新闻动态
NEWS CENTER
NEWS CENTER
2020-12-04
经过近几年来的发展，产品经理的岗位职责划分的越来越细，对能力的要求也越来越高。
很多刚接手做AI产品的童鞋会困扰，到底需要对人工智能技术掌握到什么程度才能够胜任好这份工作；笔者通过自身的学习经验，期望能以此篇文章为刚入行或者想入行的童鞋打开一些学习思路。
AI产品经理除了要掌握通用的产品技能，需要具有更强的专业性、广博性和条理性；AI技术作为一种新的生产力，处理了过往技术无法处理的复杂的非结构化数据。
很多人在使用机器学习时，喜欢简单粗暴的将数据丢给算法模型，期望从数据中自己得到结论；AI绝不是将手中的数据喂给它，就能够解决我们的业务问题。
很多公司老板容易AI超神论，认为我们掌握了技术，拥有了人才，就能够建立自己的护城河；作为产品经理需要清楚的理解机器学习的使用场景和边界，清晰定位问题才能寻找新的市场机会。
五看三定模型其实是华为的战略管理框架，现在把它结合到产品的工作中。
1）五看包括：
看行业/趋势：
看市场/客户：确定需求强度，需求可替代性，以及客户的持续付费能力。
看竞争：当前市场的竞争态势，有多少玩家在里面，分别占据了怎样的市场份额。
看自己：评估内部资源，现有的产品矩阵。
看机会：是否存在弯道超车的机会，做到人无我有，人有我优。
2）三定包括：
定控制点：简单可理解为一种不易被构建及超越的中长期竞争力，控制有不同的维度，如成本优势、功能性能的领先、技术的壁垒、品牌与客户关系、绝对的市场份额等。
定目标：制定清晰的战略目标，并拆解为最小任务，分步执行、监控、评估。
定策略：策略即战术，策略的制定决定了后续的资源分配、系统如何组成。
在开展新的业务线时，首先问自己几个问题：我们的护城河在哪？最终产品形态是什么样子？我们为市场提供了怎样的解决方案？服务方式？服务能力？
面对不同的业务线首先要做到战略洞察所处环境与价值分析，制定清晰的战略目标和策略，通过五看三定原则合理的找到产品定位。
先发型产品：
拥有最快路径、利用产业升级进行驱动、建立核心门槛和护城河、资源消耗轻、塑造行业标准。
赶超型产品：
拥有最优路径、差异化的竞争驱动、对标核心竞品，寻找机会、研发资源投入较多、达到行业标准以上、做好客户服务。
数据与信息的关系：
数据反映在事物属性的记录上，而信息是具体事物的表现形式，即数据经过加工和处理后，可揭示和转化为信息。
信息被识别后表示的符号为数据。
结构化数据和非结构化数据：
结构化的数据简单可以理解为数据库中的数据，可以结合具体的使用场景易于理解的数据。
非结构化的数据是指没有进行预定义，并且不方便用二维逻辑来表现和解释的数据，比如文本、图片、音频、视频。
何为脏数据：数据不再我们预先定义的范围内或对实际业务无意义。
理解数据的业务内涵是非常关键的一步，这要求产品经理对业务的各个流程和关键节点要非常的熟悉，理解数据代表的含义；遇到模糊、定义不清晰的数据要充分与业务部门沟通，准确了解数据内涵。
业务数据包含但不局限于：
业务指标包含但不局限于：
业务数据不独立存在，基于不同的业务背景可传达出不同的含义，数据的计算重组可发挥出极大的业务价值，需要基于自身的工作场景挖掘数据内涵。
数据处理流程包含了数据采集->数据处理->数据分析->数据应用->持续跟踪和验证。
数据采集：
数据处理：
数据分析：
数据应用：
除此之外根据具体要解决的业务问题，还需要完成业务建模、数学建模、经验数据分析，此部分通常由数据分析师进行，产品经理涉及较少。
机器学习为计算机提供了不同的数据处理方法，这些处理数据的方法可以直接从数据中学习，不需要额外的编程即可做出预测。
我们可以将机器学习简单理解为函数，像理解y=x² 一样，给到一个输入项，通过公式的计算即可得出一个对应的计算结果；这个公式不需要编码预设逻辑，由数据的规律计算得出。
机器学习过程分为训练阶段和预测阶段。
训练阶段需要提前准备一定的历史数据（即公式的x和y），通过机器学习算法，训练出一套可计算的公式（即模型）。
预测阶段就是拿真实的数据（x），在训练好的模型上进行输入，观察输出的结果（y），是否符合预期，若符合预期即完成了一个机器学习模型的训练。