人工智能首页 > AI资讯 > 正文

人工智能产品经理需要拥有敏锐的数据洞察力

2019-08-27 阅读888次

  人工智能产品经理属于产品经理的一种,必须对用户、需求、商业模式有深刻的认知。除此之外,人工智能产品经理还需要4项基本技能: 懂数据、懂算法、会沟通、懂行业 ,如图1所示。

  

人工智能产品经理的基本技能


  图1 人工智能产品经理的基本技能

  数据由行业产生,人工智能产品经理需要拥有敏锐的数据洞察力,这样才能在众多业务数据中梳理出有价值的数据信息;算法在没有使用场景时,只是一些数学公式,行业就是算法的使用场景,算法过程需要根据使用场景而改变,这样才能更好的服务于场景,数据是算法血液,算法中的很多参数是依靠数据训练而得到;沟通是产品经理的固有技能,人工智能产品经理的沟通需要根据自身对行业、数据、算法的理解,与开发工程师、运营人员及行业专家等不同角色进行交流,才能有效的调动资源;懂行业是做产品的基本素质,产品使用场景、商业模式都源于对行业的认知。

  1. 懂数据

  数据是人工智能产品的基础,人工智能产品经理必须懂得如何利用数据去构建产品。懂数据经常与懂行业相伴相生,数据毕竟来源于行业,所以数据自然带有行业的一部分特征。人工智能产品经理的数据认知,主要体现在以下三个方面,如图2所示。

  

人工智能产品经理的基本技能


  图2 数据认知的三个方面

  (1)懂数据的业务内涵

  数据业务内涵是指数据在业务中的意义。无论是做数据分析,还是做人工智能产品,首先要搞清每种数据的含义。数据通常来讲能够反应出某项业务或某类业务,模型的构建过程也是对业务关系的梳理。懂得数据业务内涵对也有有利于掌控数据标注的相关工作。

  (2)懂数据属性

  数据属性是指数据本身的特征。数据属性包括数据类型、数据质量等不同维度的属性。数据类型很多,有图像数据、文本数据、声音数据等,每种数据类型具有不同的分析方法与建模方法。图像数据可以采用卷积神经网络进行处理,文本数据可以采用决策树以及马尔科夫链模型进行处理。数据质量包含的内容较多,包括数据真实性、数据结构化程度、数据异常情况等。不同质量的数据处理过程也不同。大多数情况下,非结构化数据需要转化为结构化数据后才能构建模型。

  (3)懂数据处理的技术与流程

  数据处理是指将原始数据变为对特定场景下有价值、有意义的数据形式。人工智能产品经理应该掌握数据处理的技术与流程,具体内容在本书3.3节数据治理中有详细介绍。

  人工智能产品经理首先需要对数据进行整体评估,确定数据是否能够满足业务需求,评价数据质量等相关情况。在对数据充分认知后,才能够进行数据处理与建模工作。

  2. 懂算法

  人工智能产品经理需要参与算法的设计过程,所以必须深入了解算法原理。懂算法可以更好的与算法工程师沟通,并且能够知晓不同算法的应用场景。

  熟悉普通产品经理工作流程人都应该清楚,普通产品经理主要以提出需求为主,他们撰写产品需求文档提交给开发工程师,由开发工程师应按照需求文档的内容进行开发。普通产品经理的工作模式是制定一个产品开发的目标,由开发工程师去完成这个目标。普通产品经理以“目标”为导向来参与产品研发,他们制定产品功能的目标,为最终结果负责。对于具体“目标”的实现过程,普通产品经理很少参与,大部分由开发工程师完成。

  人工智能产品经理需要懂算法,这样才能参与产品功能的实现过程。在产品开发的过程中,人工智能产品经理始终参与算法的研发,一直需要与算法工程师保持紧密的配合。人工智能产品经理需要针对行业特征进行技术预研,评估哪些算法适合产品的应用场景。算法模型的训练以及训练数据的准备工作,都需要人工智能产品经理参与。首先,人工智能产品经理会提出产品需求,在提出产品需求后,他们会帮助算法工程师寻找合适的路径去实现。人工智能产品经理不仅要撰写需求文档,还需要撰写技术文档,通过自己对技术和行业的了解,在需求与算法间建立一栋桥梁,提出最佳的算法及技术实现路径。人工智能产品经理更多的参与产品“目标”的实现过程过程,是以“过程”为导向来参与产品研发。由此可见,人工智能产品经理需要懂技术,这样才能顺利进行技术预研,并保证与算法工程师沟通顺畅。

  基于行业特点,人工智能产品经理首先需要确定哪些是分类问题?哪些是预测问题?解决这些问题适合用什么算法?这些都需要与算法工程师深入的沟通,沟通的基础就是对算法的理解。

  通常情况下行业问题都比较复杂,很难用单一的算法满足需求。人工智能产品经理需要探索如何组合不同的算法来满足行业需求。算法就像积木,人工智能产品经理需要根据行业需求的特点,去将算法积木搭建成相应的形状。只有人工智能产品经理懂得算法原理,才能知道如何利用算法满足行业需求。

  

人工智能产品经理的基本技能


  图3 人工智能产品的算法设计路径

  在产品构建过程中,人工智能产品经理参与算法设计的路径如图3所示。

  第一步,需求确定。确认需求是一个反复的过程,首先通过自己对行业的了解提出需求,之后要通过访问行业专家或用户调研确定需求。

  第二步,算法设计。算法设计考虑的维度较多,首先要将需求分解成几个部分,分析这些问题属于哪类问题。如果是文本分析问题,可以考虑使用长短时记忆神经网络解决,如果是策略规划问题,可以考虑用强化学习解决,除此之外还需要考虑数据的情况。综合以上各种情况确定使用何种算法。

  第三步,算法讨论。将算法设计的思路与算法工程师讨论,共同完成算法的实施路径。

  第四步,算法确认。算法达到三个要求可以认为完成了算法确认。其一,能够满足也业务要求;其二,在现有资源环境下可实施开发。当算法得到几方确认后,便可以开始实施开发。

  第五步,算法验收。算法在实施过程中会有非常多问题存在,需要真正完成开发才能知道效果如何。在算法模型与真实业务系统完成对接,运营环境、运维等工作都得到确认,并确定算法模型能够达到需求之后,算法验收工作才能结束。

  算法模型就像产品一样,同样是一个不断改进更新的循环过程。在这个过程中,伴随着硬件的升级,新模型的设计思路,甚至新业务数据的加入,算法只有不断改进才能更好的符合业务需求。

  3. 会沟通

  人工智能产品经理作为需求、算法、项目三方的协调者与管理者,尽量采用专家方式沟通会更有效。所谓专家式沟通主要强调沟通者以专家的身份,有理有力有节的阐述观点进行沟通。人工智能产品经理与别人沟通时,需要具备以下3个特点,如图4所示。

  

人工智能产品经理的基本技能


  图4 人工智能产品经理沟通要素

  专业性是人工智能产品经理的立命之本。无论是对于行业还是对算法,以及在规划功能和设计流程时,都应该始现自己的专业性。只有突出专业性,才更容易取得信任。

  条理性人工智能产品经理在一切沟通时的原则。无论什么样的沟通首先阐述结论,在阐述理由,同时说明问题的背景及相关说明。沟通时,必须做到条理清晰,阐述理由时尽量使用推理演绎的逻辑路径,能够用图表达的尽量不要用文字。

  广博性是人工智能产品经理个人魅力体现。需要人工智能产品经理有广阔的知识面与变通能力,针对不同的沟通对象尽量使用同样的语言,或类似的思考路径进行沟通,否则很容易产生无效沟通,而浪费了大量的时间。人工智能产品经理沟通对象很多,所以需要有足够的知识储备,所以尽量做到懂算法、懂行业、懂设计、懂运营的综合人才。

  人工智能产品经理最重要的沟通对象是算法工程师。吴恩达在NIPS 2016演讲中提到了人工智能产品经理的角色定位,强调人工智能产品经理是用户与算法人员间的桥梁。由于算法工程师并不很了解行业,如何将行业内容用算法语言描述给算法工程师是十分重要的,这种沟通我们称之为“转译”。转译就像是一个翻译过程,将不同两个领域的术语翻译给对方。人工智能产品经理进行转译时,需要注意以下几个要点:

  (1)沟通行业背景

  人工智能产品经理具有行业背景,与算法工程师沟通时,尽量使用对方能够听懂的语言,解释产品给行业带来的价值。首先双方应该沟通产品的行业背景,能够使算法人员对整个产品有更全面的了解,有利于代码质量的提高。

  (2)说明产品价值

  首先将沟通的最终目标解释给对方,让对方明白这件工作的意义。例如在与算法工程师沟通时,首先让对方明白我们需要实现产品功能是什么。在了解产品功能之后,再进行算法方面的讨论。

  (3)产品功能分解

  产品功能通常由很多小的功能模块组成,人工智能产品经理需要根据自己对行业的理解,将产品功能进行模块化拆分,与算法工程师针对单个模块内容进行沟通。

  (4)给出数据例

  数据例指的是训练数据的数据样例。人工智能产品经理需要负责数据的协调工作,应该尽快让算法工程师看到数据例,这样能节省很多沟通的时间。即使现在没有足够的数据,数据的基本情况也要尽快与算法工程师沟通。

  (5)提供算法方案

  人工智能产品经理需要进行技术预研,应该首先提出一套算法方案用于和算法工程师交流。该算法方案包括建议使用的算法类型、数据处理方案等。这样可以就具体的算法路径进行讨论,提高了沟通的效率。

  下面以一个行业壁垒的很高的产品为例,说明人工智能产品经理如何与算法工程师进行沟通。


随意打赏