产品案例

您当前的位置:主页 > 产品案例 >

回龙观人工智能产品经理互联网思维

来源:http://www.cghpyz7.com 编辑:www.d88.com 时间:2019/04/02

  数据产品经理,并不是数据+产品经理的结合 互联网产品经理经过近些年的发展,业内已经形成了相对一致的共识,对于产品经理的工作内容和成长路径,不同阶段有不同的侧重点。 由于产品经理这个岗位在大学内并没有真正的学科相对应,所以很多从其他方向转行过来做产品的现象并不少见;也一度形成了“人人都是产品经理”的趋势,这也形成了产品经理在人们心中门槛较低的印象;很多刚毕业的同学从产品助理或产品专员做起,基本在工作中不断实践历练,就能在产品这条路上越走越远 。 而近年来,随着大数据、云计算、人工智能等新兴技术的火热,“数据”一词成为了业界宠儿。 其实数据领域由来已久,只不过以前大多是做传统的数仓建设等;而大数据再一次引起人们重视,一方面由于是技术的发展,另一方面随着数据量的增多,从数据中获取商业价值,实现数据资产变现已然成为每个企业数据化转型的关键路径。

  场景分析,是产品经理必须掌握的诸多技能。春节,在你身边发现了哪些场景?我们一起聊聊吧,通过“场景”,学“场景”。

  你买过十元一桶的方便面吗?热水还需要另外付三元。有意思的是,前两天我才买了两份,很常见的康师傅方便面,一个是泡椒的,一个是酸菜的。

  我心如古井,平淡无波,呵呵哒,真贵……但我还是买了……并且,我非常庆幸买正确了,而且买便宜了。

  场景和自然一样,充满了神奇和难以置信,许多看似不可思议的事情,在特定场景下,却显得十分自然,似乎“本该如此”。

  2018年2月25日,广西到广州的包茂高速,堵车5小时以上,我经过时,已经是20:30分左右。

  当第三次听到导航“亲切”地告诉我,“前方有十公里,严重拥堵”时,我心里一阵“呵呵”。

  以此为背景,在某个不知名服务站,休息了一下,买了两份“物超所值”的方便面。

  顺带一提,我并非从超市购买的方便面,而是从小贩手中购买的,我也没有从服务站的热水处打水,而是从小贩的热水壶里加的水,正确来算是13元一份。我买了两份。

  数据建模的方法通常包括:星型、雪花型、Data Vault和3NF。 二、对于数据产品的认知 数据产品不同于互联网产品,数据产品的一个重要作用就是:辅助决策。 当然随着大数据兴起,未来可能会有更多的辅助决策型数据产品往智能决策型转变,而智能决策型数据产品的重点是相关算法知识——这个先不延展讨论。 互联网产品中常用到的需求分析是从用户研究开始的,从定义用户的特征来发现用户的需求,而数据产品的首要任务是帮助人们决策,而不是直接创造利润。 另外,数据产品是一个分析数据和展示数据价值的工具;因此,数据产品的需求基本来自于两方面:决策和数据。 一个常见的数据产品就是天气预报 APP:

  场景一直都在我们身边,只是我们缺少发现场景的意识,就像身处不同次元一般,也许这些场景一直在向我们招手,而我们却看不见,听不到。

  我所休息的服务站,超市在8:00就结束营业了,而我是在8:30抵达服务站的,整个服务站没有地方可以买到饮水。和方便食品,服务站特有的餐厅仍然营业,但卫生条件,以及拥挤状态是我和朋友所不能接受的。

  免费热水仍然是提供的,但排队人数已有恐怖的数十人,而热水并不是无限制的,每一定量都需要重新烧热,需要等不少时间。

  我面临的选项是,支付30分钟以上的等待时间,或者支付3元的开水费用,我选择了后者。

  我发现我们的选择,其实并不完全来自于人们的主观意识,更多时候都是被客观场景,客观情绪所影响的。实际上,我越来越怀疑“主观”的存在了,似乎很难找到“纯主观”的场景, 即使是我们个人的喜好,也是受到过往经历的场景影响。

  在这个场景里,我并不能按照自己所期望的产生行为,甚至不能产生想法和需求,面对已经结束营业的便利店,我实在没有办法产生“我想去便利店买泡面”的想法。

  事实证明,我的决定非常正确,从广西开始到广州终点,沿途几乎所有的服务站都是瘫痪的,需要进服务站的车流已经排到了服务站外的高速路上。

  应急车道也是瘫痪的,每隔数公里,就能看到若干车辆开着双闪,停在应急车道休息,这也是一个场景。

  在这个场景里,司机已经没有“服务站休息”的选项了,只剩下“疲劳驾驶”和“应急车道休息”两个选项,后者要安全许多。

  途径的部分服务站已经关闭了,关闭的原因我无从得知,但入口已经有交警指挥过往车辆禁止驶入服务站。

  这是一个真实的故事,并且还很新鲜,我们要展开分析,还能分析许多,比如春节这个大场景,返程这个大场景。

  我的驾龄不长,这是从朋友那听到的一个场景,很有趣的一个场景。也是高速路上的一个场景,一辆满载方便面的小货车,在抵达目的地之前就回去了。

  这种背景下,环亚国际手机登录2015年国...数据产品经理在各大招聘网站上变得十分抢手。 没有做过数据产品经理的同学,可能不知道它和互联网产品经理的区别,虽然说现在很多产品经理都要求会一点数据分析的技能,能够通过数据表现来针对产品做改进优化。 但与专业的数据产品经理相比,这些数据技能显得微不足道;更何况现在有很多第三方数据分析软件,不需要会写SQL,就能通过便捷可视化操作实现查数、获取结果、分析比对;因此,数据产品经理不仅仅单纯是数据+产品经理的结合。

  仍然是堵车,比我所遇见的堵车更加严重,朋友在路上整整堵了3天,进不得,退不得。被堵在中间。

  一同被堵的有一辆运输超市商品的小货车,满满一货车的方便面,矿泉水,小零食。

  第二天晚上,堵车附近的村民,大包小包带了各种各样的方便面和矿泉水,就在沿途高价销售。

  当人们面临原始的生存需求时,高价、口感、味道都不再重要了,我们几乎可以断言,任何一件商品的价值都不是一个固定值,而是一个区间值。

  是建立在不同场景下,由场景决定了对应的价值,下限值可能是免费赠送,甚至补贴赠送,而商品的上限价值,无限接近于生命的价值。

  商品价值的下限可以是补贴赠送,这是企业进行补贴战的原理,我们所耳熟能详的烧钱砸市场,不管是滴滴还是其他的补贴起家大户,都是基于这个原理构造的策略。

  一、数据领域的基本逻辑 当我本人初次从互联网行业进入数据领域时,可以说是一无所知。 记得入职那天,在会议室遇见了一同来办入职的同事,互相交流之后,他说是做开发的,我问是做哪方面的,他说ETL——当时我连这个岗位是做啥的都不知道,更别说ETL三个字母所分别代表的含义了;后来跟朋友讲起,我还笑着说道:我们所说的开发不就是Java、PHP、iOS、Android什么的,ETL又是干啥的呢…… 后来我发现,不光我不知道,问了很多同在互联网公司的老熟人啥的,基本没接触过数据方面,都不知道里面的具体内容。比如Hadoop、Kafka、Spark、Streaming、Hive等这些名词,更是听都没听过。 在数据领域对于数据的处理,基本有一个特定的逻辑图,有可能是从下到上,有可能是从左到右;起初我以为是个别的这样表示,后来网上看见过一个大公司的介绍(忘记是阿里还是百度了,里面介绍他们的数据处理,也是那样的图),我才知道,原来基本都是这样的逻辑,按照数据流向或者是处理流程分模块表示,后来随着接触的越来越多,才逐渐领悟其中要义。

  补贴一定有用吗?重点其实不在补贴,而在于补贴所依赖的场景,什么场景下商品的价格才会变为补贴赠送。

  商品的价值是由场景决定的,换言之,脱离场景单独定价,没有任何意义,而想要推行某种价值,就需要构造该价值所依赖的“场景”。

  故事以一个冷笑话的形式收尾,高速路通车后,货车司机因为运输的货物被销售一空,不得不提前返厂。

  而他的序章,则是十余家商铺,因为得不到商品的补充,不得不寻找另外的货源,而小货车背后的商品公司因此损失了一些客户的信任,需要提供额外的福利政策,才能挽回这部分商户,避免被竞争对手挖角。

  相同的一个事物,放在不同的场景里,便能呈现出不同的性质,有时差距惊人,犹如天地一般。

  IM作为功能而言并不复杂,对于阿里而言绝不是很难触达的技术领域,然而阿里的IM,和微信的IM,两者之间的距离何尝不是天和地的距离呢。

  并不是阿里没有技术,没有产品,而是没有找到与微信相同的一个场景,能够让IM这件事物,具备接近于生命的价值。

  甚至于在阿里系探索的场景里,不少是让IM具备下限价值的场景,是需要补贴赠送来使用的。

  场景,是产品经理需要掌握的有价值的需求源,我将其视为中级到高级阶段必备的一个技能。

  这会让我们避免碰运气做产品,而是有预期,有把握的去做,环亚在线娱乐。我们要找到上限价值的场景很难,但要避免下限价值却很容易。

  只要我们意识到场景的存在,学会分析场景,学会辨识场景,挖掘场景背后的需求。

  大家都知道场景找痛的痛点,满足这部分人群的需求,解决实际问题,但这种能力似乎不是一个可以很快得的过程,需要很多时间来练,怎么才能有效的掌握这种能力呢?

  场景严格上来讲和我们的思维相关,缺少对应的思维方式,是没有办法通过练来提高的。

  堵车,高价方便面,或者其他一系列反常的现象在我们身边从不缺少,我们甚至可以随口列举若干场景现象,尤其是在春节期间,诸如餐厅普片会涨价,商铺集体关门等等。

  我们缺少的是对场景的意识,对这些场景视而不见,也就是在我们的视觉里,这些现象仅仅只是现象,并没有将其视为场景,我们可能一笑而过,可能抱怨牢。

  古人给了大家一条线索,“事出有异,必有妖”,在我们身边发生的一些奇怪的事情,都是一个场景。

  一、数据领域的基本逻辑 当我本人初次从互联网行业进入数据领域时,可以说是一无所知。 记得入职那天,在会议室遇见了一同来办入职的同事,互相交流之后,他说是做开发的,我问是做哪方面的,他说ETL——当时我连这个岗位是做啥的都不知道,更别说ETL三个字母所分别代表的含义了;后来跟朋友讲起,我还笑着说道:我们所说的开发不就是Java、PHP、iOS、Android什么的,ETL又是干啥的呢…… 后来我发现,不光我不知道,问了很多同在互联网公司的老熟人啥的,基本没接触过数据方面,都不知道里面的具体内容。比如Hadoop、Kafka、Spark、Streaming、Hive等这些名词,更是听都没听过。 在数据领域对于数据的处理,基本有一个特定的逻辑图,有可能是从下到上,有可能是从左到右;起初我以为是个别的这样表示,后来网上看见过一个大公司的介绍(忘记是阿里还是百度了,里面介绍他们的数据处理,也是那样的图),我才知道,原来基本都是这样的逻辑,按照数据流向或者是处理流程分模块表示,后来随着接触的越来越多,才逐渐领悟其中要义。

  1. 本网凡注明“稿件来源:本网原创”的所有作品。转载请必须同时注明本网名称及链接。

  2. 本页面为商业广告,内容为用户自行上传,本网不对该页面内容(包括但不限于文字、图片、视频)真实性和知识产权负责,如您认为该页面内容侵犯您的权益,请及时联系进行处理,不收取任何费用。

  3. 本网部分内容转载自其他媒体,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性。不承担此类作品侵权行为的直接责任及连带责任。

Copyright © 2013 www.d88.com,d88.com,尊龙d88,尊龙娱乐人生就是博 All Rights Reserved 网站地图