业务背景
资源预测是项目管理过程中的一个环节，即通过搭建合适的数据模型，对未来的项目人力资源投入情况进行有效预测，可以更加精准的完成项目资源规划并能及时发现问题进行相关调整。
难题和痛点
PM排期时没有有效数据支撑资源使用情况，每次排期都需要找各个研发团队TL沟通，会产生很大的沟通成本。
线下维护项目资源投入信息会产生很多工作量，为研发团队和PM造成额外的管理成本。
手工维护会导致各团队标准不统一，无法进行大规模推广。
解决方案
【中心思想】通过日常项目管理流程，即可达到资源预测的目的，不给项目管理过程增加额外负担。
3.1基本要求
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
3.2具体步骤
- 活动1：构思效果——搭建数据模型——（直接/数据加工）——建立数据源
- 在前面3.1章节中提到的报表，即是想要的效果。
- 参数和基础功能即为数据模型即为数据源，很明显这些数据源无法直接应用到效果展示，因此需要进行数据加工。
- 活动2：先通过简单工具建立Demo，确认可行性，并对照使用过程逐步进行优化
- 我选择通过Excel进行Demo处理，详情可见文末《PMO-资源预测_模板》。
- 活动3：利用现有平台和工具实现线上化
在确认数据结果稳定、可靠的前提下，就可以开始规划工具线上化，毕竟Excel处理数据量较大时会非常卡顿。
业务成果
- PM排期时能提供有效数据支撑可用资源查询。
- 减少研发、测试管理投入成本，通过日常项目管理流程（项目总轴和项目成员投入）只需要两步，即可达到资源预测的目标。【使用过程中逐渐发现优化点，目前正在设计更加简便的预测模型，争取做到无感预测】
- 建立更科学的、体系化的数据预测模型，加强数字化管理基础能力、为资源投入偏差提供分析参考。
数字化管理的规划和思考
- 数据源和加工的基础数据模型，在设计时，要素和维度要考虑充分，这样可以方便后期进行二次加工。
- 尽量选择符合日常工作习惯的线上工具，可以向工具研发组提需求，也可以自行学习研发。因为本人是PM，因此总结了一套适合非研发同学使用的资料。
- 从日常工作中发现痛点，总结规律和方法，通过小范围验证，进而提炼标准和流程，最终实现数字化管理动作。
- 每个数字背后，都是真实的项目和人，关键在于怎么应用这些数字。
- 如果是为了汇报，生搬硬套凑出来，参与的同学都会怀疑这些数字的意义；如果遇到问题，TL和PM该反馈的反馈，该上升的上升，不能为了凑而凑，辩证的执行。
- 如果把数字化管理，与业产研月会、需求排序、需求排期等结合，并用于分析定位和辅助决策，将会非常有价值，且属于日常管理一部分。
《PMO-资源预测_模板》：https://zhuanlan.zhihu.com/p/547637165
