管理资源吧

当前位置:首页 >> 资讯 > >> 企业管理 >> 经营管理 > 机器学习时代,产品经理未来的价值在哪里?

机器学习时代,产品经理未来的价值在哪里?

随着计算机计算能力的爆发式增长,人们利用计算机的方式不断变革,而我们正走在变革的路口。一方面是大公司更多的资源投入到机器学习的领域,从而颠覆原有的决策和运营模式,另一方面,随着实用性开源代码越来越丰富,随着云平台的不断发展,小公司接入机器学习的方法的成本也越来越低。而这样的背景下,产品经理未来的价值在哪里?

90.png

1. 变革:人使用计算机的方式

随着计算机能力的爆发式增长,人们利用计算机的方式不断变革。想象一个情形,决策拥有大量数据的结果,需要根据数据输出一个高效的决策,我们该怎么做?

  • 筛选历史数据:筛选数据中有用的部分;

  • 分析历史数据:根据历史数据计算出某种规则;

  • 分析当前数据:根据当前数据和某种规则分析当前数据;

  • 做出当前决策:根据当前数据分析结果,做出最终决策。

最初,人们通过让计算机在明确的数据下,明确的规则下计算结果,而人们根据这个结果做出决策。在这个过程中,清洗历史数据的人,分析历史数据的是人,分析当前数据的是人,做出决策的也是人。这个阶段,系统只承担计算的部分。不理解人的全部决策过程。

后来,人们发明了基于规则式策略去解决实际中遇到的问题。根据大量的数据分析,人们发现可以根据历史数据形成规则并让系统自动决策。比如一个系统实现了这样一个功能,a数据下,执行A策略,b数据下执行B策略。在这个过程中,清洗历史数据的是人,分析历史数据的是人,分析当前数据的是计算机,做出当前决策的也是计算机。人理解全部决策过程,计算机只理解具体的指令。

在机器学习时代,规则变得不在重要,重要的是数据表现的统计意义的特征。计算机接受全部数据,根据数据和历史结果的相关性,自动分析数据之间的联系,并分析决策方法,并根据决策方法,自动做出决策。这种情况下,人完全不理解计算机的决策过程,当然,对于计算机而言,也不理解模型的过程数据。

2. 真相:机器自动决策的缺陷

那么计算机真的在自动决策吗?答案其实不是。计算机在整个过程中基本都是基于统计意义的方法进行分析和决策。本质上高度依赖于整个机器学习过程中系统设定的目标。

举个例子:商品的个性化推荐系统

当你的目标是目标销售量的时候,模型会根据历史销售数据推荐推荐给每个人一个商品列表,这个列表是基于历史的商品销售数据,和用户的行为数据,估计出最有可能被推荐的数据。最好的算法,可以基于历史销售数据,给出理论上最好的销售量预测。但是这只是统计意义的最优。在这个过程看似是计算机自动完成,但是我们还是赋予了计算机一些内容:

  • 目标值:当天销售量

  • 数据范围:历史销售数据,用户行为数据

但问题依然存在:对于一个电商而言,最核心的指标,真的是短期的销售量吗?

算法的单目标最优,往往以为着对完全不考虑其他目标,有很大的风险牺牲长期利益。这个很好理解,当经济发展的目标变为单一GDP的时候,国民健康、环境破坏等等就不被考虑的。当算法的目标是销售量的时候,用户的惊喜度,内容的重复度,对用户的调性,这些都是不在目标范围内的。

有很多信息,系统无法接收有什么影响?

一个服装电商,你知道今年的外部的流行款是什么,但是对于个性化推荐系不知道。你知道今天某个人气明星走红毯的时候穿了什么,但是个性化推荐系统不知道。而很多时候,这些信息往往是关键信息。但系统却无法知道。历史信息不一定能预测未来需求。

3. 未来:作为人的产品经理的价值

看似计算机已经做了全部的数据分析和计算,那么对于人而言,我们的价值在哪里呢?

在思考这个问题之前,我想到了一句话:“产品经理是的产品的CEO”。那么CEO同样不会做数据分析和决策,CEO应该做什么?除了管理之外,很重要的一个事情就是把握方向。

不会为了眼前的数据,榨干未来的潜力,根据市场的信息,即时调整发展重点。

产品经理需要更懂业务,更懂数据,更懂用户。

能够给出系统一个准确的目标。这个目标一定是个复合指标,不仅仅关心核心的KPI,更要关心是否因为核心的KPI而影响了未来的发展。

把控系统的发展方向。无论系统如何发展,总有些数据无法纳入到系统自身中来,这就需要一个懂得系统逻辑的人,去调整系统的发展。比如一些爆款新品的加权,比如一些影响用户情绪商品的过滤,比如挖掘更多的数据维度加入系统。

毫无疑问,挂着产品经理头衔的人在未来会有减少的趋势,但另一方面,剩下的人要做的事情也更加复杂和重要。

上一篇:实战经验|我在做后端产品中收获的4条经验
下一篇:疯狂扩张之后,K12在线教育亟待解决三个问题
资讯分类:
推荐阅读
猜你喜欢