在這篇文章中,我分享到初入工程師職場時,一些仍派得上用場的既有職場技能,而且幫助的效果是讓同事們覺得有感的程度。轉正之後,這些乍聽之下與工程師搭不上線的技能,依然發揮正向推進任務的作用。我想這值得我用一篇文章,好好分享這個經驗。
話說在前頭:這些軟實力,應該在不同領域上都派得上用場,如果你所在的職位剛好需要這些技能,歡迎酌量參考😊
就從在面試到專案都讓主管覺得滿意的技能開始吧😆
過去,我都在數學教育領域打滾,經歷過3份工作,內容與性質不盡相同,但絕對少不了滿坑滿谷的簡報。無論是為了錄製教學影片,還是為了為現場老師辦研習會,幾乎每個月必定有數日在製作、審核、上台講簡報。
如果只是講話,而且講的都是硬邦邦的科內知識,想必會讓聽者覺得枯燥無味。因此,除了想辦法把講的內容變得比較有趣、好理解之外,另一個關鍵就是做出能與內容搭配的簡報,達到加分效果。
我從累積至目前為止的簡報經驗,歸納出了自己做簡報的心法:盡可能圖多於字,即使只有文字,也應該是為聽者整理後的重點,且每一頁的主題明確、資訊份量適中,讓讀者跟得上你的節奏。在大多數的情況,人喜歡看圖的程度,依然比看文字高,所以盡量用各種形式的圖,表達原本想將的內容,相信能一定程度地輔助聽者理解。
相對的,如何選擇合適的圖,就至關重要。以統計圖表來說,網路上就能找到很多誤用的案例,至少先避開這些地雷;其他類型的圖,可以參考以下我會用的準則:
雖然現在生成式 AI 也能幫忙做出不錯的簡報,但我建議審閱一下生成的內容,做成自己看得懂、講得順的版本,所以一些基本的簡報技能還是不能少啊!
即使是工程師,也要處理很多自然語言的訊息,包含撰寫程式碼的途中,留下 comment 註記某段的重點; push 程式碼到 GitHub 時,需要填寫 commit message。就連向 Gen AI 問問題的 prompt,都是要好好寫下文字的工(難道你要跟 Gen AI 比誰比較會胡說八道 XD?)
在數學教育領域中最相關的任務,就屬「命題」了吧。撇除一些搭配數學關係式的慣用語句,要如何好好組織一篇完整結構的題目與問題描述,還要讓初學這些知識的學生看得懂,就讓不少現場老師傷腦筋了。我在最後一份跟數學教育相關的工作中,接觸到科普寫作,要面對的困難跟命題工作也相去不遠。
總結來說,目標就是以圈內、圈外人都看得懂的用語,寫出對大家都好讀的內容。聽起來就像「小孩子才做選擇,我全都要」的不切實際,但我認為這對寫作來說,是值得努力的方向。如果只是要應用在工作中會遇到的寫作場景,我想除了一些通則外,也可以根據讀者來調整一些細節:
同樣地,現在 Gen AI 已經能組織出差不多像樣的文章,但即使在 prompt 寫的需求再怎麼清楚,依然不能跳過審閱的步驟;身為提供 prompt 的人,如果連你都看不懂 Gen AI 在寫什麼毛,怎能期待你的讀者會看得懂呢?(別輕易假設讀者比你厲害😅)
這裡提到的溝通,並不只是「說話」,而是更著重在互動的過程。「你這個人很難溝通!」經常在氣氛緊張的討論場合中出現,大部分可以歸因於討論時的互動出了狀況,當然「說話」本身也是變數之一,而且觸發者可能來自多方(包含自己)。可想而知,要解決溝通上的問題,是件非常有挑戰性的事。
我曾處理過的溝通情境,除了日常問題討論之外,還有舉辦大大小小的研發討論、評量共識等會議,規模從3-5人到20人左右的都有。雖然我在這些情境擔任的角色有點不同,但處理溝通的手段,其實有不少共通的部分,像是說清楚問題、聽懂別人的回應、彙整多方描述、釐清異同與影響、歸納共識與結論。
看起來用到的手段不少,但我覺得可以再精煉成「說清楚問題」與「聽懂別人的回應」。關於「說清楚問題」,我認為可以套用多數前面提到「寫作」的原則,而「聽懂別人的回應」,也可以透過「說清楚問題」來操作:把你理解到的內容,再說清楚給對方聽,確保彼此認知一致。關於彙整、釐清、歸納,其實也是透過不斷地「說清楚」、「聽懂」的循環建立而成,只是隨時討論推進,要說清楚什麼與聽懂什麼的目標不同而已。
至於怎樣讓「說清楚」、「聽懂」的過程流暢,可以參考我目前採取過的方式:
雖然我分享了許多實現的方法與原則,但我認為還有繼續摸索、學習的空間,或許未來遇到很不一樣的情境時,又會有不同的心得,也很難說不會打臉現在的自己 XD 如果那個時候真的到來,再來跟各位報告囉~
Epilogue
前陣子在忙一個大專案,趁現在客戶 UAT & 正式上線前的空檔,來更新一下這個系列。畢竟這個系列是「今天不寫 code」,忙著寫 code 的話就沒辦法更新,也是很合理的吧(?