每次项目排期时间紧张？项目发版时间总是一延再延？每个版本bug数量堆积成山？测试期间各种bug总是层出不穷？临近上线发现严重bug？如果你总是被这些问题围绕，那么项目总结执行迫在眉睫。那么如何进行项目总结呢？
一、思维模式
想做好一份项目总结，总结人员必须具备一定的结构化思维，对问题、数据进行结构分析，且能够通过结构化思维表达出来。结构化思维具备以下四个特点：
Tips：
1) 问题比较多的时候，要进行抽象归纳，做到抓大放小，先解决当前版本最主要的问题
二、项目总结目的
对项目进行复盘，发现项目中存在的问题，针对问题找到根本原因并提出解决方案；
提高项目质量，让项目“健康”前行;
通过数据衡量当前版本的质量，对项目整体情况进行评估。
三.形成报告
明确了写报告需要的思维和目的后，那么我们如何形成报告呢？报告形成步骤如下：
1. 明确项目分析维度
项目分析的维度不同，后期确定的指标也会不同。一般以项目总结的目的为基准方向，确定分析维度。分析维度可以从产品立项到发布每个阶段作为分析维度，也可以按照项目中的角色为维度进行分析。以输入法的项目总结为例，按照产品、开发、测试的测试角色为横向维度进行分析，然后纵向深入分析每个维度的数据。
2. 指标抽取
我们在进行指标抽取的时候，会先根据项目分析维度形成一个指标集，如下图。指标的选取方式有两种方式：根据问题选取和固定通用指标。根据问题选指标是先收集项目中明确感知到的问题，对问题进行归类（归类分组思想），然后选取可以反映此问题的指标进行数据分析，一个问题可能对应多个指标。以输入法为例，当前版本出现了10个工作日的延期，那么我们会针对这个问题抽取指标分析原因，但如果下个版本此问题不存在时，则指标取消。当然，如果目前的指标集不能反映当前问题，我们会根据实际情况扩充指标集。固定通用指标是指业界认可的一些评定标准，如开发代码千行代码bug率；或者对于项目中人员关注的指标信息我们也会将这类指标抽取出来作为通用指标，如线上遗留问题原因等。如下图是某项目总结中的指标集。
Tips：
- 制定的指标可以通过定量的数据衡量；
- 制定的指标要项目组三方认知达成一致，且三方都认可。
3. 数据分析
在第二步中选取指标后，我们就要根据指标进行数据分析。在数据分析过程中我们要注意异常数据，对于异常数据我们要进行深入分析，直到找到问题的根本，数据的分析才算到位。
Tips：
- 通用指标的数据分析时，一般不少于三个版本的数据对比，因为两个版本的数据对比可能存在版本偶然性，三个版本的数据趋势会更明显一些；
- 数据分析时可以使用Excel的一些方便功能，提高效率，如透视表、宏等。
4. 暴露（验证）问题
数据会诚实的反映项目实际情况。通过数据分析的结果，我们会验证在指标选取环节收集的问题是否真实存在，如存在则此问题分析会出现在项目总结报告中。在数据分析时同时也可能会暴露出一些我们没有明显感知到的问题，这类问题也会出现在项目总结报告中。
5. 提出解决方案
暴露问题不是最终目的，解决问题才是我们的终极目标。所以当发现问题的时候，我们要找存在问题的相关人员，让其针对问题提供解决方案。
问题和解决方案都有了的时候，报告内容已完成，剩下的就是排版的问题。报告排版时一定要注意关键的信息放到最前面（遵循结论先行）。在进行分段时一定要注意以上统下，中心句思想可以概括表达下方层级的内容。在结论中如果涉及到层级关系时，要注意逻辑递进，便于理解。比如说老总、经理、职员这三个职位排列时要按照职位的重要程度进行从上到下的排列。
Tips：
结论的排列顺序遵循先扬后抑：结论内容是正向的放在前面，结论内容是负向时放在后面；
结论中必须有观点，且观点有数据支撑，表达方式为：结论→理由→支撑理由的事实和依据；
结论中的内容是正向的文字颜色可以标为绿色，内容是负向的文字颜色可以标为红色。
6. 方案落地执行
这部分内容其实是报告发布之后，对报告中的解决方案进行跟踪落实，让我们做的事情有始有终，形成一个闭环。
写在最后
好的项目总结都是相似的：结构清晰、重点突出、观点明确且有数据支撑，便于快速获取关键信息。
如果大家有其他好的见解欢迎留言讨论，愿大家都可以写出一份可以解决实际问题好的项目总结。