起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí)3招掌握AI與大數(shù)據(jù)產(chǎn)品經(jīng)理的能力
產(chǎn)品經(jīng)理有很多種，雙重能力如何掌握？
產(chǎn)品經(jīng)理有很多種，譬如有重業(yè)務(wù)的B端產(chǎn)品經(jīng)理，有重增長(zhǎng)吸引用戶的C端產(chǎn)品經(jīng)理，還有SaaS，AaaS，IaaS產(chǎn)品經(jīng)理等等種類，當(dāng)我們還沒有討論完產(chǎn)品經(jīng)理都是怎么進(jìn)化來的時(shí)候，發(fā)現(xiàn)市場(chǎng)對(duì)產(chǎn)品經(jīng)理的崗位能力開始有較高的要求了。
其中有兩類產(chǎn)品經(jīng)理對(duì)軟硬件技能為更高且更為市場(chǎng)所需求，一類是AI產(chǎn)品經(jīng)理，一類是大數(shù)據(jù)產(chǎn)品經(jīng)理。
那么我們?cè)趺凑J(rèn)知這兩類產(chǎn)品經(jīng)理的關(guān)系呢？能不能做到大數(shù)據(jù)與AI復(fù)合上身的產(chǎn)品經(jīng)理呢？做到后即將成為什么樣基因的產(chǎn)品經(jīng)理呢？
本篇將進(jìn)行講解。
第一招：開門點(diǎn)題
AI產(chǎn)品經(jīng)理與大數(shù)據(jù)產(chǎn)品經(jīng)理的關(guān)系是一體兩翼的關(guān)系，如下圖：
數(shù)據(jù)日常的大路路徑是匯聚、存儲(chǔ)、處理。
分叉后一條路線是形成數(shù)據(jù)集AorB，輸送給特定的模型，進(jìn)行訓(xùn)練。
例如輸送給RFM模型，AI產(chǎn)品經(jīng)理確認(rèn)數(shù)據(jù)的業(yè)務(wù)意義，比方說張三是高價(jià)值客戶，李四是高潛力客戶，那么那些數(shù)據(jù)代表張三是高價(jià)值客戶，RFM模型中的最近購(gòu)買時(shí)間R，購(gòu)買頻次F，消費(fèi)金額M，究竟怎么來驗(yàn)證張三是高價(jià)值客戶，這個(gè)時(shí)候AI產(chǎn)品經(jīng)理會(huì)就業(yè)務(wù)本身自然呈現(xiàn)的內(nèi)容輸送到模型，幫助優(yōu)化訓(xùn)練模型。
在做的過程中，會(huì)驗(yàn)證發(fā)現(xiàn)RFM模型有缺陷，不能很好地對(duì)航司客戶進(jìn)行智能化識(shí)別，那么RFM模型就逐步地迭代為L(zhǎng)RFM模型，再然后就部署的具體的系統(tǒng)模塊供各個(gè)業(yè)務(wù)項(xiàng)目場(chǎng)景應(yīng)用。
分叉后另外一條路線是供數(shù)據(jù)分析，比如某外賣平臺(tái)希望通過消費(fèi)者LineLian的用戶歷史和時(shí)間序列數(shù)據(jù)達(dá)到提高LineLian的消費(fèi)品類的目標(biāo)，那么需要對(duì)LineLian的消費(fèi)存量數(shù)據(jù)進(jìn)行分析，這里需要分析LineLian以往消費(fèi)數(shù)據(jù)，例如LineLian以往消費(fèi)都是晚餐（IT男加班多），消費(fèi)晚餐的POI點(diǎn)，消費(fèi)晚餐的品類等等，然后設(shè)計(jì)算法分析出千千萬萬個(gè)LineLian用戶，哪些可以從常定晚餐到推薦午餐也定午餐的目標(biāo)。
從上圖分析可見AI產(chǎn)品經(jīng)理與大數(shù)據(jù)產(chǎn)品經(jīng)理有著天然的蜜著點(diǎn)且關(guān)系緊密，均是建立在數(shù)據(jù)的一體上發(fā)展出來的兩翼。
第二招：AI產(chǎn)品與大數(shù)據(jù)產(chǎn)品的各自內(nèi)容
雖說AI與大數(shù)據(jù)的關(guān)系藕斷絲連，但是AI有AI的獨(dú)立空間，大數(shù)據(jù)也有大數(shù)據(jù)的橋頭切面。
兩者各自的內(nèi)容如下圖：
大數(shù)據(jù)產(chǎn)品經(jīng)理圍繞著數(shù)據(jù)平臺(tái)做產(chǎn)品（大數(shù)據(jù)平臺(tái)包含數(shù)據(jù)中臺(tái)），數(shù)據(jù)平臺(tái)從下層往上層大數(shù)據(jù)，產(chǎn)品經(jīng)理依次會(huì)陪著大數(shù)據(jù)架構(gòu)師先治理數(shù)據(jù)如何存，再治理大數(shù)據(jù)的增長(zhǎng)，再治理異構(gòu)數(shù)據(jù)，再次才是數(shù)據(jù)的有關(guān)功能的開發(fā)應(yīng)用。例如：數(shù)據(jù)分析，數(shù)據(jù)可視化，數(shù)據(jù)資產(chǎn)管理，數(shù)據(jù)質(zhì)量管理等等。
而AI產(chǎn)品經(jīng)理主要圍繞著AI需要的算法、AI需要的算力、AI應(yīng)用于哪些場(chǎng)景為核心而工作，AI平臺(tái)如上圖。
一名AI產(chǎn)品經(jīng)理先從下面云、芯片等算力開始著手，一直到中間層的機(jī)器視覺、機(jī)器聽覺、NLP等算法，最后到AI應(yīng)用的場(chǎng)景譬如智能駕駛、智能家居等等場(chǎng)景。
第三招：AI產(chǎn)品經(jīng)理+大數(shù)據(jù)產(chǎn)品經(jīng)理=數(shù)智化產(chǎn)品經(jīng)理
雖說大數(shù)據(jù)產(chǎn)品經(jīng)理與AI產(chǎn)品經(jīng)理現(xiàn)階段有著各自的內(nèi)容，但是中期大數(shù)據(jù)產(chǎn)品經(jīng)理與AI產(chǎn)品一定有協(xié)同混合的市場(chǎng)需求，即市場(chǎng)老板不會(huì)將AI拆分成AI，也不會(huì)簡(jiǎn)單的將大數(shù)據(jù)單獨(dú)的作為大數(shù)據(jù)，長(zhǎng)期看是數(shù)智化產(chǎn)品為主導(dǎo)趨勢(shì)！
特別說明，數(shù)智化的智是智能的智。
早期，宜即時(shí)下市場(chǎng)上典型的案例是，許多企業(yè)需求是要構(gòu)建自己的數(shù)據(jù)中臺(tái)，一個(gè)數(shù)據(jù)中臺(tái)里是很難看到AI的核心使命的。但是中期看AI與大數(shù)據(jù)會(huì)有融合，即當(dāng)數(shù)據(jù)治理以后，下一層自然推送到機(jī)器學(xué)習(xí)平臺(tái)，當(dāng)然早期和中期之間是有銜接的過渡地帶的。但是長(zhǎng)期來看，數(shù)智一體化產(chǎn)品才是產(chǎn)品經(jīng)理進(jìn)化的深度趨勢(shì)，如下圖：
數(shù)智化產(chǎn)品經(jīng)理基礎(chǔ)是數(shù)據(jù)工作‘其次是具有通用級(jí)別的大數(shù)據(jù)治理能力，例如有適應(yīng)性頗高的算法+算力能力來計(jì)算大數(shù)據(jù)，然后是客客制化的AI模型算法能力，最后是場(chǎng)景挖掘應(yīng)用思維，具備這種數(shù)智化系統(tǒng)的產(chǎn)品是未來市場(chǎng)的產(chǎn)品經(jīng)理！
除了明白上面3招外AI產(chǎn)品與大數(shù)據(jù)產(chǎn)品的關(guān)系和內(nèi)涵知識(shí)外，還有如下3招幫助我們上手大數(shù)據(jù)與AI產(chǎn)品經(jīng)理。
AI產(chǎn)品與大數(shù)據(jù)產(chǎn)品需懂的技術(shù)層面
想成為AI產(chǎn)品經(jīng)理和大數(shù)據(jù)產(chǎn)品經(jīng)理注定需要先吃一番風(fēng)霜苦。
首先，自己有無抓住AI和大數(shù)據(jù)的紅利期，實(shí)現(xiàn)從傳統(tǒng)產(chǎn)品經(jīng)理轉(zhuǎn)型到AI大數(shù)據(jù)產(chǎn)品經(jīng)理的思維方式；其次有無做好接受數(shù)據(jù)匯聚、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、算法針對(duì)行業(yè)業(yè)務(wù)的類型、模型在不同的數(shù)據(jù)集訓(xùn)練測(cè)試持續(xù)優(yōu)化的準(zhǔn)備，需要準(zhǔn)備哪些呢？譬如：打破小產(chǎn)品的認(rèn)知，走向大產(chǎn)品。
學(xué)著做一個(gè)AI大數(shù)據(jù)產(chǎn)品的融資方案，市場(chǎng)規(guī)模調(diào)研，可行性分析報(bào)告，還有最最核心的以用戶需求和客戶要求做的具體的AI大數(shù)據(jù)產(chǎn)品的產(chǎn)品界面、功能、后臺(tái)數(shù)據(jù)治理的文檔。
過程中需要懂的技術(shù)至少有：
- 硬件基礎(chǔ)層的CPU/GPU/FPGA/ASIC等；
- 引擎框架層的高性能計(jì)算引擎如分布式計(jì)算框架/交互式分析框架/深度學(xué)習(xí)框架等，Hadoop生態(tài)圈組件的HDFS/Hbase/Kafka等，數(shù)據(jù)庫的時(shí)序數(shù)據(jù)庫/高性能的OLAP數(shù)據(jù)庫等，還有容器云管理等；
- 平臺(tái)級(jí)產(chǎn)品層，大數(shù)據(jù)管理數(shù)據(jù)集成的流程/元數(shù)據(jù)管理/數(shù)據(jù)質(zhì)量管理/數(shù)據(jù)資產(chǎn)管理/數(shù)據(jù)安全管理等，大數(shù)據(jù)AI機(jī)器學(xué)習(xí)的模型部署管理/邊緣AI/可視化開發(fā)/IDE集成開發(fā)等，當(dāng)然還有集群管理，用戶管理，權(quán)限管理，監(jiān)控管理等。
以上技術(shù)懂的尺度和邊界是你所在的團(tuán)隊(duì)技術(shù)不懂的你得懂，技術(shù)懂的你得能跟他交流。
最后，大數(shù)據(jù)AI產(chǎn)品經(jīng)理或者說數(shù)智產(chǎn)品經(jīng)理，如何尋找新的場(chǎng)景需求，并具有發(fā)展性產(chǎn)品思維留做下篇講解，謝謝觀看。
如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab
#專欄作家#
連詩路，公眾號(hào)：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時(shí)代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自Unsplash, 基于CC0協(xié)議
大家期待已久的《數(shù)據(jù)產(chǎn)品經(jīng)理實(shí)戰(zhàn)訓(xùn)練營(yíng)》終于在起點(diǎn)學(xué)院（人人都是產(chǎn)品經(jīng)理旗下教育機(jī)構(gòu)）上線啦！
本課程非常適合新手?jǐn)?shù)據(jù)產(chǎn)品經(jīng)理，或者想要轉(zhuǎn)崗的產(chǎn)品經(jīng)理、數(shù)據(jù)分析師、研發(fā)、產(chǎn)品運(yùn)營(yíng)等人群。
課程會(huì)從基礎(chǔ)概念，到核心技能，再通過典型數(shù)據(jù)分析平臺(tái)的實(shí)戰(zhàn)，幫助大家構(gòu)建完整的知識(shí)體系，掌握數(shù)據(jù)產(chǎn)品經(jīng)理的基本功。
學(xué)完后你會(huì)掌握怎么建指標(biāo)體系、指標(biāo)字典，如何設(shè)計(jì)數(shù)據(jù)埋點(diǎn)、保證數(shù)據(jù)質(zhì)量，規(guī)劃大數(shù)據(jù)分析平臺(tái)等實(shí)際工作技能～
現(xiàn)在就添加空空老師（微信id：anne012520），咨詢課程詳情并領(lǐng)取福利優(yōu)惠吧！
目前AI大數(shù)據(jù)產(chǎn)品的討論和文章并不多，我們身處其中的人都在摸索。光數(shù)據(jù)集成的流程和元數(shù)據(jù)管理這兩項(xiàng)就很難去把控，希望老師有時(shí)間可以多分享下AI大數(shù)據(jù)產(chǎn)品相關(guān)的寶貴經(jīng)驗(yàn)，現(xiàn)實(shí)中這塊的學(xué)習(xí)和交流目前還很少。
求問，大佬們是怎么成功轉(zhuǎn)型成為AI/大數(shù)據(jù)產(chǎn)品經(jīng)理的??？工作起來的感覺如何？類似ToB產(chǎn)品經(jīng)理嗎？是否主要依賴邏輯思維能力？