欧美黄色精品-欧美日韩中文在线-国产黄色地址-久操视频在线观看-国产日韩欧美一区二区东京热-日韩私人影院-国产片免费福利片永久-一进一出下面喷白浆九瑶视频-国产又爽又黄网站-九九99精品久久久久久综合-五月天婷婷丁香-97香蕉久久夜色精品国产-久久伊人影视-亚洲开心网-国产精品xxx在线观看-国产毛片a级-亚洲精视频

數(shù)據(jù)產(chǎn)品的制作早在人工智能初露鋒芒之前就已經(jīng)開始了。但是，數(shù)據(jù)產(chǎn)品管理崗的設(shè)立與完善則是相對新近的事。這是直接發(fā)揮數(shù)據(jù)既是關(guān)鍵產(chǎn)品、又具備比較優(yōu)勢的新職能。今天，數(shù)據(jù)的規(guī)?；褂糜欣诮档统杀荆ㄈ鐢?shù)據(jù)中心運行管理的優(yōu)化）、提高收入（如電子商務(wù)領(lǐng)域的交叉銷售與追加銷售）、推動技術(shù)進步（如自動汽車的深度學習功能）。

在人工智能的熱潮中，動物分類算法與Go-playing智能體代表了數(shù)據(jù)產(chǎn)品管理的兩大基石。但算法只是整個數(shù)據(jù)產(chǎn)品生態(tài)系統(tǒng)中的一部分。在大部分商業(yè)場景下，算法模型可能只占結(jié)果的極小部分。一家公司要想讓數(shù)據(jù)像水流一樣暢通無阻地流動，必須具備一個大型支持生態(tài)體系，并完成三大任務(wù)：

• 第一，  收集和存儲于原始事件與交易行為并為之服務(wù)。

• 
  

• 第二，  與相關(guān)團隊共同處理、開發(fā)和分享數(shù)據(jù)。

• 
  

• 第三，  制作并部署算法模型，并在生產(chǎn)過程中加以監(jiān)督。

這三項工作，最終都要有看得見、摸得著的商務(wù)成果。在數(shù)以萬計的方向里，企業(yè)應(yīng)該先做什么，再做什么？

 Insight企業(yè)數(shù)據(jù)平臺已幫助上萬名員工成功轉(zhuǎn)型數(shù)據(jù)產(chǎn)業(yè)，找到各式各樣的崗位。在這個平臺上，業(yè)界對能為數(shù)據(jù)團隊掂量出輕重緩急、處理好協(xié)調(diào)問題的項目經(jīng)理的需求增加。這篇文章試圖描述理想的行業(yè)項目經(jīng)理的形象，并闡明其重要意義。

數(shù)據(jù)產(chǎn)品管理究竟有什么用？

如果是小型項目團隊，沒有正式的項目經(jīng)理，那么像機會評估、技術(shù)路線圖、股東管理這些常規(guī)性的產(chǎn)品責任基本上是技術(shù)經(jīng)理和個體工作者來做。放在大型團隊里，這種分工就有很多不足，最主要的是以下四點：

• 其一，產(chǎn)品工作占據(jù)所有個體工作者的時間

• 
  

• 其二，不是每個個體工作者都有能力或者有意愿從事規(guī)模性的產(chǎn)品工作。

• 
  

• 其三，企業(yè)單元和技術(shù)團隊之間的距離越拉越大。

• 
  

• 其四，個人技術(shù)團隊之間的距離越拉越大。

在這個拐點上，企業(yè)有兩條應(yīng)對之道。一是把任務(wù)分解成若干個子項目，并確保個體工作者或小型技術(shù)團隊有能力全程跟進，不必涉及其他團隊，也就不用設(shè)立某種形式的總協(xié)調(diào)員。

第二條應(yīng)對方案是建立一個正式的產(chǎn)品管理組織，專門負責維護數(shù)據(jù)源路線圖，并在各團隊與個體工作者之間協(xié)調(diào)任務(wù)的執(zhí)行情況。這種方案對于電子商務(wù)和按需服務(wù)這種功能高度交叉的產(chǎn)品來說尤為普遍。

第一種方案要想發(fā)揮出全部威力，必須得是某個體工作者能夠?qū)Ξa(chǎn)品進行調(diào)整，迅速取得客觀的運行反饋，并在最差的情況下以不作大改為前提完成回滾。這種方案或許適用于免費的社交網(wǎng)絡(luò)產(chǎn)品，但對于付費型、任務(wù)繁重的產(chǎn)品（如按需服務(wù)），基本上是毀滅性的。比來比去，大部分規(guī)模性的公司還是選擇了第二種方案，專門成立一個產(chǎn)品管理組織。

數(shù)據(jù)項目經(jīng)理的角色發(fā)展到了哪個階段？

在數(shù)據(jù)演進的初期，像軟件工程、軟件數(shù)據(jù)、軟件建模這種無關(guān)的數(shù)據(jù)技能，都是同屬于數(shù)據(jù)科學的門類。現(xiàn)在，它們均已快速發(fā)展成為獨立的崗位，比如數(shù)據(jù)工程師、數(shù)據(jù)科學家、研究人員、機器學習工程師等等。

類似的潮流也正出現(xiàn)在產(chǎn)品管理業(yè)內(nèi)部。在數(shù)據(jù)項目經(jīng)理這一寬泛的崗位類別之下，出現(xiàn)了若干個子崗位，例如基礎(chǔ)設(shè)施、分析、應(yīng)用機器學習/人工智能、探索與標準化、平臺等。這些具體化的過程與技術(shù)項目崗曾經(jīng)的演變?nèi)绯鲆晦H。不同的是，對數(shù)據(jù)項目經(jīng)理崗來說，上述頭銜還沒有塵埃落定。其發(fā)生發(fā)展，不過是反映了數(shù)據(jù)產(chǎn)品工作相對獨特的分工現(xiàn)象。

雖然每個數(shù)據(jù)用例都要求不同形式的技術(shù)理解和域理解（下文將會涉及），但就一般情況而言，項目管理技能仍然是成功的主要原因。我要強調(diào)這一點，因為一個數(shù)據(jù)項目經(jīng)理每天的主要工作，還是處理優(yōu)先級、溝通、股東管理、設(shè)計以及規(guī)范。

基礎(chǔ)設(shè)施

規(guī)模條件下，個體項目團隊的用例和數(shù)據(jù)需求各不相同。但為了盡快啟動，這些團隊往往傾向于打造獨立的數(shù)據(jù)基礎(chǔ)設(shè)施。這種傾向會造成重復(fù)勞動、數(shù)據(jù)孤島，最終各個團隊都會遭遇同樣的數(shù)據(jù)規(guī)模性問題。

對基礎(chǔ)設(shè)施項目經(jīng)理來說，最終交付的產(chǎn)品應(yīng)該是一個通用的數(shù)據(jù)基礎(chǔ)設(shè)施，它可以永久地收集、存儲、處理相關(guān)數(shù)據(jù)，從而降低用例。有了這個產(chǎn)品，團隊就能將重點放在原始數(shù)據(jù)的使用上，而不是收集和存儲。

基礎(chǔ)設(shè)施項目經(jīng)理的關(guān)鍵績效指標是數(shù)據(jù)可用性、規(guī)模性與可靠性?；A(chǔ)設(shè)施項目經(jīng)理應(yīng)該精通數(shù)據(jù)工程技術(shù)，例如數(shù)據(jù)接入、批量實時處理、文件系統(tǒng)與發(fā)送。

分析

當代職場，決策者越來越依靠數(shù)據(jù)。從戰(zhàn)略到產(chǎn)品和運營，從線下到實時，大量決策都是建立在分析的基礎(chǔ)上。如果說，基礎(chǔ)設(shè)施項目經(jīng)理的職責是確保查詢?nèi)蝿?wù)能夠在海量數(shù)據(jù)背景下有效運行，那么項目分析經(jīng)理則專注于將這些原始數(shù)據(jù)轉(zhuǎn)化成可操作的見解，提供給經(jīng)理、項目經(jīng)理、運營團隊等決策方。除此之外，項目分析經(jīng)理還積極投身于關(guān)鍵績效指標的認定工作與數(shù)據(jù)的探索工作，為商務(wù)決策建言。

在產(chǎn)品建造的語境下，一名項目分析經(jīng)理的職責是創(chuàng)建一個自助分析、定制儀表盤和報告工具的混合體，促進觀點在全公司層面的提煉與分享。項目分析經(jīng)理涉及到多元化的相關(guān)方，既有睿智的數(shù)據(jù)科學家，也有經(jīng)理這種“只讀型”的消費者。

項目分析經(jīng)理的關(guān)鍵績效指標，主要是由查詢?nèi)蝿?wù)的運行數(shù)量，發(fā)送的報告數(shù)量等證明該項目便捷性的因素。正是由于這種便捷性，數(shù)據(jù)用戶才能從原始數(shù)據(jù)中提煉出需要的觀點。

應(yīng)用機器學習/人工智能

某些產(chǎn)品和功能本身會自然而然地從機器學習/人工智能中尋找解決方案，例如搜索、推薦、詐騙檢測等。應(yīng)用機器學習項目經(jīng)理專注于把數(shù)據(jù)用在既有產(chǎn)品上——例如分析聊天記錄，使客戶服務(wù)路由實現(xiàn)自動操作，以及用高級人工智能設(shè)計出一種全新體驗——例如照片分享軟件的篩選器。說到底，他們的工作就是為了直接改進面向客戶的功能的關(guān)鍵指標。

致力于上述功能的項目經(jīng)理雖然并不總是冠以數(shù)據(jù)項目經(jīng)理的名號，但他們一般都對數(shù)據(jù)科學的工作流及其機器學習模型有著深刻理解。他們天生就知道如何利用機器學習的力量，并且比起嚴守規(guī)則的職員，他們更懂得如何在極限邊緣設(shè)計產(chǎn)品，提供優(yōu)質(zhì)的用戶體驗。

平臺

公司規(guī)模越大，對標準化框架的需要也就越現(xiàn)實，特別是在實驗和機器學習方面。這兩個工作流程的用例往往與產(chǎn)品自身的本質(zhì)緊密結(jié)合在一起。正是基于這個原因，開源方案才會這么難以滿足眾人的需求。

考慮到這個背景，大公司的個體數(shù)據(jù)團隊會先著手建設(shè)專屬的一次性系統(tǒng)，從而導(dǎo)致重復(fù)勞動和拖沓的生產(chǎn)周期。因此，谷歌、臉書、Uber之流已經(jīng)正式把目光轉(zhuǎn)向平臺——以通用的框架來減少花在加工、調(diào)用、監(jiān)視等普通任務(wù)上的精力。

之所以建立這些平臺，目的之一就是為了取消管理數(shù)據(jù)、調(diào)用和監(jiān)視結(jié)果的必要性，讓數(shù)據(jù)團隊能夠把重心放在模型和實驗上。還有一個目的，就是因為有了這些平臺，所有用戶都可以獲取通用數(shù)據(jù)和特征，從而增強了可重用性。

平臺項目經(jīng)理的工作首先是證明平臺如何發(fā)揮用途，然后是讓早期使用者愿意付出嘗試。一旦平臺到達拐點，項目經(jīng)理的角色就轉(zhuǎn)變?yōu)檎页雠e有高回報率的公分母，并將其嵌入平臺。平臺項目經(jīng)理的關(guān)鍵績效指標包括：平臺上運行的模型、實驗、投入市場所需的平均時間等。

標準化與探索

這也是規(guī)模團隊的一個問題。公司越大，個體團隊和人員所創(chuàng)造的數(shù)據(jù)量也會出現(xiàn)指數(shù)級的增長。數(shù)據(jù)的迅速輸出造成一個問題：遍尋公司上下，沒有一個中央場所可以查看到全部數(shù)據(jù)。

如果缺少一個記載、整合、顯示海量數(shù)據(jù)的結(jié)構(gòu)，那么組織對于數(shù)據(jù)源的掌握情況就受制于數(shù)據(jù)擁有者。結(jié)果，數(shù)據(jù)真正意味著什么，從何而來，有多可信，這些問題全都變得不確定。不僅如此，如果最熟悉那塊數(shù)據(jù)的員工離職，關(guān)于這些數(shù)據(jù)源的知識也將一同消失。第三個常見的問題是，使用了相同數(shù)據(jù)的團隊對于本質(zhì)上一樣的指標往往會給出不同定義。例如，最后七天在這個組可能叫做“整整最后七天”。到了另一個組，就可能叫做“最后168個小時”。

數(shù)據(jù)標準化與探索項目經(jīng)理的職責是確保整個公司意識到數(shù)據(jù)的存在，并且以一套固定的方式使用這些數(shù)據(jù)。這個崗位經(jīng)常生產(chǎn)數(shù)據(jù)目錄和數(shù)據(jù)通道，為數(shù)據(jù)、儀表盤和指標的探索與定義提供便利條件，同時也負責識別和聯(lián)系數(shù)據(jù)所有者，以便建立進一步對話。

數(shù)據(jù)通道的一個高級版本是降低計算指標的獲取難度，并將其融合到建模、分析等各個用例中。

結(jié)語

數(shù)據(jù)產(chǎn)品管理依然在發(fā)展之中，本文也無意窮盡業(yè)界數(shù)據(jù)產(chǎn)品崗位的所有內(nèi)容。數(shù)據(jù)項目經(jīng)理可以是上述職責的混合體。至于是哪些職責，取決于公司發(fā)展階段和組織結(jié)構(gòu)。分析可以是基礎(chǔ)設(shè)施的一部分，標準化與探索也可以是平臺的一部分。而應(yīng)用機器學習項目經(jīng)理也可能負責整合資源，以構(gòu)筑基礎(chǔ)設(shè)施和調(diào)配環(huán)境，為模型的生產(chǎn)提供必要條件。

說到底，這些崗位都要創(chuàng)造一場有價值的、以數(shù)據(jù)為基礎(chǔ)的用戶體驗，也要掃除所有障礙，確保團隊能夠提供這份價值。文章來源：微信公眾號pinjue_ali