隨著科技的發(fā)展，AI技術也滲透進各個行業(yè)里邊，要跟上時代發(fā)展的步伐，作為產品經(jīng)理，也必須了解AI相關知識，對AI技能也要有所了解，大家一起往下看一下筆者整理分享的這一篇文章吧！

不管是我們在進行網(wǎng)上購物時的feed流推薦，還是一句：嗨，小愛同學幫我關一下燈等，AI技術已經(jīng)融入我們生活的方方面面。

隨著人工智能的火熱，越來越多的產品經(jīng)理開始關注AI這個領域，希望借著這次風口進而擴寬自己的職業(yè)道路，讓自己的產品之路走的更遠。

AI一詞（全稱人工智能（Artificial Intelligence）），從出現(xiàn)開始，在網(wǎng)絡中的定義也是鋪天蓋地，如果讓筆者概況一下，筆者認為：如果一個系統(tǒng)能像人一樣具備理性的思考和行為，那么我們就可以認為這個系統(tǒng)是人工智能。我們既然生活在人工智能時代，AI技術也在不斷地發(fā)揮它的價值，對產品經(jīng)經(jīng)理而言，我們要抓住這次機會，將AI技術融入到思維模式中，以便更好的創(chuàng)造其價值。

相比之前傳統(tǒng)的產品設計理念，筆者認為，產品經(jīng)理除了核心職責和底層能力之外，還需要注重人工智能行業(yè)、算法場景以及驗收評估標準等方面的知識。并且這里注意的是：我們未必一定要轉型成一名AI產品經(jīng)理，關鍵是需要具備用AI解決問題能力。

假如你是一名剛接觸AI方向的產品經(jīng)理，筆者給與以下幾點建議：

一、掌握的必要概念和行業(yè)術語

1. 必要理解的基本概念

在人工智能領域，有兩個最基本概念首先是要清晰的，那就是機器學習和深度學習。

首先，我們先來看機器學習（Machine Learning）。機器學習的核心是讓機器有能力從數(shù)據(jù)中發(fā)現(xiàn)復雜的規(guī)律，并且通過這些規(guī)律對未來某些時刻的某些狀況進行預測。為了更好的理解，筆者舉一個簡單的例子：

比如，以私域營銷里面常見的客戶流失為例，企業(yè)需要通過機器學習在大量的歷史客戶數(shù)據(jù)和銷售數(shù)據(jù)中找出規(guī)律，以便確定和理解為什么會失去客戶。然后，企業(yè)就可以利用機器學習能力來分析現(xiàn)有客戶的行為，以提醒業(yè)務人員哪些客戶面臨著將業(yè)務轉移到別處的風險，從而找出這些客戶離開的原因，然后決定企業(yè)應該采取什么措施留住他們。

我們再來看第二個概念，深度學習（Deep Learning）。深度學習（Deep Learning）是一種特殊的機器學習，是借鑒了人腦由很多神經(jīng)元組成的特性而形成的一個框架。

它相對于普通的機器學習，深度學習在海量數(shù)據(jù)情況下的效果要比機器學習更為出色。但它也有它的局限性，就是深度學習對機器的性能要求會高，算法模型訓練時間相對也更長。

因此，我們需要根據(jù)自身業(yè)務實際場景判斷是否選擇深度學習的相關算法。常見的深度學習算法，如：卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡、自動編碼器、強化學習算法等，作為產品經(jīng)理，了解即可。

2. 需要了解的行業(yè)基本術語

二、必備的AI技能

在AI領域，產品經(jīng)理雖然不需要像技術人員了解的那么深入，但需要了解幾個方面的技術知識，以便在產品開發(fā)過程中更好的與算法工程師同頻共振。筆者推薦：數(shù)學統(tǒng)計學相關知識、模型構建流程、常見的算法3個方向的相關知識。

1.數(shù)學統(tǒng)計學相關知識

因AI技術建立在數(shù)學模型基礎之上，必備的數(shù)學統(tǒng)計學知識是理解人工智能的基礎，所以數(shù)學相關的基礎知識是產品經(jīng)理必須要了解的。

我們可以不需要具體了解每一個數(shù)學公式以及公式背后的邏輯，但我們需要知道數(shù)據(jù)統(tǒng)計學的基本概念以及概念的落地應用。比如了解線性代數(shù)中標量、向量、矩陣、張量概念以及概率統(tǒng)計中的常見分布，如：伯努利分布、正態(tài)分布等。（掌握邊界：知道、了解）

2. 模型構建流程

模型構建的過程實際上就是應用某個算法技術來實現(xiàn)一個模型的過程，產品經(jīng)理需要知道模型的建模流程都有哪些節(jié)點，這些節(jié)點都牽扯了哪些角色，每個角色又承擔了什么工作，每個節(jié)點的產出物是什么，以及每個節(jié)點合理的工作周期又應該是多長時間。

一般來講，模型構建大致包括4個階段，分別是模型設計和選擇階段、特征工程階段、模型訓練與驗證階段和模型部署階段。

下面我們看一下模型構建各個階段需要做的事情以及產品經(jīng)理在其中要做的事情：

1) 模型設計和選擇階段

在模型設計階段，最重要的就是定義模型的目標變量以及抽取的數(shù)據(jù)樣本。在這個環(huán)節(jié)，對于產品經(jīng)理而言，產品經(jīng)理需要基于當下業(yè)務，去思考這個模型該不該做，我們有沒有能力去完成要做的模型以及目標變量應該如何設置、我們的數(shù)據(jù)源有哪些、數(shù)據(jù)樣本如何獲取等。

比如：以私域營銷為例，我們要通過AI實現(xiàn)企業(yè)應該采取什么措施留住流失客戶。在這個案例里面，流失客戶便是目標變量，大量的歷史客戶數(shù)據(jù)和銷售數(shù)據(jù)便是我們現(xiàn)有的數(shù)據(jù)源。

我們再來看模型設計階段數(shù)據(jù)樣本的抽取。因為模型是根據(jù)我們的樣本進行訓練的，所以數(shù)據(jù)樣本抽取決定了模型的最終效果。這里我們需要注意的是，作為產品經(jīng)理我們在選取樣本的時候要根據(jù)業(yè)務的常用場景去抽取，盡量規(guī)避一些特殊場景，如：雙11、雙12等場景數(shù)據(jù)等。

2) 特征工程階段

當我們完成模型設計階段，有了目標變量和數(shù)據(jù)樣本，我們就可以進入到第二個階段：特征工程階段。首先我們先看一下什么是特征工程？特征工程是AI學習中的一個重要環(huán)節(jié)，它涉及到對原始數(shù)據(jù)進行處理和轉換，以便更好地適應機器學習模型的訓練和預測。

特征工程的目標是提取有意義的特征，以便提高模型的性能和準確性。因此，在特征工程環(huán)節(jié)，特別考驗產品經(jīng)理對自己業(yè)務以及業(yè)務目標的理解程度，假如產品經(jīng)理根據(jù)自身對業(yè)務的理解創(chuàng)建出超級特征值，可以說對模型的性能有極大的提升，將會減少很多工作內容。

一般情況在特征工程階段，包括特征使用方案、特征獲取方案、特征處理、特征監(jiān)控等環(huán)節(jié)，并且特征工程階段也是占據(jù)AI模型開發(fā)時間周期最長的階段，所以產品經(jīng)理需要了解特征工程的核心步驟，尤其是是數(shù)據(jù)清洗和特征提取兩個環(huán)節(jié)。

為什么這么說？其一，因為數(shù)據(jù)和特征的質量決定了模型最后的效果表現(xiàn)；其二，在模型訓練過程中，由于技術的復雜性和模型效果的不確定性，會出現(xiàn)很多計劃之外的工作和問題。

作為產品經(jīng)理，只有對各環(huán)節(jié)有足夠多的了解，才能更好的理解算法本身以及算法工程師團隊，便于說服老板理解問題，確保投入更多的資源以及包括更好的與客戶進行溝通。

3) 模型訓練與驗證階段

模擬訓練與驗證階段，其實就是通過不斷訓練、驗證和調優(yōu)，讓模型達到最優(yōu)的一個過程。在這個將階段，不得不提到?jīng)Q策邊界概念。

決策邊界通俗理解就好比：你看上一款筆記本電腦，當筆記本降價到3500RMB就會夠買，超過3500就不會購買。那么3500就是決策邊界。

并且不同算法的決策邊界也不一樣，比如線性回歸和邏輯回歸這樣的線性算法，它們的決策邊界也是線性的，而對于決策樹和隨機森林這樣的非線性算法，它們的決策邊界也是非線性是一條曲線。因此，決策邊界是判斷一個算法是線性還是非線性最重要的標準。

4) 模型部署階段

一般情況下，因為算法團隊和工程團隊是分開的兩個組織架構，所以一個模型訓練完成并通過評估后，算法工程師就要考慮怎么把它部署到線上，并應用到業(yè)務場景中。雖然模型部署不屬于模型構建中的環(huán)節(jié)，但它卻是 AI 產品上線中必不可少的一環(huán)。

3. 知曉常見的算法知識

在算法這個領域，作為產品經(jīng)理不需要深入，但需要知道常用算法的實現(xiàn)邏輯和應用場景，以便更好的與算法工程師進行溝通，減少溝通成本，并且當產品與算法工程師之間因結果產生爭執(zhí)時，也有一定理論做支撐。

（這里并不是懷疑算法團隊的結果，而是更好的推動事情的發(fā)展），經(jīng)筆者查閱資料，建議了解一下算法：

總之，在這個AI技術融入各行各業(yè)的時代，作為一名產品經(jīng)理，無論是否是AI產品轉崗，除了產品經(jīng)理核心職責和底層能力外，還要有AI領域的知識儲備。畢竟新的產品時代已經(jīng)開啟！

本文由 @王振永 原創(chuàng)發(fā)布于人人都是產品經(jīng)理。未經(jīng)許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協(xié)議

該文觀點僅代表作者本人，人人都是產品經(jīng)理平臺僅提供信息存儲空間服務。