起點課堂會員權益
職業(yè)體系課特權
線下行業(yè)大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識算法產(chǎn)品，5“W”1“H”
以“供應鏈領域”的算法產(chǎn)品經(jīng)理梳理需求的邏輯為例，來看看算法產(chǎn)品經(jīng)理平時的工作都是做些什么？
算法的應用場景興起，使之與其對應的算法工程師也在職場上興起，但在公司里，也存在一種非常重要的角色，那就是算法產(chǎn)品經(jīng)理。
簡單來說，他就是一個有些許算法背景同時又具備產(chǎn)品經(jīng)理特征的一類產(chǎn)品經(jīng)理，他可以通過產(chǎn)品經(jīng)理的結構化和產(chǎn)品化思維將復雜問題抽離出各個業(yè)務問題，同時與算法工程師探討后輸出完整的解決方案。同時，來在承接業(yè)務/拓展商域的機會。
今天我就來談談這么一類算法產(chǎn)品經(jīng)理，在工作中都是怎么做事兒的。
算法產(chǎn)品經(jīng)理接觸到的業(yè)務是什么（what）
算法產(chǎn)品經(jīng)理是誰（who）
算法產(chǎn)品和其他產(chǎn)品經(jīng)理一樣，要接觸商務、解決方案、內部業(yè)務人員、UED團隊、后端開發(fā)，還有最重要的就是要接觸一類人——算法工程師。
那在介紹算法產(chǎn)品經(jīng)理之前，有必要先介紹一下算法工程師
算法工程師是一群通過對業(yè)務系統(tǒng)以及數(shù)據(jù)的分析建模，進行業(yè)務指標優(yōu)化或者智能化改造的人。
算法產(chǎn)品經(jīng)理則是需要了解各個算法大致范圍及其適用的業(yè)務場景的群體。
聽到這里，就有人問了，那算法產(chǎn)品和算法工程師除了不要寫代碼，還有其他的本質區(qū)別么？
產(chǎn)品經(jīng)理除了需要了解算法，還需要有對業(yè)務問題辨別真?zhèn)魏蛯I(yè)務問題進行抽象的能力。而算法工程師就在拿到產(chǎn)品經(jīng)理梳理出的一個具體問題/一類具體問題的基礎上，通過代碼進行建模。
為什么需要算法產(chǎn)品經(jīng)理的存在（why）
有沒有發(fā)現(xiàn)算法產(chǎn)品經(jīng)理接觸的業(yè)務問題，都有一個共性？
就是需求背后的數(shù)據(jù)量大，難以通過簡單的工具/公式來求得較優(yōu)解。因此，這時候就需要有產(chǎn)品經(jīng)理這個崗位來將這些需求進行深度解讀和建模，甚至打造線上產(chǎn)品。
什么樣的公司需要算法產(chǎn)品經(jīng)理（where）
做圖像和做運籌、做軟件和做硬件的算法，肯定關注的點是不一樣的。因此算法一定要狠抓業(yè)務背景，堅持“場景驅動，技術支撐”。
目前招聘算法產(chǎn)品經(jīng)理的公司不在少數(shù)，金融類、圖像識別類、智能硬件類、物流類的公司等均有大量的人才需求，對人才的需求也會有一些側重點，但是基本的能力都是相同的。以下就以“供應鏈領域”的算法產(chǎn)品經(jīng)理梳理需求的邏輯為例，進行詳述。
算法產(chǎn)品經(jīng)理如何梳理需求（how）
以一個業(yè)務問題為例：為某一頭部商家優(yōu)化物流成本。
todo 1：確定項目邊界：確定本次測算范圍，是需要計算商品從工廠出庫以后的運輸和配送？還是著重關心工廠的產(chǎn)能和生產(chǎn)計劃中涉及的物流成本？具體指標項包含哪些項，每一項占的權重大概多少。
todo 2：還原商家的歷史情況，探索并挖掘對其物流成本影響最大的部分：這塊兒就需要用到一些簡單的數(shù)據(jù)清洗、數(shù)據(jù)交叉校驗的邏輯，而后結合自己對業(yè)務領域的了解，判斷出哪里的指標可能高于行業(yè)水平。
e.g. 該商家商品價值高，銷量不穩(wěn)定，歷史發(fā)貨記錄中有很多無效的調撥、或者某一個商品經(jīng)常因某地的缺貨導致跨省跨倉發(fā)貨，從而推導出因預測和鋪貨的不準確性導致庫存成本和配送成本偏高。
todo 3：調研影響大的部分分別由什么細節(jié)構成：進一步業(yè)務調研。最后抽象出配送成本和庫存成本分別由什么因素決定。
todo 4：輸出優(yōu)化方式，對整體項目分步驟來確定輸入、目標函數(shù)、約束條件和輸出。在剛剛的例子里，產(chǎn)品經(jīng)理決定優(yōu)化的步驟大致分為三步：第一步倉內選品（優(yōu)化配送成本）、 第二步做預測計劃（優(yōu)化存貨成本）、第三步優(yōu)化庫存，做補貨計劃（優(yōu)化存貨成本）。
接下來分三個步驟詳細剖析每一部分的關鍵要素。
第一步——倉內選品（以確定每個商品第一優(yōu)先發(fā)貨倉為例）
輸入：倉主數(shù)據(jù)、商品主數(shù)據(jù)、歷史一年的銷售訂單數(shù)據(jù)。
約束條件：某個商品在省份i必須選定一個倉庫供應。
目標函數(shù)：全局歷史一年中的配送成本最小。
輸出：每個倉內放什么商品。
第二步——預測計劃
輸入：上一步中的倉與商品關系、倉的覆蓋范圍、新老品替代關系等。
目標：以發(fā)貨地/收貨地為統(tǒng)計維度下的準確率優(yōu)先（準確率計算公式，需求調研后確定是簡單平均還是1-WMAPE或其他標準）。
輸出：“倉+商品”每日銷量明細。
第三步——補貨計劃
輸入：上一步中的銷售計劃數(shù)據(jù)、補貨相關業(yè)務參數(shù)等。??
約束條件：當某一客戶緊急訂貨時，可下達緊急航空件訂單，緊急訂單比例不可超過X%。
目標：全國現(xiàn)貨率優(yōu)先，其次考慮存貨周轉。
輸出：“倉+商品”日維度的節(jié)點庫存、采購下單、銷售需求、實際出庫明細。
todo 5：數(shù)據(jù)測試：自行生成幾套數(shù)據(jù)/或請研發(fā)脫敏多套商家數(shù)據(jù)進行測試，可通過數(shù)據(jù)指標/圖表來驗證優(yōu)化方案的可行性。
Todo 6：沉淀策略：通過Excel、PPT、Word的方式記錄優(yōu)化策略和效果，并用通俗易懂的語言沉淀建模邏輯，為了今后遇到相同的業(yè)務場景復用做準備。
需求沉淀后如何做線上產(chǎn)品（when）
當算法模型在線下測算多次效果呈現(xiàn)較好時，產(chǎn)品經(jīng)理就需要綜合考慮開發(fā)成本和產(chǎn)品收益的性價比和迭代計劃，去規(guī)劃線上版本及每個版本的預計用戶量。
首先將多重策略、多個步驟抽象、組件化，每個模塊添加產(chǎn)品說明（既要保留技術壁壘，又要降低用戶使用門檻）。同時考慮產(chǎn)品的目標群體、推廣計劃、付費模式、數(shù)據(jù)并發(fā)量和計算性能從而決定每個版本的展現(xiàn)形式。最終在得到反復的功能、數(shù)據(jù)、算法測試后上線。
寫在最后
算法興起的目的不是為了取代人，而是為人類提供更加高效的工具，因為，算法產(chǎn)品經(jīng)理作為探索業(yè)務和深挖技術之間的人，一定是未來的大勢所趨。
作為算法產(chǎn)品經(jīng)理，一定要注重培養(yǎng)自己的邏輯思考能力、業(yè)務抽象能力，并持續(xù)關注/學習前沿算法相關知識，不斷做技術和行業(yè)的沉淀，力求做出用戶體驗好又有技術標桿的好產(chǎn)品。
本文由 @B.J. Shen 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協(xié)議。
謝謝分享，收獲滿滿。
算法產(chǎn)品需要數(shù)學公式建模么？
一直覺得算法都是那些貪婪算法，排序算法那些，都是程序員，方便+威信