3招加3招 让AI产品经理与大数据产品经理的双重能力附魔上身！ | 产品壹佰

产品经理有很多种，譬如有重业务的B端产品经理，有重增长吸引用户的C端产品经理，还有SaaS，AaaS,IaaS产品经理等等种类，当我们还没有讨论完产品经理都是怎么进化来的时候，豁得发现市场对产品经理的岗位能力开始有较高的要求了。其中有两类产品经理对软硬件技能为更高且更为市场所需求，一类是AI产品经理，一类是大数据产品经理，那么我们怎么认知这两类产品经理的关系呢？能不能做到大数据与AI复合上身的产品经理呢？做到后即将成为什么样基因的产品经理呢？本篇将进行讲解。

一、第一招开门点题

AI产品经理与大数据产品经理的关系是一体两翼的关系，如下图：

数据日常的大路路径是汇聚，存储，处理。

分叉后一条路线是形成数据集AorB，输送给特定的模型，进行训练，例如输送给RFM模型，AI产品经理确认数据的业务意义，比方说张三是高价值客户，李四是高潜力客户，那么那些数据代表张三是高价值客户，RFM模型中的最近购买时间R，购买频次F，消费金额M，究竟怎么来验证张三是高价值客户，这个时候AI产品经理会就业务本身自然呈现的内容输送到模型，帮助优化训练模型，在做的过程中会验证发现RFM模型有缺陷对航司客户不能很好地进行智能化识别，那么RFM模型就逐步地迭代为LRFM模型，再然后就部署的具体的系统模块供各个业务项目场景应用。

分叉后另外一条路线是供数据分析，比如某外卖平台希望通过消费者LineLian的用户历史和时间序列数据达到提高LineLian的消费品类的目标，那么需要对LineLian的消费存量数据进行分析，这里需要分析LineLian以往消费数据，例如LineLian以往消费都是晚餐（IT男加班多），消费晚餐的POI点，消费晚餐的品类等等，然后设计算法分析出千千万万个LineLian用户，哪些可以从常定晚餐到推荐午餐也定午餐的目标。

从上图分析可见AI产品经理与大数据产品经理有着天然的蜜着点且关系紧密，均是建立在数据的一体上发展出来的两翼。

二、第二招AI产品与大数据产品的各自内容

虽说AI与大数据的关系藕断丝连，但是AI有AI的独立空间，大数据也有大数据的桥头切面。两者各自的内容如下图：

大数据产品经理围绕着数据平台做产品（大数据平台包含数据中台），数据平台从下层往上层大数据产品经理依次会陪着大数据架构师先治理数据如何存，再治理大数据的增长，再治理异构数据，再次才是数据的有关功能的开发应用，例如：数据分析，数据可视化，数据资产管理，数据质量管理等等。

而AI产品经理主要围绕着AI需要的算法、AI需要的算力、AI应用于哪些场景为核心而工作，AI平台如上图，一名AI产品经理先从下面云、芯片等算力开始着手，一直到中间层的机器视觉、机器听觉、NLP等算法，最后到AI应用的场景譬如智能驾驶、智能家居等等场景。

第三招：AI产品经理+大数据产品经理=数智化产品经理

虽说大数据产品经理与AI产品经理现阶段有着各自的内容，但是中期大数据产品经理与AI产品一定有协同混合的市场需求，即市场老板不会将AI拆分成AI，也不会简单的将大数据单独的作为大数据。长期看是数智化产品为主导趋势！

特别说明，数智化的智是智能的智。

早期，宜即时下市场上典型的案例是，许多企业需求是要构建自己的数据中台，一个数据中台里是很难看到AI的核心使命的，但是中期看AI与大数据会有融合，即当数据治理以后，下一层自然推送到机器学习平台，当然早期和中期之间是有衔接的过渡地带的。但是长期来看数智一体化产品才是产品经理进化的深度趋势，如下图：

数智化产品经理基础是数据工作，其次是具有通用级别的大数据治理能力，例如有适应性颇高的算法+算力能力来计算大数据，然后是客客制化的AI模型算法能力，最后是场景挖掘应用思维。具备这种数智化系统的产品是未来市场的产品经理！

除了明白上面3招外AI产品与大数据产品的关系和内涵知识外，还有如下3招帮助我们上手大数据与AI产品经理。

第1招：AI产品与大数据产品需懂的技术层面

想成为AI产品经理和大数据产品经理注定需要先吃一番风霜苦。

首先自己有无抓住AI和大数据的红利期，实现从传统产品经理转型到AI大数据产品经理的思维方式；

其次有无做好接受数据汇聚、数据存储、数据分析、算法针对行业业务的类型、模型在不同的数据集训练测试持续优化的准备，需要准备哪些呢？譬如：打破小产品的认知，走向大产品，学着做一个AI大数据产品的融资方案，市场规模调研，可行性分析报告，还有最最核心的以用户需求和客户要求做的具体的AI大数据产品的产品界面、功能、后台数据治理的文档。

过程中需要懂的技术至少有：

硬件基础层的CPU/GPU/FPGA/ASIC等；

引擎框架层的高性能计算引擎如分布式计算框架/交互式分析框架/深度学习框架等，Hadoop生态圈组件的HDFS/Hbase/Kafka等，数据库的时序数据库/高性能的OLAP数据库等，还有容器云管理等；

平台级产品层，大数据管理数据集成的流程/元数据管理/数据质量管理/数据资产管理/数据安全管理等，大数据AI机器学习的模型部署管理/边缘AI/可视化开发/IDE集成开发等，当然还有集群管理，用户管理，权限管理，监控管理等等；

以上技术懂的尺度和边界是你所在的团队技术不懂的你得懂，技术懂的你得能跟他交流。

最后大数据AI产品经理或者说数智产品经理如何寻找新的场景需求并具有发展性产品思维留做下篇讲解。谢谢观看。