都設定了具體的任務、交付成果以及驗收標準。

在后續長達一年的開發進程中，瀑布模型的優勢得以充分彰顯。由于前期對技術路線的清晰界定和對項目計劃的精準把控，項目始終沿著正確的方向穩步推進。在每個階段，團隊成員嚴格按照既定計劃完成相應任務，前一個階段的成果作為后續階段的堅實基礎，有效避免了因技術路線模糊不清而引發的項目反復調整以及資源浪費的情況。

最終，項目得以按時交付，并順利應用于得物的核心業務場景。北極星訓練平臺為算法策略的持續迭代提供了強大助力，使得算法能夠不斷優化以適應業務的發展需求。同時，也為業務增長注入了強勁動力，通過更精準高效的搜推模型，提升了用戶體驗，促進了業務量的顯著提升

通過將敏捷開發和瀑布模型相結合，得物算法團隊在應對復雜多變的項目環境時，既能夠保證項目的靈活性和快速響應能力，又能確保項目在整體上保持清晰的方向和穩定的推進節奏。

強化需求管理與優先級排序

需求池管理

依據不同的業務場景，構建了與之對應的各條線需求池。團隊成員定期與業務方展開深入且全面的溝通交流，這一過程并非簡單的信息傳遞，而是雙方基于業務目標和技術能力的深度探討。通過這種方式，團隊能夠精準剖析每個需求背后隱藏的業務價值，同時從技術層面評估其可行性。

例如，在C端鑒別業務場景下，業務方提出識別用戶是否拼圖的需求。算法團隊通過業務方提供的場景描述與識別規則，從技術角度給出了開發代價更小的解決方案。這種精準分析避免了項目開展過程中盲目投入資源，有效防止了資源浪費。

優先級排序

為了進一步提升資源利用效率，使項目產生更大的效益，團隊采用 ROI評估和業務打分相結合的規則，對需求池中的眾多需求進行科學合理的優先級排序。在計算 ROI 時，綜合考慮需求實施后的潛在收益、所需投入的資源成本以及實現難度等因素。同時，結合業務一號位OKR、業務重心方向、需求緊迫性等維度給出的綜合打分，全面評估每個需求的優先級。

比如，對于一個旨在優化商品搜索算法以提高搜索準確率的需求，團隊通過詳細的成本效益分析，預估實施該需求后能夠提升用戶搜索滿意度，進而帶來一定比例的業務增長，同時評估了實現該需求所需的人力、時間和技術資源成本。再結合業務方對搜索功能在當前業務重心方向的重要性打分，最終確定該需求在需求池中的優先級。通過這種方式，確保團隊資源能夠集中投入到最具價值的任務上，提高了項目的整體效益。

優化技術實驗流程

實驗設計標準化

在算法研發過程中，實驗的科學性和規范性直接影響著結果的可靠性。得物算法團隊制定了標準化的實驗設計模板，在模板中明確規定實驗目標、評估指標以及基線模型。實驗目標的清晰界定，讓團隊成員從實驗開始就明確努力的方向，避免實驗過程中出現目標偏差。

評估指標則為實驗結果的衡量提供了統一的標準。以評估社區搜索算法的實驗為例，選用內容搜索滲透、內容搜索次留、內容搜索 qvctr、內容搜索有效點擊率等作為一級評估指標，這些指標從不同維度反映了用戶對搜索結果的使用情況和反饋。以大盤 UV 價值、App 次留、分組 UV 人均 App 時長、內容搜索用戶人均社區時長等作為大盤指標，從宏觀層面衡量實驗對整體業務的影響。通過這些指標的綜合運用，使實驗結果能夠直觀地反映算法的性能。如當內容搜索有效點擊率提升，同時大盤 UV 價值也隨之增長時，就表明該算法在實際應用中可能產生了積極效果。

基線模型的確定也至關重要，它為新算法的對比提供了參照，方便團隊判斷新算法是否真正帶來了性能提升。在社區搜索算法實驗中，團隊將之前穩定運行的搜索算法作為基線模型，新算法在相同的測試環境和數據集下進行實驗，對比兩者在各項評估指標上的表現。若新算法在內容搜索qvctr等關鍵指標上顯著優于基線模型，就說明新算法具有一定的優勢和應用價值。

通過這一舉措，大大減少了實驗過程中的不確定性。以往不同成員開展相似實驗時，可能因實驗設計的差異導致結果難以對比，如今標準化的模板使得不同實驗之間的結果更具可比性與可靠性，為算法的優化提供了更堅實的數據基礎。

自動化工具支持

開發自動化實驗平臺，支持實驗的快速部署、監控和結果分析，大幅提升實驗效率。該平臺具備強大的功能，在實驗部署環節，能夠快速完成實驗環境的搭建、數據集的導入以及算法模型的初始化，相比傳統手動部署，時間從原來的數小時縮短至半小時以內。在實驗進行過程中，平臺實現了實時監控，團隊成員可以隨時查看實驗的運行狀態、資源使用情況以及關鍵指標的變化趨勢，一旦發現異常能夠及時調整。實驗結束后，平臺還能高效地進行結果分析，自動生成詳細的數據報表和可視化圖表，幫助團隊成員快速理解實驗結果。

例如，AI鑒別平臺將數據下載、模型訓練、模型評估、在線驗證、結果分析、發布部署的動作整合至統一平臺，任務啟動時完成配置后，各個環節任務自動完成，極大節省了人工操作時間與機器等待時間，提升AI研發效能。

制定標準化的項目管理文檔

背景

在過往的發展歷程中，得物算法團隊積極探索項目管理的優化路徑。當時，不同項目的管理文檔在格式與內容詳略上存在差異，相關信息分布于語雀、云空間、知識庫等多個平臺。這一狀況促使團隊深刻認識到建立標準化體系的重要性，進而開啟了提升項目管理效能的征程。

實踐

為從根本上解決這些問題，團隊投入大量精力遷移、整合、建立、維護知識庫，并制作了一套全面的標準化項目管理文檔模板。這套模板涵蓋了項目從啟動到結束的各個關鍵環節，具體包括項目立項書，詳細闡述項目的背景、目標、預期成果等，為項目的開展奠定基礎；需求文檔，清晰記錄業務需求、用戶需求等，確保團隊對項目需求有準確一致的理解；技術方案，展示項目所采用的技術架構、算法選型等核心技術內容；測試用例，用于對項目成果進行全面測試，保障項目質量；LR和 CR文檔，規范代碼審查流程和變更管理流程；雙日會同步文檔，及時記錄項目進展、問題及解決方案，促進團隊成員之間的信息共享。通過這些文檔，項目的所有關鍵信息都能得到準確、完整的記錄，為項目管理提供了有力的數據支撐。

機制

同時，團隊建立了嚴格的文檔評審機制。在每份文檔完成初稿后，會組織相關模塊的技術PM、研發TL、測試TL和團隊成員進行細致審核。從文檔的內容完整性角度，檢查是否涵蓋了該文檔類型應包含的所有關鍵信息；從準確性方面，核對文檔中的數據、技術細節等是否正確無誤；在規范性上，確保文檔格式、術語使用等符合統一標準。例如，對于技術方案文檔，會重點審查技術選型的合理性、技術架構的可行性等內容；對于測試用例文檔，會檢查測試場景是否全面覆蓋了項目需求。只有通過評審的文檔，才能進入下一階段的使用和保存，通過這種方式，確保每一份文檔都能達到高質量標準，為項目順利推進筑牢根基。

加強跨團隊協作：從 “單打獨斗” 到 “協同作戰”，打造高效的項目團隊

明確角色和職責

在跨團隊項目中，角色與職責的模糊往往是溝通不暢和工作效率低下的根源。在每個跨團隊項目啟動之初，組織相關團隊共同參與，清晰明確地界定各團隊的角色和職責。通過制定詳細的項目任務拆解，將每個團隊的任務、目標、交付物以及與其他團隊的協作邊界都一一明確，同時落檔到得物研發協同平臺（實時化、透明化、自動化）。

以得物AI查驗鑒別項目為例，算法團隊負責 AI 查驗鑒別算法的研發與優化，明確規定了算法的準確率、召回率等關鍵指標以及完成時間節點；產品團隊負責定義產品需求、制定產品規劃，確保算法研發與市場需求緊密結合；數據團隊則負責數據的收集、清洗和標注，為算法訓練提供高質量的數據支持。運營同學負責需求在倉內的推廣覆蓋。這樣一來，每個團隊都能清楚知曉自己的任務和目標，避免了因職責不清引發的溝通摩擦和工作推諉現象，為項目的順利推進奠定了堅實基礎。

定期同步會議

為確保信息在各個團隊之間能夠透明流通，及時解決協作過程中出現的各類問題，定期（雙日/周/雙周）召開跨團隊同步會議。這些會議成為了高效的信息共享平臺，各團隊在會議中可及時交流項目進展情況，分享遇到的問題和解決方案。

會議通常分為項目進度同步、問題討論與解決、下一階段計劃制定等環節。在項目進度同步環節，產運研各團隊依次同步自己負責部分的進展情況，包括已完成的任務、正在進行的工作以及潛在風險；問題討論與解決環節，針對各團隊提出的問題，大家共同探討解決方案，充分發揮團隊的智慧；下一階段計劃制定環節，根據項目整體目標和當前進展，共同制定下一階段的工作計劃和任務分配。通過定期同步會議，團隊成員能夠及時了解項目全貌，及時發現并解決問題，確保項目按計劃順利推進。

加強團隊溝通

為促進不同團隊成員之間的知識共享和技術交流，增強團隊的凝聚力和協作能力，團隊定期組織新人串講、技術分享會、代碼評審會（CR、LR）等活動。

新人串講活動為新加入團隊的成員提供了展示自己的模塊，他們可以分享自己的專業知識、項目經驗以及對業務的理解，讓老成員也能從新視角獲得啟發。

技術分享會（組內分享、內部技術分享、得物技術夜校）則是定期調研、分享最新的技術趨勢、前沿技術應用以及在項目中遇到的技術難題和解決方案，拓寬團隊成員的技術視野。

代碼評審會（CR、LR）則是對代碼質量的嚴格把控，通過團隊成員之間的相互評審，不僅可以發現代碼中的潛在問題，提高代碼質量，還能促進團隊成員之間的技術交流和學習。

這些活動為團隊成員創造了更多交流學習機會，使得團隊成員之間的關系更加緊密，協作更加順暢。

圖片

知識共享

知識的沉淀和共享是團隊持續進步的關鍵。團隊不斷完善和迭代知識庫，將項目過程中積累的寶貴經驗和技術文檔進行系統沉淀和廣泛共享。通過建立知識共享平臺，打破了團隊之間的信息壁壘，避免了重復勞動，提高了整個團隊的工作效率。

通過知識庫，團隊成員可以方便地查閱過往項目的技術方案、實驗報告、問題解決方案等資料。例如，當新成員接手一個類似的算法項目時，可以在知識庫上快速找到相關的經驗教訓和技術參考，避免走彎路；當團隊遇到技術難題時，也可以在知識庫里搜索類似問題的解決方案，獲得靈感和啟發。同時，團隊鼓勵成員積極上傳自己在項目中的經驗總結和技術成果，不斷豐富知識庫的內容，形成一個良性的知識循環，促進團隊整體能力的提升。

圖片

量化項目成果：從 “經驗驅動” 到 “數據驅動”，用數據夯實項目管理根基

建立項目數據指標體系

建立評估體系：制定算法項目的評估體系，明確定義項目的關鍵指標，既包括短期指標，如模型準確率、召回率等，能夠快速反映算法在當前階段的性能表現；也涵蓋長期指標，如業務增長、用戶滿意度提升等，用于衡量項目對業務的長期影響。同時，持續記錄需求變更率、缺陷率等關鍵數據，并定期進行收集和深入分析，為項目管理提供全面的數據支持。

數據驅動決策：借助數據分析工具和技術，RDC實時監控項目進展情況。通過對數據的深入挖掘和分析，一旦發現項目存在潛在問題或風險，能夠及時調整項目策略，確保項目始終朝著預定目標前進，提高項目的成功率。

利用數據可視化工具

過去，項目數據主要以復雜的表格和文字形式呈現，難以直觀展示項目的狀態和趨勢，不利于團隊成員理解和分析。

引入RDC（研發協同平臺）、DPP平臺（得物個性化推薦系統）、AB實驗平臺等多樣化的數據可視化工具，將項目數據以直觀、易懂的方式呈現出來，讓團隊成員能夠一目了然地了解項目的各項關鍵指標和發展趨勢。這使得團隊能夠更加迅速地做出決策，及時調整項目方向，提高項目的執行效率。

不同與傳統項目，算法更多項目是通過實驗探索方式來支持的，DPP作為個性化推薦平臺，支持同時成百上千個實驗同時在線，讓算法與業務產品同學，可以去探索自己的思路，在實驗維度，支持多種能力，支持垂直桶實驗，正交配置層實驗，跨場景貫穿實驗，同時DPP平臺聯合數據平臺與監控團隊支持實時，小時級與天級等等各維度實驗指標的展現，通過各種維度為算法同學提供工具，可以更快速判斷出自己實驗的情況，再進行后續決策。

圖片

圖片

基于數據進行項目復盤和優化：過程質量復盤 & 業務效果復盤

實踐：以往的項目復盤往往流于形式，未能充分挖掘項目過程中的經驗教訓。如今，在項目結束后，團隊基于詳細的數據進行全面深入的項目復盤。從過程質量維度，分析項目執行過程中的流程是否合理，如項目進度安排是否緊湊高效、資源分配是否合理；資源利用是否高效，如人力、機器資源是否得到充分利用，是否存在浪費現象。從業務效果維度，注重項目對業務目標的達成情況，如是否實現了預期的業務增長、用戶滿意度是否提升等。通過總結成功經驗和不足之處，為后續項目的管理提供寶貴參考。例如，在復盤某個算法優化項目時，通過數據發現項目前期由于需求變更頻繁，導致項目進度延誤，后續項目就可以加強需求管理；同時發現算法優化后業務增長明顯，但用戶滿意度提升不顯著，后續就可以在提升用戶體驗方面加大投入。

機制：建立完善的項目復盤機制，明確復盤的流程、參與人員和時間節點。規定在每個項目上線后一個月內，必須組織項目復盤會議，由項目負責人、產運研核心參與人以及技術PM、TL參與。復盤會議中同步項目是否符合預期，再進行數據展示和分析，最后共同討論總結經驗教訓。確保復盤工作能夠常態化、有效地開展。

成果：通過基于數據的項目復盤和優化，團隊的項目管理水平得到了穩步提升，項目成功率持續提高。不斷總結和改進的過程，使得團隊能夠更好地應對各種復雜的項目挑戰，為業務的發展提供更有力的技術支持。

圖片

四、結 論

項目管理是算法團隊高效運作的基石。通過引入混合式管理方法、優化需求管理和技術實驗流程、加強跨團隊協作以及量化項目成果，得物技術部算法團隊在項目管理進階之路上邁出了堅實的步伐。未來，我們將繼續探索和創新，為業務創造更大的價值。