完成一个项目的过程中，注定会有一些包括领导、同事和下属在内的合作者提出需求，这些需求往往是战术级而非战略级别。在当下的社会中，“既要、又要、还要”的需求已经成为了常态，但是我们资源有限，所以在这种情况下，如何辨别合作者在诸多需求中的优先级很重要。

得到将这一过程分为“听取需求-分析与思考-衡量价值-做出决策”。

听取需求

合作者向我们提需求，大多数情况下是真实的问题，模糊的，不理性且没有逻辑方法。在这种情况下，首先要做的事情是以一种虚心的态度用心倾听。他们的每一个需求，都意味着我们一个没有被解决的问题。

对于还未开展的工作

按照航天系统“归零”方案，把自己当成一个新手。不存在“不懂行业的合作者”，只存在“不好用的产品或方案”。

对于已经完成但对方未知

当然，有时如果是针对正在开展的一个工作项目时，我们已经做了一些工作，但是合作者不会用或者没有发现。这个时候，首先要做的是自我的情绪管理，不可用“反问句”形式对待对方，例如“你怎么没发现这个功能”？

合作者不会用，固然有他自身的问题，但是他们不会用，找不到，也有我们自身产品的问题。所以，在这个时候，围绕“提供解决方案”的思路，加上一句话：“您提的意见/建议/反馈真是太好了，请看看下面这个方式能不能解决您的困惑/问题？”

分析与思考

用心听意见，但不等于照着做。

合作者的需求收集过来之后，除了表面上的一些要求外，我们更需要沉下心，分析每一条需求背后潜在的内容。

思考1：场景与问题相结合

这个需求背后的场景是什么，这个场景下用户需求遇到的问题是什么？问题的根源是什么？

千万不可将关注点放置在合作者所提议的解决方案。Steve Jobs说“人们不知道想要什么，直到你把它摆在他们面前”，这句话是骗人的。

真正这句话的背后不是观察用户需求，而是“用户要什么，我们就做什么”。

思考2：分析需求的优先级

按照“人-时-价”的三个逻辑进行分析。

“人”，即客户价值。这个需求是针对单个人还是一群人。涉及到的合作者地位标签、数量标签、价值收获等。

“时”，即长期主义价值。这个需求在时间维度上是否可以积累出长期价值。

“价”，即性价比。需求没有错误，但有价格。需要考虑这个需求背后需要的人力成本（产品端、技术端、运营端、设计端）的大小，更要考虑需求交付后持续运营价值是否高？

思考3：最小可行产品（MVP）思维

能用运营手动解决的事情，先人肉解决，只有规模起来了，才值得固化成产品手段。

这句话很难理解，核心是“最小化投入、最大化验证”。

即不要一开始就过度设计或投入资源去开发自动化、系统化的产品功能；先通过人工方式快速解决问题，验证问题是否真实存在、是否有价值；

当问题的规模变大、频率变高时，再考虑将其固化为产品机制或系统功能。

案例：毁伤评估

假设团队提出一个用于监测近地轨道卫星健康状况和潜在损害的系统。

第一阶段先要进行初步验证与概念探索。

• 手动收集数据：初期可能依赖于地面站接收到的遥测数据以及卫星自带的自检报告来判断卫星的状态。
• 人工分析：工程师们会根据这些数据手动计算卫星各部分的受损情况，并结合卫星设计规范和以往的经验来做出初步评估。
• 简单模型测试：可能会使用一些简化的数学模型或小型实验来模拟不同的损坏情形，看看会对卫星性能产生怎样的影响。

第二阶段进行技术深化和优化。

在这一阶段，引入更复杂的技术手段提高评估的准确性和效率。

• 半自动化工具：开发一些脚本或软件工具来帮助处理遥测数据，自动标记出异常值，并为工程师提供一个更直观的数据展示界面。
• 高级仿真：采用更加精确的计算机仿真技术，比如有限元分析（FEA），来模拟不同类型的物理损伤对卫星结构的影响。
• 数据库构建：建立一个包含历史故障案例和技术参数的数据库，以便于快速查询和参考。

第三阶段进行全面集成与产品化。

当卫星网络规模扩大，或者需要实时监控大量卫星时，就需要将上述过程固化成一个完整的系统。

• 综合毁伤评估平台：整合多种传感器数据源（如光学图像、雷达回波等），通过机器学习算法自动识别和分类卫星表面的损伤类型，并预测其对卫星运行的影响。
• PLM（产品生命周期管理）系统的应用：不仅覆盖卫星的设计和制造阶段，还包括在轨运行期间的持续监测和维护计划制定。
• AI/ML技术的应用：利用人工智能技术对大量的历史数据进行训练，形成能够自我学习和改进的智能毁伤评估模型，从而实现对卫星健康状况的实时、精准评估。