本書結(jié)構(gòu)
1 人工智能時(shí)代重新定義產(chǎn)品經(jīng)理
1.1 人工智能時(shí)代產(chǎn)品的特殊性
構(gòu)成人工智能產(chǎn)品的三要素
算法、計(jì)算能力、數(shù)據(jù)
產(chǎn)品經(jīng)理要從產(chǎn)品規(guī)劃初始階段開始到最后產(chǎn)品上線后的運(yùn)營(yíng)，對(duì)整個(gè)產(chǎn)品管理過程中考慮如何為研發(fā)團(tuán)隊(duì)創(chuàng)造三要素的最佳環(huán)境。
1 算法層面：設(shè)計(jì)的產(chǎn)品要和公司現(xiàn)有的算法研發(fā)能力想匹配。產(chǎn)品經(jīng)理要對(duì)主流的算法模型和框架有級(jí)別的認(rèn)知，并可以做到對(duì)各種算法在不同場(chǎng)景下的使用效果進(jìn)行量化評(píng)估。
2 計(jì)算能力層面：要從需求出發(fā)，衡量產(chǎn)品的功能所需求的算法模型要怎樣的系統(tǒng)架構(gòu)支撐，并能夠評(píng)估硬件開銷。綜合考慮利弊后判斷采用平臺(tái)即服務(wù)（Paas）還是自建計(jì)算平臺(tái)。
3 數(shù)據(jù)層面：優(yōu)質(zhì)的數(shù)據(jù)可以幫助企業(yè)快速建立門檻，好的數(shù)據(jù)比算法更重要。因此產(chǎn)品經(jīng)理要在產(chǎn)品設(shè)計(jì)之初就考慮產(chǎn)品從哪來、數(shù)據(jù)質(zhì)量怎么保證、數(shù)據(jù)治理工作怎么開展等
人工智能產(chǎn)品成功的必要條件
1 核心技術(shù)
2 產(chǎn)品化
宣傳產(chǎn)品價(jià)值->快速證明價(jià)值->交付用戶價(jià)值->延展價(jià)值
3 商業(yè)化
需要產(chǎn)品經(jīng)理能夠把場(chǎng)景、痛點(diǎn)分析透徹，并且評(píng)估產(chǎn)品能帶來的價(jià)值和研發(fā)成本后，制定適合的商業(yè)推廣策略和產(chǎn)品定價(jià)包裝策略，甚至必要的適合進(jìn)行產(chǎn)品定位調(diào)整，最終實(shí)現(xiàn)產(chǎn)品變現(xiàn)
1.2 人工智能產(chǎn)品經(jīng)理的價(jià)值定位
重新定位的主要原因
1 新技術(shù)的引入導(dǎo)致了全新的組織架構(gòu)的調(diào)整，形成了新的合作分工方式，因此產(chǎn)品經(jīng)理在團(tuán)隊(duì)中的橘色需要隨之改變以適應(yīng)新的協(xié)作方式
2 新的技術(shù)手段帶來完全不同的產(chǎn)品生命周期管理方式，在產(chǎn)品從需求分析到上線運(yùn)營(yíng)的整個(gè)過程中，由于新技術(shù)的引入產(chǎn)生了完全不同的迭代規(guī)律，因此產(chǎn)品經(jīng)理需要重新梳理產(chǎn)品管理流程
3 人工智能技術(shù)在給產(chǎn)品帶來更大的邊界和想象空間的同時(shí)，也伴隨著更高的法律和道德風(fēng)險(xiǎn)，產(chǎn)品經(jīng)理作為產(chǎn)品的主人和負(fù)責(zé)人需要時(shí)刻把控風(fēng)險(xiǎn)
可能成為三種關(guān)鍵角色
1 擁有市場(chǎng)和技術(shù)前瞻性的帶頭人
具備市場(chǎng)前瞻性，找到產(chǎn)品的目標(biāo)市場(chǎng)定位，判斷哪些前沿技術(shù)可以解決這些用戶痛點(diǎn)。兼顧技術(shù)和市場(chǎng)的前瞻性
2 技術(shù)賦能創(chuàng)新的驅(qū)動(dòng)者
研發(fā)者更傾向于使用新技術(shù)為自己創(chuàng)造產(chǎn)品。產(chǎn)品經(jīng)理只顧著帶領(lǐng)產(chǎn)品團(tuán)隊(duì)創(chuàng)新，故意讓研發(fā)人員專注于技術(shù)工作，時(shí)導(dǎo)致上面的根本原因，研發(fā)團(tuán)隊(duì)不能從用戶的滿意度和產(chǎn)品功能的價(jià)值上獲得成就感。
產(chǎn)品經(jīng)理要引導(dǎo)研發(fā)人員接觸用戶，了解需求場(chǎng)景，理解產(chǎn)品設(shè)計(jì)的邏輯和原由，在上線后將用戶的反饋（無論好壞）第一時(shí)間分享給研發(fā)人員。這樣他們一定會(huì)產(chǎn)生巨大的動(dòng)力和激情。
產(chǎn)品經(jīng)理應(yīng)主動(dòng)連接開發(fā)人員和市場(chǎng)反饋，激發(fā)團(tuán)隊(duì)的創(chuàng)造力，最終實(shí)現(xiàn)從技術(shù)到創(chuàng)新的快速轉(zhuǎn)化。
3 道德準(zhǔn)則的守護(hù)者
1.3 人工智能產(chǎn)品經(jīng)理需要兼具”軟硬“實(shí)力
人工智能產(chǎn)品經(jīng)理需要懂技術(shù)
1 不需要參與算法模型的選擇、調(diào)參、特性選取的過程，但需要對(duì)所在領(lǐng)域的產(chǎn)品研發(fā)過程每一個(gè)技術(shù)動(dòng)作的原理和最佳實(shí)踐有深刻的理解，并可以進(jìn)行熟練的解釋說明，利用公司內(nèi)部的協(xié)調(diào)溝通
2 在利用人工智能技術(shù)進(jìn)行產(chǎn)品研發(fā)時(shí)需要產(chǎn)品經(jīng)理能夠融入研發(fā)過程
3 掌握前沿技術(shù)在產(chǎn)品所在領(lǐng)域的應(yīng)用條件和最佳實(shí)踐
會(huì)用數(shù)字表達(dá)和判斷
能夠使用明確的量化方式表達(dá)自己的設(shè)計(jì)理念和設(shè)計(jì)目標(biāo)
懂得溝通和協(xié)作的藝術(shù)
1 團(tuán)隊(duì)組織架構(gòu)重新調(diào)整
2 日新月異的技術(shù)手段需要產(chǎn)品經(jīng)理快速學(xué)習(xí)和適應(yīng)
可以迅速的調(diào)取知識(shí)，而非死記硬背，如了解算法應(yīng)用不是推理
從業(yè)務(wù)需求出發(fā)，追本溯源找到知識(shí)的源頭，帶著目的去學(xué)習(xí)技術(shù)。學(xué)習(xí)之前要明確，為什么要學(xué)？為了解決什么樣的問題？要帶著問題去學(xué)習(xí)技術(shù)而不是盲目的學(xué)習(xí)。
除了日常的知識(shí)積累外，需要經(jīng)常和公司內(nèi)部的技術(shù)專家交換知識(shí)和觀點(diǎn)，將自己理解的技術(shù)知識(shí)將給技術(shù)專家，看是否有理解不一直需要調(diào)整
3 產(chǎn)品研發(fā)需要更多跨部門協(xié)作
前端、業(yè)務(wù)、引擎、算法計(jì)算平臺(tái)等
1.4 人工智能產(chǎn)品經(jīng)理入門
修煉思維模式：資源、解決方案、目標(biāo)導(dǎo)向
產(chǎn)品管理三種思維類型：
1 資源管理思維
關(guān)注資源的投入和產(chǎn)出
2 解決方案思維
有意識(shí)的尋找需求的解決方案，用戶要的是解決方案，而不是技術(shù)或產(chǎn)品本身。要能夠?qū)⒐镜挠布?、?shù)據(jù)、算法等不同部門的輸出的資源，以最優(yōu)的方式整合在一起，并形成解決方案。
一般開始技術(shù)驅(qū)動(dòng)，研發(fā)團(tuán)隊(duì)牽著產(chǎn)品團(tuán)隊(duì)干活，產(chǎn)品經(jīng)理等待研發(fā)人員將架構(gòu)、數(shù)據(jù)、目標(biāo)等想清楚再開工。但研發(fā)比產(chǎn)品經(jīng)理距離用戶和市場(chǎng)更遠(yuǎn)，需求把控能力有限，而人工智能產(chǎn)品的協(xié)作復(fù)雜，這時(shí)候更需要產(chǎn)品經(jīng)理協(xié)調(diào)各種資源輸出合理的解決方案。
主動(dòng)參與協(xié)調(diào)資源，并最終實(shí)現(xiàn)方案落地的思維習(xí)慣，具有異與常人的非線性思維和資源優(yōu)化的能力。
3 目標(biāo)導(dǎo)向思維
產(chǎn)品經(jīng)理具有前瞻性的視角，準(zhǔn)確定義一款在市場(chǎng)上具備競(jìng)爭(zhēng)力的產(chǎn)品目標(biāo)。
從技術(shù)角度和公司的資源現(xiàn)狀出發(fā)，確保目標(biāo)可以被量化，并細(xì)化為每個(gè)階段的多個(gè)具體的目標(biāo)。明確階段成果、時(shí)間節(jié)點(diǎn)、標(biāo)準(zhǔn)。同時(shí)協(xié)調(diào)資源，將目標(biāo)下發(fā)到團(tuán)隊(duì)成員。
構(gòu)建知識(shí)體系：六大模塊
1 基礎(chǔ)知識(shí)
領(lǐng)域術(shù)語、技術(shù)架構(gòu)、數(shù)據(jù)類型、測(cè)試方法
2 平臺(tái)和硬件支持
云計(jì)算、大數(shù)據(jù)、人工智能平臺(tái)、智能感知與互聯(lián)、智能芯片、邊緣計(jì)算
3 人工智能核心技術(shù)
自然語言處理、人機(jī)交互、計(jì)算機(jī)視覺、生物特征識(shí)別、語言識(shí)別、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、混合現(xiàn)實(shí)
4 常見行業(yè)實(shí)踐應(yīng)用和原理
語音和文字處理、圖像和視覺、大數(shù)據(jù)分析和預(yù)測(cè)
5 倫理、安全，法律知識(shí)
倫理、數(shù)據(jù)安全、法律知識(shí)
6 跨領(lǐng)域知識(shí)
心里學(xué)、哲學(xué)、數(shù)學(xué)、認(rèn)知科學(xué)
參與工程實(shí)踐
快速積累包含需求定義、算法實(shí)現(xiàn)、工程管理在內(nèi)各方面的經(jīng)驗(yàn)；要將工程實(shí)踐所學(xué)到的經(jīng)驗(yàn)定期加以整理，并固話到產(chǎn)品工作中。無論在哪都能適用
2 懂行業(yè)的產(chǎn)品經(jīng)理才不會(huì)被人工智能淘汰
2.1 人工智能時(shí)代將公司重新分類
三大分類
1 行業(yè)+人工智能公司
目前大部分是這種類型的公司，依賴自身多年的領(lǐng)域積累，給用戶提供人工智能賦能后的產(chǎn)品或服務(wù)。
2 應(yīng)用人工智能公司
通常提供一種基礎(chǔ)功能，客戶可以通過調(diào)用封裝好的應(yīng)用程序編程接口（API）進(jìn)行對(duì)自身產(chǎn)品的武裝或填充，而無須自己研發(fā)基礎(chǔ)功能。例如人臉識(shí)別功能可以被應(yīng)用到各種需要身份驗(yàn)證的產(chǎn)品中。
3 研發(fā)核心技術(shù)/基礎(chǔ)平臺(tái)的人工智能公司
從人工智能的底層平臺(tái)需求出發(fā)，構(gòu)建完整的從人工智能計(jì)算平臺(tái)的硬件研發(fā)、數(shù)據(jù)治理、AI建模再到平臺(tái)部署的人工智能的“基礎(chǔ)設(shè)施”。
三類公司對(duì)產(chǎn)品經(jīng)理能力的要求
1 對(duì)行業(yè)的理解離和對(duì)行業(yè)趨勢(shì)的洞察力是核心。打磨自己對(duì)行業(yè)的理解是第一位，然后才是利用人工智能技術(shù)提升產(chǎn)品價(jià)值
2 商業(yè)模式主要to B為主，需要產(chǎn)品經(jīng)理要有一定的商務(wù)技能（如售前、效手技能），同時(shí)又要具備項(xiàng)目管理經(jīng)驗(yàn)。另外不同客戶對(duì)產(chǎn)品的需求不同，比如需要定制化開發(fā)，產(chǎn)品經(jīng)理要明確區(qū)分標(biāo)準(zhǔn)化產(chǎn)品和定制化產(chǎn)品，對(duì)產(chǎn)品需求管理能力也提出了較高的要求。to B類產(chǎn)品要考慮產(chǎn)品的CAC（customer acquisition cost，用戶獲取成本）、產(chǎn)品的LTV（life time value，用戶的終身價(jià)值）、產(chǎn)品的PBP（payback period，為獲得用戶而付出的成本的回收周期），產(chǎn)品經(jīng)理在不斷跟蹤C(jī)AC、LTV、PBP變化的同時(shí)，制定適時(shí)的市場(chǎng)策略、產(chǎn)品運(yùn)營(yíng)策略及產(chǎn)品的戰(zhàn)略方向
3 對(duì)底層技術(shù)框架的理解，需要了解底層通信機(jī)制、稀疏參數(shù)更新原理等，傾向于尋找從事過研發(fā)工作的產(chǎn)品經(jīng)理
2.2 什么叫做“懂行業(yè)”
六種行業(yè)分析維度
1 行業(yè)特點(diǎn)
歷史背景、當(dāng)下的增長(zhǎng)能力、與宏觀經(jīng)濟(jì)周期的關(guān)系、固有風(fēng)險(xiǎn)及該行業(yè)在其他國(guó)家的發(fā)展規(guī)律等
2 行業(yè)運(yùn)行趨勢(shì)
國(guó)內(nèi)外行業(yè)發(fā)展趨勢(shì)和方向，包括供應(yīng)商談判能力、購(gòu)買者談判能力、現(xiàn)有同行競(jìng)爭(zhēng)的局面、龍頭企業(yè)目前面臨的主要問題、有哪些成功的管理和技術(shù)經(jīng)驗(yàn)，這些經(jīng)驗(yàn)是否可以借鑒或復(fù)制、新進(jìn)入者的威脅、替代產(chǎn)品和服務(wù)威脅等。
同時(shí)關(guān)注新技術(shù)在其他領(lǐng)域的成功應(yīng)用是否會(huì)是本領(lǐng)域的創(chuàng)新機(jī)會(huì)。人工智能時(shí)代行業(yè)是行業(yè)洗牌的關(guān)鍵時(shí)期，過去的規(guī)律在今天不一定奏效，因此能夠把握趨勢(shì)、順勢(shì)而為切能有一定的預(yù)見性是產(chǎn)品經(jīng)理非常重要的素質(zhì)。
3 競(jìng)爭(zhēng)力因素分析
了解行業(yè)內(nèi)價(jià)格、品質(zhì)、質(zhì)量、分銷能力、上游資源、成本、成品差異、技術(shù)壁壘、管理水平、地理位置等方面的情況。除此之外，人工智能時(shí)代的市場(chǎng)競(jìng)爭(zhēng)中，公司的數(shù)據(jù)積累、算法積累、計(jì)算能力積累從短期和長(zhǎng)期來看，都占據(jù)較高的權(quán)重，產(chǎn)品經(jīng)理需要格外重視管理和規(guī)劃。
4 行業(yè)整合
了解行業(yè)集中度、外資進(jìn)入、收購(gòu)兼并等
5 政府管理
了解行業(yè)的準(zhǔn)入門檻、國(guó)家法規(guī)、價(jià)格、稅收、進(jìn)出口等
6 商業(yè)模式
產(chǎn)品經(jīng)理不僅是商業(yè)模式落地的執(zhí)行者，也是探索商業(yè)模式的先鋒，產(chǎn)品經(jīng)理要關(guān)注行業(yè)的掙錢手段、產(chǎn)品鏈邏輯、價(jià)值鏈如何構(gòu)成。
2.3 如何修煉稱為行業(yè)產(chǎn)品專家
以“點(diǎn)”切入行業(yè)
所謂“點(diǎn)”就是場(chǎng)景，要找到有商業(yè)價(jià)值的場(chǎng)景，并提煉出場(chǎng)景中可以幫助產(chǎn)品建立優(yōu)勢(shì)的關(guān)鍵點(diǎn)。要平衡場(chǎng)景對(duì)應(yīng)的市場(chǎng)價(jià)值和你能解決場(chǎng)景問題的能力和投入。尤其對(duì)于創(chuàng)業(yè)公司來說，場(chǎng)景的選擇要與自身情況結(jié)合，否則選擇正確的場(chǎng)景但沒有技術(shù)、數(shù)據(jù)積累或能夠快速推廣的市場(chǎng)營(yíng)銷策略，也形成不了核心競(jìng)爭(zhēng)力?；蛘哂屑夹g(shù)但找不到好的場(chǎng)景，無法把技術(shù)進(jìn)行商業(yè)變現(xiàn)，也是如此。
可從2個(gè)方面打磨對(duì)“點(diǎn)”的把握能力：
1 產(chǎn)品經(jīng)理打磨自身對(duì)場(chǎng)景的理解和判斷力，確保產(chǎn)品在市場(chǎng)中的定位是當(dāng)下階段最適合的
首先，確定該行業(yè)中的幾個(gè)主要“價(jià)值場(chǎng)景”，如需求強(qiáng)烈切市場(chǎng)需求夠大
然后，收集場(chǎng)景中的基本信息：人物、時(shí)間、地點(diǎn)、做什么事、達(dá)到什么目的、之前的做事方式和解決方案、用戶客戶期望的方式和解決方案等。
任何場(chǎng)景都不是獨(dú)立存在的，還需要挖掘與場(chǎng)景有關(guān)的干系人和干系場(chǎng)景。
2 產(chǎn)品經(jīng)理要對(duì)行業(yè)內(nèi)的技術(shù)發(fā)展和趨勢(shì)有準(zhǔn)確的判斷，結(jié)合公司現(xiàn)狀對(duì)公司的技術(shù)優(yōu)勢(shì)和差距有明確的認(rèn)知
一方面，要了解人工智能技術(shù)在行業(yè)內(nèi)的應(yīng)用現(xiàn)狀，現(xiàn)有的技術(shù)手段是否已經(jīng)在本行業(yè)或其他行業(yè)有被投入生產(chǎn)使用并具備成功案例，另一方面，對(duì)內(nèi)要和技術(shù)人員常溝通，了解團(tuán)隊(duì)的技術(shù)能力和潛力，評(píng)估公司在算法、計(jì)算能力、數(shù)據(jù)等方面的積累在行業(yè)中的位置
綜上兩點(diǎn)，產(chǎn)品經(jīng)理需要在產(chǎn)品定義（包括場(chǎng)景定義）和公司的技術(shù)現(xiàn)狀之間找到平衡，盡管場(chǎng)景是牽引技術(shù)方向的指南針，但也不能脫離對(duì)公司的技術(shù)“天花板”的評(píng)估。對(duì)“點(diǎn)”的把握能力決定了產(chǎn)品能否進(jìn)入一個(gè)行業(yè)并獲得用戶的初步認(rèn)知。
深挖“點(diǎn)”，變成“線”
人工智能行業(yè)初期，一定是技術(shù)驅(qū)動(dòng)形成單一的場(chǎng)景應(yīng)用和創(chuàng)新，隨著市場(chǎng)同質(zhì)化日趨嚴(yán)重，企業(yè)一點(diǎn)再某個(gè)“點(diǎn)”建立起優(yōu)勢(shì)競(jìng)爭(zhēng)后，就需要快速轉(zhuǎn)向“線”，為客戶創(chuàng)造更豐富的產(chǎn)品和服務(wù)，讓客戶不斷看到新的價(jià)值和驚喜，最終積累更多的忠誠(chéng)客戶。
通過深挖場(chǎng)景價(jià)值，完善產(chǎn)品鏈條，形成從“點(diǎn)”到“線”的變化?；ヂ?lián)網(wǎng)“流量為王”，人工智能時(shí)代“獲得更多的超級(jí)用戶”，獲得初始用戶并保住這些用戶讓他們成為忠誠(chéng)的“超級(jí)用戶”/
可以從以下幾方面：
1 深挖用戶再場(chǎng)景中的需求，為用戶提供解決方案而不僅僅是產(chǎn)品
2 挖掘用戶數(shù)據(jù)中的價(jià)值，為用戶創(chuàng)造驚喜（挖掘從兩邊到質(zhì)變的潛在機(jī)會(huì)，實(shí)現(xiàn)產(chǎn)品服務(wù)鏈條化，積累更多的忠誠(chéng)用戶）
橫向拓展“線”，變成“面”
“面”包括兩方面含義，一是通過引入外部資源建立緊密的協(xié)同關(guān)系并構(gòu)建更寬廣的的產(chǎn)品覆蓋度，與用戶產(chǎn)生更多聯(lián)系，二是指通過整合公司內(nèi)部資源打通各產(chǎn)品線的數(shù)據(jù)和基礎(chǔ)服務(wù)，形成公司內(nèi)部的產(chǎn)品生態(tài)。
1 整合外部資源，實(shí)現(xiàn)多元化協(xié)作
2 布局內(nèi)部產(chǎn)品生態(tài)化
當(dāng)公司產(chǎn)品線變得豐富后，產(chǎn)品經(jīng)理應(yīng)通過構(gòu)建人工智能統(tǒng)一平臺(tái)，實(shí)現(xiàn)各條產(chǎn)線的優(yōu)勢(shì)聯(lián)合與價(jià)值共享。比如公司有三條產(chǎn)品線，每條 產(chǎn)品線有大量的交叉用戶，而且都包括搜索引擎、推薦引擎、智能售后機(jī)器人等通用功能，這時(shí)候可以考慮整合三條產(chǎn)品線的用戶數(shù)據(jù)和算法，統(tǒng)一研發(fā)公司級(jí)別的搜索平臺(tái)、個(gè)性化推薦引擎、只是圖譜等。
隨著各平臺(tái)對(duì)基礎(chǔ)服務(wù)的優(yōu)化，會(huì)增強(qiáng)各條產(chǎn)品線的競(jìng)爭(zhēng)力，進(jìn)而產(chǎn)生更多有價(jià)值的數(shù)據(jù)，形成良性循環(huán)。
當(dāng)有新產(chǎn)品線成立時(shí)，可以在現(xiàn)有平臺(tái)基礎(chǔ)上快速建立自身優(yōu)勢(shì)，快速融入公司的產(chǎn)品生態(tài)。
小結(jié)
如果你想成為人工智能產(chǎn)品經(jīng)理，強(qiáng)烈建議你從了解行業(yè)開始，而不是一開始就學(xué)習(xí)語言，研究算法。
養(yǎng)成良好的學(xué)習(xí)習(xí)慣，掌握適合自己的學(xué)習(xí)技巧，快速獲取知識(shí)和經(jīng)驗(yàn)。掌握技巧、善于總結(jié)規(guī)律，多與行業(yè)牛人接觸、學(xué)習(xí)并結(jié)合實(shí)踐。
3 定義人工智能產(chǎn)品需求
3.1 重新定義需求分析
新的趨勢(shì)和變化
1 產(chǎn)品邏輯化繁為簡(jiǎn)，用戶學(xué)習(xí)成本降低
2 從用戶角度考慮投入產(chǎn)出比
3 算法可解釋性差，產(chǎn)品需要逐漸獲取用戶信任（忌諱大步向前，遭到用戶拋棄）
4 傳感器技術(shù)的憤俗進(jìn)步，帶來多元化的交互行為
5 產(chǎn)品的需求并不一定來源于確定的因果關(guān)系
6 產(chǎn)品經(jīng)理在開始需求定義前應(yīng)充分了解目前技術(shù)水平和資源的局限性，避免定義一些研發(fā)很難實(shí)現(xiàn)的需求
從微觀、宏觀兩個(gè)角度定義功能性需求
宏觀：由于人工智能產(chǎn)品體系復(fù)雜，對(duì)某一個(gè)功能進(jìn)行研發(fā)可能“牽一發(fā)而動(dòng)全身”。因此山坡經(jīng)理要對(duì)公司的整體產(chǎn)品架構(gòu)有清晰的認(rèn)知，在框架體系內(nèi)，評(píng)估具體場(chǎng)景下業(yè)務(wù)需求及功能使用場(chǎng)景，是否符合公司的整體戰(zhàn)略規(guī)劃，以及當(dāng)前功能被滿足后是否能為整個(gè)產(chǎn)品架構(gòu)甚至公司帶來益處。這樣有助于篩選不滿足公司整體戰(zhàn)略目標(biāo)的候選功能，并定義出需求的優(yōu)先級(jí)，也有助于得到老板、投資人的認(rèn)可。
微觀：公關(guān)校訂篩選出優(yōu)先級(jí)較高的功能，微觀角度就可以定義具體的功能描述了。產(chǎn)品經(jīng)理應(yīng)盡量給出明確的業(yè)務(wù)背景和業(yè)務(wù)目標(biāo)，并且可以將目標(biāo)進(jìn)行量化。量化指標(biāo)、確認(rèn)數(shù)據(jù)和驗(yàn)證方法。有助于幫助團(tuán)隊(duì)協(xié)調(diào)公司資源或外部資源，找到高質(zhì)量的數(shù)據(jù)集，有助于統(tǒng)一迭代目標(biāo)。
越重要，越容易被忽視：定義非功能性需求
1 安全性
可得性：產(chǎn)品的數(shù)據(jù)和功能是否可以按照明確的權(quán)限系統(tǒng)控制訪問權(quán)限，并且有效地拒絕未授權(quán)的訪問。
私密性：產(chǎn)品存儲(chǔ)的數(shù)據(jù)收到保護(hù)，不會(huì)被沒有授權(quán)的人得到。
2 可用性
產(chǎn)品對(duì)用戶來說有效、易學(xué)、高效、好記、少錯(cuò)和令人滿意。
易用性、一致性、觀感需求
3 可靠性
出錯(cuò)頻率、自我恢復(fù)速度
4 性能
響應(yīng)時(shí)間、吞吐量、并發(fā)用戶數(shù)、資源利用率
5 可支持性
可擴(kuò)展性、可維護(hù)性（用戶行為數(shù)據(jù)、外部業(yè)務(wù)系統(tǒng)數(shù)據(jù)的可維護(hù)性；數(shù)據(jù)、技術(shù)平臺(tái)的可維護(hù)性；預(yù)測(cè)模型的可維護(hù)性；包含規(guī)則引擎、數(shù)據(jù)拉去等基礎(chǔ)服務(wù)的可維護(hù)性；推送消息的可安裝性）、可安裝行（不同環(huán)境下部署安全產(chǎn)品所需要付出的代價(jià)）
3.2 量化需求分析
為什么需要量化需求分析
用數(shù)據(jù)說話
怎么量化需求
1 明確需求符合產(chǎn)品愿景
業(yè)務(wù)需求包括：業(yè)務(wù)機(jī)會(huì)、業(yè)務(wù)目標(biāo)、成功標(biāo)準(zhǔn)、產(chǎn)品愿景
2 找準(zhǔn)需求的場(chǎng)景
確定產(chǎn)品的宏觀和微觀目標(biāo)，分析每個(gè)目標(biāo)對(duì)應(yīng)的使用場(chǎng)景
3 定義場(chǎng)景中可量化的標(biāo)準(zhǔn)
考慮內(nèi)部因素、考慮外部因素、參考同行表現(xiàn)、輸出對(duì)模型預(yù)測(cè)精度的合理期望值、根據(jù)場(chǎng)景定義算法特殊指標(biāo)
量化需求不意味著當(dāng)前人工智能技術(shù)和產(chǎn)品能完全替代人的工作和能力，絕大多數(shù)場(chǎng)景中只是起到輔助作用。
產(chǎn)品經(jīng)理需要深入了解自己所在行業(yè)的用戶特點(diǎn)，并對(duì)產(chǎn)品進(jìn)行合理的包裝，產(chǎn)品追求的不是完美，而實(shí)商業(yè)價(jià)值和變現(xiàn)能力，用戶的認(rèn)可才是評(píng)判的標(biāo)磚，如果一味追求模型精度而忽略了成本、市場(chǎng)時(shí)機(jī)、競(jìng)爭(zhēng)格局，產(chǎn)品一樣會(huì)失敗。產(chǎn)品經(jīng)理需要能站在公司的角度思考產(chǎn)品的ROI（return on investment，投入產(chǎn)出比）
4 人工智能產(chǎn)品體系
4.1 人工智能產(chǎn)品實(shí)現(xiàn)邏輯
人工智能產(chǎn)品體系：
1 基礎(chǔ)設(shè)施提供者，為整個(gè)產(chǎn)品提供計(jì)算能力、產(chǎn)品與外界溝通的工具，并通過基礎(chǔ)平臺(tái)支撐
2 數(shù)據(jù)提供者，是體系的數(shù)據(jù)來源，為后續(xù)數(shù)據(jù)處理提供充足的“養(yǎng)料”
3 數(shù)據(jù)處理者，代表著各種人工智能技術(shù)和服務(wù)提供商，主要負(fù)責(zé)智能信息表示與形成、智能推理、智能決策及智能執(zhí)行與輸出等工作
4 系統(tǒng)協(xié)調(diào)者，負(fù)責(zé)系統(tǒng)的集成、需求的定義、資源的協(xié)調(diào)、解決方案的封裝，以及除研發(fā)以外一切可以保障人工智能產(chǎn)品順利運(yùn)行和在行業(yè)落地所需的工作
4.2 基礎(chǔ)設(shè)施
傳感器
生物傳感器（biosensor）將各類型的生物響應(yīng)轉(zhuǎn)換為電信號(hào)的分析設(shè)備；
光敏傳感器，利用光敏原件將信號(hào)轉(zhuǎn)換為電信號(hào)的傳感器，抽象理解為模擬人的視覺能力；
聲音傳感器，接收聲波，顯示聲音的震動(dòng)圖像，是人工智能的耳朵；
化學(xué)傳感器，對(duì)各種化學(xué)物質(zhì)敏感并將其濃度轉(zhuǎn)換為電信號(hào)的傳感器，抽象理解為人的鼻子。
目前傳感器主要被用于四類人工智能產(chǎn)品：可穿戴應(yīng)用、高級(jí)輔助駕駛系統(tǒng)（Advanced Driver Assistance Systems，ADAS）、健康檢測(cè)、工業(yè)控制。產(chǎn)品經(jīng)理要掌握技術(shù)發(fā)展趨勢(shì)，每種傳感器的造價(jià)，以及每種環(huán)節(jié)下的精度和穩(wěn)定性。
芯片
人工智能芯片按照不同用途可以被分為三類：模擬訓(xùn)練、云端推斷、設(shè)備端推斷。
第一類型主要用在訓(xùn)練環(huán)節(jié)的芯片，處理海量訓(xùn)練數(shù)據(jù)和復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)，如GPU。
第二類性用作云端推斷（inference on cloud），目前主流的人工智能應(yīng)用需要通過云端提供服務(wù)，將采集到的數(shù)據(jù)傳輸送到云端服務(wù)器，用服務(wù)器的CPU、GPU、TPU去處理推斷任務(wù)，然后將數(shù)據(jù)返回終端。
第三類，為終端設(shè)備（嵌入式設(shè)備）包括智能手機(jī)、智能安防攝像頭、機(jī)器人、自動(dòng)駕駛、VR等設(shè)備提供設(shè)備端推斷的芯片。在和用戶的交互過程中快速響應(yīng)并滿足用戶需求。? ?
按照芯片定制化程度，被分為通用芯片、半定制化芯片（FPGA）、全定制化芯片（ASIC）。
CPU、GPU、TPU等相對(duì)統(tǒng)一切可以處理幾乎所有類型任務(wù)的芯片被稱為通用芯片，造價(jià)貴，不為某種場(chǎng)景定制開發(fā)，因此運(yùn)算效率相對(duì)較低。
FPGA（Field Programmable Gate Array，可編程門陣列），集成大量基本門電路及存儲(chǔ)器的芯片，可通過輸入FPGA配置文件來定義這些門電路及存儲(chǔ)器件的連線，從而實(shí)現(xiàn)特定的功能。FPGA生產(chǎn)出來后仍然可以進(jìn)行自由升級(jí)和修改，像一塊可重復(fù)刷寫的白板一樣，特別適合芯片制造商作為快速投放市場(chǎng)試錯(cuò)的原型版本，當(dāng)原型不適合市場(chǎng)需求時(shí)，迅速進(jìn)行修改迭代。對(duì)于大量的矩陣運(yùn)算，GPU優(yōu)于FPGA，但處理小計(jì)算量、大批次時(shí)，F(xiàn)PGA性能由于GPU，另外FPGA有低延遲的特點(diǎn)，適合海量用戶的實(shí)時(shí)并發(fā)請(qǐng)求。
ASIC（Application Specific Integrated Circuits，應(yīng)用專用集成電路），為專門目的而設(shè)計(jì)的集成電路，通常是特定用戶要求下配合某種電子系統(tǒng)的要求，而被設(shè)計(jì)和制造出的。ASIC的缺點(diǎn)是試錯(cuò)成本較高，一旦定版本、開模后就不能再變，再加上芯片周期較長(zhǎng)，投資風(fēng)險(xiǎn)較大。好處是可以將算法模型燒到芯片里，運(yùn)算效率將會(huì)非常高。一旦量產(chǎn)，單個(gè)芯片的造價(jià)會(huì)變得極低。由于芯片的面積較小，功耗極低。
一種策略性的做法是，先將芯片原型以FPGA形式做出來，是市場(chǎng)中進(jìn)行充分的測(cè)試和調(diào)整，然后再進(jìn)行ASIC生產(chǎn)。
基礎(chǔ)平臺(tái)
1 大數(shù)據(jù)技術(shù)
大數(shù)據(jù)技術(shù)支撐人工智能，人工智能牽引大數(shù)據(jù)技術(shù)的發(fā)展（數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)分析）
通過數(shù)據(jù)驅(qū)動(dòng)的思維指導(dǎo)產(chǎn)品設(shè)計(jì)，讓機(jī)器從大量的數(shù)據(jù)中進(jìn)行學(xué)習(xí)，然后將學(xué)習(xí)和訓(xùn)練好的模型直接用于產(chǎn)品。大數(shù)據(jù)爆炸性的增長(zhǎng)驅(qū)動(dòng)人類去建立各種看似不想干的數(shù)據(jù)之間的關(guān)聯(lián)需求。
2 云計(jì)算技術(shù)
云計(jì)算為人工智能提供了快速推廣應(yīng)用的技術(shù)支撐，降低了企業(yè)研發(fā)人工智能產(chǎn)品和功能的門檻。
4.3 數(shù)據(jù)采集（data acquisition）
數(shù)據(jù)來源
1 直接購(gòu)買行業(yè)數(shù)據(jù)（有些可免費(fèi)獲得），從開放數(shù)據(jù)集網(wǎng)站（包括科研、算法競(jìng)賽、政府開發(fā)數(shù)據(jù)、個(gè)人組織公開數(shù)據(jù)等）、運(yùn)營(yíng)商、行業(yè)數(shù)據(jù)分析公司
ICPSR，社會(huì)和行為學(xué)研究數(shù)據(jù)，www.icpsr.umich.edu
美國(guó)政府開放數(shù)據(jù)：www.data.gov
加州大學(xué)歐文分校（UCI）創(chuàng)立的機(jī)器學(xué)習(xí)社區(qū)：archive.ics.uci.edu/ml
數(shù)據(jù)堂 www.datatang.com
2 自行采集，同過自身行業(yè)積累直接獲取用戶數(shù)據(jù)，通過爬蟲采集合法的互聯(lián)網(wǎng)數(shù)據(jù)。
自行采集的好處是按需定制，可以自定義采集的指標(biāo)、字段、頻率等。
數(shù)據(jù)質(zhì)量
衡量數(shù)據(jù)質(zhì)量的四個(gè)R原則：關(guān)聯(lián)度（Relevancy）、時(shí)效性（Recency）、范圍（Range）、可信性（Reliability）
4.4 數(shù)據(jù)處理
通過一種從數(shù)據(jù)反推規(guī)則的方法進(jìn)行建模，這種解決問題的思路剛好與專家系統(tǒng)相反，即自下而上的思路
4.5 機(jī)器“大腦”處理過程：理解、推理和決策
1 識(shí)別（recognition）
模式識(shí)別（pattern recognition）是機(jī)器學(xué)習(xí)的一個(gè)分支，側(cè)重于識(shí)別數(shù)據(jù)中的模式和規(guī)律。
用于計(jì)算機(jī)視覺、自然語言處理（語音識(shí)別、手寫識(shí)別）、生物特征識(shí)別（人臉、指紋、虹膜識(shí)別）等
2 理解和推理（understanding and reasoning）
識(shí)別更強(qiáng)調(diào)人對(duì)于環(huán)境感知的分類、打標(biāo)簽、召回?cái)?shù)據(jù)的能力。而理解和推理更強(qiáng)調(diào)明確的區(qū)分、深層次的解釋和歸納總結(jié)數(shù)據(jù)的能力。
3 做決策（decision making）
基于對(duì)外界客體、事物、環(huán)境的理解和判斷來決定采取什么樣的行動(dòng)。
4.6 資源配置統(tǒng)籌的關(guān)鍵環(huán)節(jié)：系統(tǒng)協(xié)調(diào)
構(gòu)建完整的人工智能產(chǎn)品體系通常需要多方協(xié)作，包括基礎(chǔ)設(shè)施提供者（包括芯片和平臺(tái)軟、硬件廠商）、信息提供者、信息處理者在內(nèi)的各種公司內(nèi)外的業(yè)務(wù)部門。這種復(fù)雜的協(xié)同工作，通常需要公司內(nèi)部組成一個(gè)整體協(xié)調(diào)小組，一起承擔(dān)系統(tǒng)的協(xié)調(diào)工作。
系統(tǒng)協(xié)調(diào)者需要在人工智能的不同階段：需求定義、設(shè)計(jì)開發(fā)、系統(tǒng)優(yōu)化、運(yùn)行保障、售后支持、監(jiān)控和審計(jì)發(fā)揮資源協(xié)調(diào)和統(tǒng)籌作用。
4.7 不可逾越的紅線：安全、隱私、倫理和道德
安全隱患：第一種，被認(rèn)為設(shè)定或創(chuàng)造為不安全的產(chǎn)品，如自主武器（autonomous weapons），第二種，徑一開始被設(shè)定或創(chuàng)造為有益于社會(huì)的產(chǎn)品，但為了實(shí)現(xiàn)目標(biāo)，人工智能再有些適合會(huì)不擇手段，忽視設(shè)定過程中造成的各種安全隱患，如自動(dòng)駕駛。因此產(chǎn)品經(jīng)理還需要考慮到實(shí)現(xiàn)目標(biāo)的手段（往往需要過程透明化）
隱私評(píng)估：
1 評(píng)估所有產(chǎn)品流程中涉及用戶權(quán)力（包括隱私權(quán)）的風(fēng)險(xiǎn)
2 評(píng)估產(chǎn)品在涉及或運(yùn)行過程的系統(tǒng)描述，包括產(chǎn)品設(shè)計(jì)或運(yùn)行的目的以及它所維護(hù)的合理利益
3 基于產(chǎn)品設(shè)計(jì)或運(yùn)行的母的，評(píng)估該過程是否有必要。追求最小化的用戶隱私數(shù)據(jù)采集和最大化的產(chǎn)品價(jià)值
4 針對(duì)識(shí)別出的風(fēng)險(xiǎn)，給出針對(duì)性的風(fēng)險(xiǎn)管理措施
隱私保護(hù)：
1 減少對(duì)訓(xùn)練數(shù)據(jù)量的需求
生成對(duì)抗網(wǎng)絡(luò)（generative adversarial networks，GAN），GAN通過輪流訓(xùn)練判別器（discriminator）和生成器（generator），令其互相對(duì)抗，從復(fù)雜概率分布中采樣。
谷歌開始嘗試使用聯(lián)合學(xué)習(xí)（federated learning）的方法訓(xùn)練數(shù)據(jù)，該技術(shù)可以實(shí)現(xiàn)將部分訓(xùn)練過程放到用戶的手機(jī)端，使用手機(jī)的處理器進(jìn)行數(shù)據(jù)訓(xùn)練，從而取代傳統(tǒng)流程中需要將所有數(shù)據(jù)先上傳到云端在進(jìn)行訓(xùn)練的方式。
遷移學(xué)習(xí)（transfer learning），把一個(gè)場(chǎng)景中學(xué)到的只是（模型）舉一反三遷移到類似的場(chǎng)景中的方法。適合從小數(shù)據(jù)中學(xué)習(xí)知識(shí)，尤其沒有足夠的數(shù)據(jù)作為訓(xùn)練資源時(shí)，在之前訓(xùn)練好的模型基礎(chǔ)上加上小數(shù)據(jù)并遷移到一個(gè)不同但類似的場(chǎng)景當(dāng)中去。
2 在不減少數(shù)據(jù)的基礎(chǔ)上保護(hù)隱私
差分隱私技術(shù)（differential privacy，dp），當(dāng)在數(shù)據(jù)庫中檢索某條信息時(shí)，在搜索結(jié)果中加入滿足某種分布的“噪音”，使查詢結(jié)果隨機(jī)化。差分隱私是密碼學(xué)中一種隱私保護(hù)技術(shù)。
同態(tài)加密技術(shù)（homomorphic encryption），允許在密文上進(jìn)行計(jì)算，生成加密結(jié)果，解密后的結(jié)果與明文進(jìn)行同樣的運(yùn)算得到的結(jié)果時(shí)一樣的。
3 提高算法可解釋性，避免黑盒子事件發(fā)生
4.8 運(yùn)維管理
“運(yùn)”讓業(yè)務(wù)處于穩(wěn)定、高效的運(yùn)行狀態(tài)，而“維”就是運(yùn)行過程中一切和維護(hù)系統(tǒng)有關(guān)的工作，使業(yè)務(wù)保持繼續(xù)運(yùn)轉(zhuǎn)的能力
人工智能產(chǎn)品運(yùn)維能力判斷標(biāo)準(zhǔn)
1 系統(tǒng)能否在第一次時(shí)間發(fā)現(xiàn)異常
2 能否找出發(fā)生異常的原因
3 從原因是否能定位到具體的問題
4 問題是否能夠被很快修復(fù)或自動(dòng)修復(fù)
5 未來在出現(xiàn)這樣的問題之前是否可以提前預(yù)警
運(yùn)維技術(shù)的發(fā)展歷程
工具時(shí)代（實(shí)現(xiàn)計(jì)算機(jī)化，但運(yùn)維流程尚屬摸索階段，沒有規(guī)范）
pre-devOps階段（ITIL體系，DevOps等理念被提出）
DevOps階段（該階段追求運(yùn)維流程、運(yùn)維手段等角度實(shí)現(xiàn)完全的自動(dòng)化，最終實(shí)現(xiàn)無人干預(yù)的運(yùn)維過程）
AIOps（Artificial Intelligence for IT Operations）階段，人工智能技術(shù)與IT運(yùn)維技術(shù)相結(jié)合
發(fā)展的必然：
1 復(fù)雜、多變的軟硬件架構(gòu)故障本身就難以避免
2 人工智能的業(yè)務(wù)本身對(duì)于系統(tǒng)響應(yīng)速度和安全運(yùn)轉(zhuǎn)穩(wěn)定性提出了更高的要求，當(dāng)出現(xiàn)異常時(shí)需要對(duì)運(yùn)維方案進(jìn)行快速的決策和部署
3 由于架構(gòu)復(fù)雜、數(shù)據(jù)來源多（各類傳感器、IoT設(shè)備等）導(dǎo)致的運(yùn)維規(guī)則復(fù)雜、多變，很難依靠人工去維護(hù)和升級(jí)
4 人工智能產(chǎn)品體系中蘊(yùn)藏了海量、多樣、高價(jià)值的監(jiān)控?cái)?shù)據(jù)
AIOps：
Gartner在2016年提出的概念，結(jié)果機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)的運(yùn)維管理軟件體系。相比于傳統(tǒng)運(yùn)維體系，可以提供類人交互、主動(dòng)決策、理解執(zhí)行等能力。
核心元素：機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)
工程化流程：
1 來自監(jiān)控、配置和變更各種運(yùn)行數(shù)據(jù)會(huì)給AIOps引擎提供訓(xùn)練數(shù)據(jù)。
2 AIOps引擎（包括多個(gè)智能運(yùn)維模型）會(huì)接受運(yùn)維專家（至少對(duì)監(jiān)控、容器技術(shù)、CI/CD、故障診斷等技術(shù)非常精通）知識(shí)和反饋的不斷訓(xùn)練，最終形成一個(gè)集異常檢測(cè)、異常定位、根因分析、異常預(yù)測(cè)于一體的綜合模型。模型不成熟前，輔助專家扮演運(yùn)維的角色，提供警告、預(yù)測(cè)、止損、修復(fù)、規(guī)避建議。
3 運(yùn)維專家看到這些警告和建議后可以快速根據(jù)已有預(yù)案采取止損和規(guī)避操作
4 執(zhí)行自動(dòng)化腳本完成回卷、動(dòng)態(tài)擴(kuò)縮容、切流量等目標(biāo)
隨著模型在識(shí)別、推理和決策上的逐步完成，AIOps會(huì)實(shí)現(xiàn)常規(guī)運(yùn)維工作的智能化操作包括：運(yùn)行狀況監(jiān)控、問題定位、業(yè)務(wù)需求梳理、需求變更、操作指導(dǎo)、數(shù)據(jù)應(yīng)用、模塊分配、參數(shù)設(shè)置等。
5 機(jī)器學(xué)習(xí)
產(chǎn)品經(jīng)理至少要掌握：1 機(jī)器學(xué)習(xí)流程，2 機(jī)器學(xué)習(xí)可以解決的問題分類，3 算法的基本原理，4 工程實(shí)踐中算法、數(shù)據(jù)和計(jì)算資源間的依賴關(guān)系等。
5.1 什么是機(jī)器學(xué)習(xí)
常見概念
深度學(xué)習(xí)->表示學(xué)習(xí)->機(jī)器學(xué)習(xí)->人工智能
人工智能：概念廣泛，目標(biāo)讓機(jī)器像人一樣思考
機(jī)器學(xué)習(xí)：專門研究計(jì)算機(jī)怎么模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，通過各種算法訓(xùn)練模型，并且這些模型對(duì)新問題進(jìn)行識(shí)別和預(yù)測(cè)。
表示學(xué)習(xí)：機(jī)器學(xué)習(xí)算法的性能，很大程度依賴于人為給定數(shù)據(jù)的表示或特征（representation），特征選取的結(jié)果決定了最終的學(xué)習(xí)效果。但很多場(chǎng)景，特征的選取會(huì)隨場(chǎng)景的變化而變化，依靠人工為一個(gè)復(fù)雜的場(chǎng)景設(shè)計(jì)特征需要耗費(fèi)大量的人工和時(shí)間，為了解決使用機(jī)器學(xué)習(xí)來挖掘出表示本身，而不僅僅是把表示映射到深入。
深度學(xué)習(xí)：屬于表示學(xué)習(xí)的一種，具有強(qiáng)大的靈活性，可以將復(fù)雜的場(chǎng)景表示為嵌套的層級(jí)概念體系。試圖從多重非線性變化構(gòu)成的多個(gè)處理層，對(duì)數(shù)據(jù)進(jìn)行高層抽象的算法。
強(qiáng)化學(xué)習(xí)：讓計(jì)算機(jī)不斷嘗試，從錯(cuò)誤（反饋）中學(xué)習(xí)如何在特定的情境下，選擇可以得到最大的回報(bào)的行動(dòng)，最后找到規(guī)律、達(dá)到目標(biāo)的方法。
遷移學(xué)習(xí)（transfer learning）：把以及訓(xùn)練好的模型參數(shù)，遷移到新的模型上來幫助新模型訓(xùn)練的學(xué)習(xí)方法
5.2 機(jī)器學(xué)習(xí)的流程拆解
數(shù)據(jù)預(yù)處理：數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)削減、數(shù)據(jù)離散化、數(shù)據(jù)歸一化（樣本尺度歸一化、逐樣本的均值相減、標(biāo)準(zhǔn)化）和數(shù)據(jù)白化。訓(xùn)練集（training set）、調(diào)參（parameter tuning）、驗(yàn)證集（validation set）、測(cè)試集（test set）
模型評(píng)估：過擬合（overfitting）
調(diào)參：超參（hyperparameter）在訓(xùn)練之前手動(dòng)設(shè)置的參數(shù)；參數(shù)（parameter）通常不需要手動(dòng)設(shè)置、在訓(xùn)練過程中可被自動(dòng)調(diào)整的參數(shù)。如權(quán)重w就是參數(shù)，層數(shù)就是超參數(shù)。調(diào)參的過程是基于數(shù)據(jù)集、模型和訓(xùn)練過程細(xì)節(jié)的實(shí)證過程。
推斷（inference）
5.3 人工智能產(chǎn)品經(jīng)理必備的算法常識(shí)
人工智能三大基石：算法、數(shù)據(jù)、計(jì)算能力
模型和算法
專有名詞：
人工神經(jīng)網(wǎng)絡(luò)模型（Artificial Neural network, ANN)
隱藏層（Hidden Layer）
激勵(lì)值（Activities of the Neurons）
反向傳播算法（Back propagation)
Adam（Adaptive Moment Estimation）算法、RMSProp 算法、梯度下降算法（SGD）
語音識(shí)別（ASR）、語音合成（TTS)、機(jī)器視覺（CV）、自然語言處理（NLP）、文本/語義理解（NLU）、即時(shí)定位與地圖構(gòu)建（SLAM）
算法分類：
按照訓(xùn)練方式不同：監(jiān)督學(xué)習(xí)（supervised learning）、無監(jiān)督學(xué)習(xí)（unsupervised learning）、半監(jiān)督學(xué)習(xí)（semi-supervised learning）、強(qiáng)化學(xué)習(xí)（reinforcement learning）
按照解決任務(wù)不同：二分類算法（Two-class classification）、多分類算法（multi-class classification）、回歸算法（regression）、聚類算法（clustering）、異常檢測(cè)（anomaly detection）
了解算法有助于：1 建立必要的知識(shí)體系以與研發(fā)人員進(jìn)行良好的交流， 2 在團(tuán)隊(duì)需要的時(shí)候提供不要的幫助，3 識(shí)別和評(píng)估產(chǎn)品迭代過程中的風(fēng)險(xiǎn)、成本、預(yù)期效果等
算法介紹（略）
算法的適用場(chǎng)景
選擇之前分析一些因素，盡量縮小算法選擇的范圍，這些因素包括以下：
1 數(shù)據(jù)量的大小、數(shù)據(jù)質(zhì)量和數(shù)據(jù)本身的特性
2 機(jī)器學(xué)習(xí)要解決的具體業(yè)務(wù)場(chǎng)景中問題本質(zhì)是什么
3 可以接受的計(jì)算時(shí)間是什么
4 算法精度要求有多高
不同算法各有優(yōu)缺點(diǎn)，要權(quán)衡訓(xùn)練目標(biāo)的優(yōu)先級(jí)，開發(fā)人員要對(duì)業(yè)務(wù)需求有比較清晰的理解，能抓住本質(zhì)，對(duì)每種算法的適用場(chǎng)景有明確的認(rèn)知。算法介紹（略）
5.4 機(jī)器學(xué)習(xí)的常見開發(fā)平臺(tái)
Caffe、CNTK、DMTK、DL4J、MXNet、OpenAIGym、Paddle、Tensorflow、Theano、Torchnet
建議產(chǎn)品經(jīng)理對(duì)各類機(jī)器學(xué)習(xí)開發(fā)平臺(tái)有所了解，并熟悉開發(fā)平臺(tái)的常見功能，能親自參與一些簡(jiǎn)單的工程實(shí)踐。機(jī)器學(xué)習(xí)開發(fā)平臺(tái)的適用門檻不斷降低時(shí)必然的發(fā)展趨勢(shì)，產(chǎn)品經(jīng)理可以自主適用類似的工具把評(píng)審的一些想法快速驗(yàn)證。
6 人工智能產(chǎn)品經(jīng)理工作流程
6.1 設(shè)定清晰的目標(biāo)
1 用戶/客戶痛點(diǎn)分析-場(chǎng)景描述
說明用戶、客戶的業(yè)務(wù)或需求場(chǎng)景時(shí)什么？
如果產(chǎn)品、功能投入使用，用戶將在該場(chǎng)景中哪個(gè)流程環(huán)節(jié)里使用它們？
當(dāng)產(chǎn)品沒有問世之前，用戶、客戶都使用什么樣的替代方案？
替代方案在多大程度上滿足了用戶、客戶的需求？
2 用戶/客戶通電分析-痛點(diǎn)來源
用戶、客戶的痛點(diǎn)來源是自身還是源于外界的某種壓力（例如來自于更高管理者的壓力和關(guān)注）？為什么存在這種壓力？痛苦鏈條式什么？
用戶、客戶的痛點(diǎn)是否來自于人性？如貪嗔癡
3 用戶、客戶的痛點(diǎn)分析-痛點(diǎn)全方位剖析
該痛點(diǎn)涉及的面有多廣，是普遍問題還是個(gè)別問題？
該痛點(diǎn)是否符合政策導(dǎo)向或者是否合規(guī)？
該痛點(diǎn)涉及的需求是否是高頻應(yīng)用？
用戶、客戶愿意為此痛點(diǎn)買單嗎？他們?cè)敢飧冻鍪裁礃拥拇鷥r(jià)來解決這個(gè)問題？
感覺到痛的人是否有采購(gòu)決策權(quán)？
4 市場(chǎng)分析
產(chǎn)品、功能在市場(chǎng)上的主要競(jìng)爭(zhēng)對(duì)手都有誰？各自的競(jìng)爭(zhēng)優(yōu)勢(shì)是什么？市場(chǎng)占有率如何？
是否已經(jīng)有占有率比較高或比較被認(rèn)可的產(chǎn)品？其有什么樣的優(yōu)勢(shì)？
相比于競(jìng)爭(zhēng)對(duì)手，我們的優(yōu)勢(shì)是什么？用戶、客戶選擇我們的理由是什么？
總之，將產(chǎn)品的目標(biāo)清晰的表達(dá)出來，方便評(píng)審和組織內(nèi)達(dá)成共識(shí)，如：該產(chǎn)品、功能面向XX客戶，解決客戶在XX場(chǎng)景下XX問題，給用戶、客戶帶來XX收益（也可以是效率、體驗(yàn)方面的優(yōu)化等）。
6.2 技術(shù)預(yù)研
人工智能的競(jìng)爭(zhēng)是全方位的，計(jì)算芯片、算法模型、訓(xùn)練數(shù)據(jù)，以及各種不同類型的傳感器帶來的完全不一樣的交互形態(tài)等，這些構(gòu)成產(chǎn)品的關(guān)鍵因素都有可能稱為取得競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵。以人臉識(shí)別（face recognition）產(chǎn)品舉例。
從領(lǐng)域技術(shù)基本現(xiàn)狀和趨勢(shì)、領(lǐng)域前沿技術(shù)、常見技術(shù)邏輯、判斷技術(shù)切入點(diǎn)（軟件或軟硬件） ，四點(diǎn)來看。
產(chǎn)品經(jīng)理進(jìn)行技術(shù)預(yù)研，重點(diǎn)關(guān)注技術(shù)的趨勢(shì)、領(lǐng)先性、主流算法框架的優(yōu)劣，而且需要橫向比較競(jìng)爭(zhēng)對(duì)手之間的的技術(shù)實(shí)現(xiàn)手段和重點(diǎn)產(chǎn)品參數(shù)，從中提煉出自身產(chǎn)品的優(yōu)勢(shì)。如果在某一技術(shù)環(huán)節(jié)中沒有優(yōu)勢(shì)，那么就需要揚(yáng)長(zhǎng)避短，用產(chǎn)品其他方面彌補(bǔ)，如用戶體驗(yàn)、產(chǎn)品價(jià)格或其他附加值等。
6.3 需求分析和產(chǎn)品分析
成功的產(chǎn)品設(shè)計(jì)各不相同，失敗的產(chǎn)品設(shè)計(jì)卻相似，以下歸納幾種失敗的常見原因。
失敗常見原因
1 技術(shù)驅(qū)動(dòng)產(chǎn)品設(shè)計(jì)，即我有什么樣的技術(shù)就做什么樣的產(chǎn)品
產(chǎn)品只有當(dāng)切實(shí)地為用戶解決場(chǎng)景中的具體問題時(shí)，用戶才愿意買單
2 忽略用戶期望管理，華而不實(shí)的產(chǎn)品功能造成用戶失望
用戶期望過高，但實(shí)際只解決了用戶在整個(gè)體驗(yàn)流程中某一個(gè)細(xì)小的環(huán)節(jié)，對(duì)于整體的效率和體驗(yàn)的提升極其有限，結(jié)果以失望告終。導(dǎo)致用戶對(duì)品牌信任度降低
3 單點(diǎn)突破帶來的價(jià)值受限，與產(chǎn)品價(jià)格或需要用戶付出的代價(jià)不成正比
如家庭機(jī)器人，使用場(chǎng)景單一，沒有形成剛需，僅依靠語音識(shí)別取代觸碰式接觸遠(yuǎn)不能滿足用戶的負(fù)責(zé)需求，即便成功的宣傳了價(jià)值，但很難傳遞價(jià)值和被用戶持續(xù)認(rèn)可
4 一味追求底層技術(shù)，而忽略了用戶體驗(yàn)的優(yōu)化
復(fù)雜的或用戶意料之外的糟糕體驗(yàn)反而低調(diào)新技術(shù)給產(chǎn)品帶來的優(yōu)化，如語音識(shí)別輸入法雖然技術(shù)先進(jìn)，但是錯(cuò)誤率高、標(biāo)點(diǎn)斷句不準(zhǔn)，用戶還要常切換輸入法。
人工智能產(chǎn)品常見設(shè)計(jì)原則
1 “少即是多”原則（如，極簡(jiǎn)的交互設(shè)計(jì)）
2 從微觀到宏觀逐步深入（逐步滿足用戶的需求，當(dāng)某個(gè)功能得到用戶普遍的認(rèn)可后再繼續(xù)第二個(gè)功能）
3 放寬眼界，有效整合資源
具備寬闊的視野，不僅要學(xué)會(huì)找到算法和用戶需求的交叉點(diǎn)，而且要有意識(shí)的修煉自己的軟硬技術(shù)整合能力、跨行業(yè)技術(shù)融合能力、交叉文化理解和創(chuàng)新能力。整合新資源和新技術(shù)，并將之融入到產(chǎn)品設(shè)計(jì)理念中，使用以用戶為中心的設(shè)計(jì)方法，挖掘用戶最自然的行為習(xí)慣，并以此設(shè)計(jì)人工智能產(chǎn)品。
4 同理心
EQ理論的專有名詞，指正確的了解他人的感受和情緒，進(jìn)而做到相互理解、關(guān)懷和情感的融洽。很多失敗的案例都是執(zhí)著于追求自己認(rèn)為正確的需求，忽略了用戶真實(shí)的需求。
認(rèn)知共鳴、情感共鳴、身體感受共鳴
合理制定產(chǎn)品需求優(yōu)先級(jí)
1 價(jià)值 vs 復(fù)雜度矩陣
高價(jià)值低復(fù)雜度->高價(jià)值高復(fù)雜度->低價(jià)值低復(fù)雜度->低價(jià)值高復(fù)雜度
2 卡諾模型（kano model）
功能和用戶愉悅度的關(guān)系，基礎(chǔ)功能->性能功能->尖叫（興奮）功能
3 相似組分類法（affinity grouping）
3 加權(quán)得分法
6.4 充分參與研發(fā)過程
目的
1 幫助研發(fā)工程師快速實(shí)現(xiàn)產(chǎn)品目標(biāo)
如通過產(chǎn)品需求的準(zhǔn)確表達(dá)，縮短研發(fā)工程師找到最佳技術(shù)方案的時(shí)間；通過設(shè)定產(chǎn)品短期和長(zhǎng)期努比奧，幫助研發(fā)經(jīng)理制定準(zhǔn)確的研發(fā)計(jì)劃；幫助研發(fā)確認(rèn)優(yōu)先級(jí)、獲取高質(zhì)量數(shù)據(jù)等。
2 能夠用非技術(shù)語音，將研發(fā)過程中的技術(shù)原理以及出現(xiàn)的問題及時(shí)與公司領(lǐng)導(dǎo)或客戶進(jìn)行溝通，以及獲得支持和認(rèn)可
如機(jī)器學(xué)習(xí)模型中，由于技術(shù)的復(fù)雜性會(huì)導(dǎo)致很多計(jì)劃外的工作量和效果，當(dāng)老板提出質(zhì)疑時(shí)，需要產(chǎn)品經(jīng)理主動(dòng)解是當(dāng)前狀況，并結(jié)合其對(duì)市場(chǎng)競(jìng)爭(zhēng)狀況、用戶需求的理解說服老板投入更多資源，為研發(fā)獲得更多支持；當(dāng)算法精確度不是特別高時(shí)，產(chǎn)品經(jīng)理還應(yīng)學(xué)會(huì)與客戶進(jìn)行技巧性溝通，為產(chǎn)品爭(zhēng)取更多時(shí)間
事情
1 提供優(yōu)質(zhì)數(shù)據(jù)
根據(jù)產(chǎn)品短期和長(zhǎng)期的目標(biāo)，判斷需要什么樣質(zhì)量的數(shù)據(jù)，如何獲?。ㄈ鐐鞲衅鳌?shù)據(jù)對(duì)接、網(wǎng)絡(luò)爬蟲、商務(wù)采購(gòu)等），每輪迭代都需要重復(fù)上述流程，以保證數(shù)據(jù)集能偶更主權(quán)虐的模擬出應(yīng)用場(chǎng)景。同數(shù)據(jù)分析師、算法工程師一同完成數(shù)據(jù)獲取、清洗、轉(zhuǎn)換以及一些特殊的數(shù)據(jù)預(yù)處理工作。產(chǎn)品經(jīng)理扮演部分?jǐn)?shù)據(jù)工程師角色，需要掌握一些基本的數(shù)據(jù)庫語言，并熟悉公司所使用的數(shù)據(jù)分析系統(tǒng)、數(shù)據(jù)闡述系統(tǒng)以及數(shù)據(jù)倉(cāng)庫的基礎(chǔ)使用方法。
2 模型訓(xùn)練
和算法工程師共同完成模型訓(xùn)練、模型調(diào)參后的效果校驗(yàn)，協(xié)助達(dá)到模型訓(xùn)練的目標(biāo)要求（精確度、靈敏度、F值、AUC等），所需要訓(xùn)練周期、訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量等。
3 測(cè)試調(diào)優(yōu)
和測(cè)試團(tuán)隊(duì)共同制定測(cè)試標(biāo)準(zhǔn)，并在上線前依據(jù)產(chǎn)品設(shè)定的目標(biāo)進(jìn)行產(chǎn)品交付質(zhì)量的確認(rèn)。
模塊拆分（可測(cè)試模塊最小化）->制定清晰測(cè)試標(biāo)準(zhǔn)（需對(duì)行業(yè)有深入的理解并盡量成為行業(yè)專家，才能制定可量化的精確度或誤差范圍）->引入“第三方”數(shù)據(jù)（多樣化的數(shù)據(jù)維度進(jìn)行測(cè)試可能帶來意想不到的效果）
4 目標(biāo)管控
工程實(shí)踐中可能存在拍奶茶和變化，產(chǎn)品經(jīng)理要關(guān)注實(shí)際開發(fā)出產(chǎn)品表現(xiàn)和產(chǎn)品再規(guī)劃設(shè)計(jì)階段設(shè)定目標(biāo)之間的距離。同時(shí)要考慮市場(chǎng)形式的變化，在必要的時(shí)候進(jìn)行隨機(jī)應(yīng)變的目標(biāo)調(diào)整，如觀察競(jìng)爭(zhēng)對(duì)手的產(chǎn)品進(jìn)展，為在市場(chǎng)上取得更強(qiáng)競(jìng)爭(zhēng)力，提高對(duì)模型精確性的要求，或?yàn)榱藫寠Z先機(jī)，決定更快將產(chǎn)品投放市場(chǎng)，因此上線時(shí)間提前，降低期望。
5 持續(xù)的產(chǎn)品運(yùn)營(yíng)
產(chǎn)品上線后的包裝、宣傳，內(nèi)部培訓(xùn)文檔的撰寫
7 方法論、溝通和CEO視角
方法論：
高手可以通過學(xué)習(xí)相對(duì)少量卻有效的關(guān)鍵知識(shí)建立起自己的方法論，并將未來遇到的問題通過事先總結(jié)好的方法論進(jìn)行歸類和解決。而普通人則表現(xiàn)為看起來非常忙碌，可能沒總結(jié)出可以解決新問題的方法論，或者學(xué)習(xí)和總結(jié)的不夠深入。
產(chǎn)品管理實(shí)踐：
優(yōu)秀的產(chǎn)品團(tuán)隊(duì)會(huì)快速總結(jié)規(guī)律并形成自身團(tuán)隊(duì)的管理方法論，而普通產(chǎn)品團(tuán)隊(duì)只知道悶頭干活。想做高手，就需要根據(jù)公司的現(xiàn)狀和領(lǐng)域背景創(chuàng)建自己的產(chǎn)品管理模式和方法論，需要產(chǎn)品經(jīng)理以一種主動(dòng)、刻意的態(tài)度去尋找規(guī)律。
7.1 端到端產(chǎn)品管理
一種方法論或者思維模式，前提產(chǎn)品經(jīng)理在公司的定位：潤(rùn)滑劑的角色，就像汽車的潤(rùn)滑劑一樣，每個(gè)零件再好，也沒法保證長(zhǎng)時(shí)間的快速運(yùn)轉(zhuǎn)。
重點(diǎn)
1 把握流程中的關(guān)鍵環(huán)節(jié)
”敏捷、小步快跑、快速迭代”，不是一味的追求產(chǎn)品管理的靈活機(jī)動(dòng)，不是隨機(jī)應(yīng)變、不遵循流程、趕鴨子上架。
產(chǎn)品管理流程很重要，流程中的關(guān)鍵點(diǎn)一般包括：產(chǎn)品定義、產(chǎn)品設(shè)計(jì)、UI設(shè)計(jì)、開發(fā)、測(cè)試、預(yù)發(fā)布、實(shí)驗(yàn)局、發(fā)布、持續(xù)運(yùn)營(yíng)
明確流程，根據(jù)公司實(shí)際情況及產(chǎn)品屬性做針對(duì)性修改，明確各個(gè)環(huán)節(jié)的角色、職責(zé)、環(huán)節(jié)關(guān)鍵點(diǎn)
2 評(píng)審階段成果
認(rèn)真挑選評(píng)審委員會(huì)成員，不同環(huán)節(jié)的評(píng)審對(duì)評(píng)審委員會(huì)要求不同；
通過制定各環(huán)節(jié)成果物標(biāo)準(zhǔn)模板提升評(píng)審效率，為保證評(píng)審會(huì)高效進(jìn)行，需要將各環(huán)節(jié)模板固化，從而形成模板化的評(píng)審流程，通過模板來規(guī)范各環(huán)節(jié)的成果物，逐漸形成各環(huán)節(jié)的檢查清單。不但效率提升了，也有利于新人融入公司流程、建立公司自己的產(chǎn)品文檔體系；
明確責(zé)任、不推諉，如產(chǎn)品上線延期、質(zhì)量問題、產(chǎn)品上線后能否滿足用戶的需求，產(chǎn)品運(yùn)營(yíng)和售賣成果由明確的責(zé)任方，沒有人可以推脫自己的責(zé)任，公司可以通過透明、邊界清晰的流程管理制度對(duì)每個(gè)環(huán)節(jié)責(zé)任人進(jìn)行考核，并在實(shí)踐中制定評(píng)價(jià)標(biāo)準(zhǔn)。
3 復(fù)盤
回顧目標(biāo)，評(píng)估結(jié)果；分析原因；總結(jié)經(jīng)驗(yàn)，指導(dǎo)實(shí)踐，將原因進(jìn)行歸類并提出可以改善流程的行動(dòng)建議
總之，
端到端產(chǎn)品管理是公司的知識(shí)資本，也是實(shí)現(xiàn)產(chǎn)品管理的有效手段。新成員加入可以通過流程快速融入團(tuán)隊(duì)協(xié)作，另外還可以打通各部門的協(xié)作，從上至下的完成整個(gè)團(tuán)隊(duì)的工作流程梳理，在保證產(chǎn)品敏捷性（Agility）的同時(shí)實(shí)現(xiàn)了流程透明化，幫助領(lǐng)導(dǎo)隨時(shí)隨地的掌握產(chǎn)品和團(tuán)隊(duì)的狀態(tài)和進(jìn)展。
7.2 跨部門溝通
四種能力（橫向領(lǐng)導(dǎo)力）
1 良好的人際網(wǎng)絡(luò)（需要對(duì)公司內(nèi)外的人員建立廣泛的關(guān)系網(wǎng)絡(luò)，以支持其開展產(chǎn)品管理工作）
2 緊密的聯(lián)盟關(guān)系（聯(lián)盟關(guān)系不是公司內(nèi)部的政治斗爭(zhēng)，而是一種互相認(rèn)可并可以互利的關(guān)系，尤其是跨部門的盟友可以幫助你獲得產(chǎn)品管理流程各環(huán)節(jié)的支持，也是你最好的智囊團(tuán)）
3 說服別人的能力（說服別人是在理解對(duì)方立場(chǎng)和利益訴求的前提下取得對(duì)方支持的技巧）
4 談判能力
溝通技巧
1 無私助人（積累自己的“社交貨幣”，你能提供別人的資源或幫助越多，你自然就能和越多部門的人建立更好的關(guān)系網(wǎng)絡(luò)）
2 溝通方式投其所好
對(duì)方更喜歡正式的交流還是非正式的交流方式；
對(duì)方更喜歡面對(duì)面的溝通還是喜歡通過手機(jī)或電子郵件溝通；
對(duì)方更喜歡將事件的上下文了解完整還是更喜歡直接說重點(diǎn)；
對(duì)方更喜歡聽到以數(shù)據(jù)支撐為手段，客觀謹(jǐn)慎地表達(dá)自身觀點(diǎn)，還是希望通過主觀的判斷來表達(dá)；
對(duì)方更喜歡聽到細(xì)節(jié)還是概括；
產(chǎn)品經(jīng)理應(yīng)該了解公司各部門的運(yùn)行機(jī)制、工作內(nèi)容、分工情況以及歷史背景信息，并結(jié)合對(duì)方立場(chǎng)來選擇最恰當(dāng)?shù)臏贤ǚ绞?。把握人性、以最真誠(chéng)的態(tài)度進(jìn)行溝通。
3 從公司利益出發(fā)
將訴求和溝通目標(biāo)與公司的利益結(jié)合，比較容易獲得別人的支持。
7.3 用CEO視角進(jìn)行產(chǎn)品管理
1 創(chuàng)造令人信服的團(tuán)隊(duì)愿景
產(chǎn)品經(jīng)理應(yīng)向CEO一樣，不厭其煩的和設(shè)計(jì)、研發(fā)團(tuán)隊(duì)描述并確認(rèn)產(chǎn)品愿景，并盡量將產(chǎn)品的愿景印在團(tuán)隊(duì)每個(gè)人的心中
2 主動(dòng)承擔(dān)責(zé)任并以身作則
團(tuán)隊(duì)需要精神支柱，需要能夠帶著大家一起干活的人。當(dāng)產(chǎn)品陷入低潮或不被認(rèn)可時(shí)，要能夠依然保持積極樂觀的心態(tài)，無論何時(shí)對(duì)自己的產(chǎn)品保持著濃厚的熱情，這些行為和心態(tài)會(huì)潛移默化的影響團(tuán)隊(duì)中的其他人。
3 主動(dòng)爭(zhēng)取一切資源并對(duì)結(jié)果負(fù)責(zé)
CEO要為整個(gè)公司的業(yè)績(jī)負(fù)責(zé)，風(fēng)險(xiǎn)與機(jī)遇并存。產(chǎn)品經(jīng)理也時(shí)如此，在產(chǎn)品管理過程，一開始往往得不到足夠的資源（人、錢、數(shù)據(jù)等），需要主動(dòng)承擔(dān)風(fēng)險(xiǎn)去爭(zhēng)取資源。主動(dòng)爭(zhēng)取資源意味著對(duì)結(jié)果負(fù)責(zé)，但如果不去承擔(dān)這個(gè)風(fēng)險(xiǎn)，空拍未來也不會(huì)賦予更重要的使命，從而失去更多機(jī)會(huì)。
發(fā)現(xiàn)資源不足，以非技術(shù)性的、可量化的方式匯報(bào)給老板，同時(shí)告知資源不到位的后果，同時(shí)也要站在老板的角度考慮成本、投資風(fēng)險(xiǎn)、商業(yè)回報(bào)等問題。
產(chǎn)品經(jīng)理要常以這種思維去工作和思考，一方面有助于構(gòu)建完整的信息體系，通過充足的理由說服公司領(lǐng)導(dǎo)爭(zhēng)取資源，另一方面有助于構(gòu)建大局觀。
從不向自己匯報(bào)甚至級(jí)別高于自己的人身上爭(zhēng)取到支持和認(rèn)同絕非易事，這對(duì)溝通能力、資源管理能力、談判能力、表達(dá)能力、人格魅力、專業(yè)能力等綜合的考驗(yàn)。
堅(jiān)信“你想變成什么人物，就站在他的角度想問題、做事，終有一日你會(huì)變成那個(gè)人”。
寫在后面的話
人工智能時(shí)代，技術(shù)、商業(yè)模式、創(chuàng)新規(guī)律以飛快的速度發(fā)展和演變，產(chǎn)品經(jīng)理從這種變化中提升認(rèn)知能力和創(chuàng)新意識(shí)，需吸收大量的知識(shí)，并不斷的從工程實(shí)踐中提煉經(jīng)驗(yàn)。
掌握一定技巧并持續(xù)的學(xué)習(xí)和自我迭代，稱為優(yōu)秀的產(chǎn)品經(jīng)理并不遙遠(yuǎn)。
