常跟工程師講到爆氣?一個工程師眼中「有腦」的 PM 要先做到這七點!

【為什麼我們要挑選這篇文章】當一個數據科學產品經理,要怎麼依照產品生命週期去調整銷售策略,再與產品團隊、工程師溝通?下文挑選前輩給出的七條建議,助你一步步成為傑出的產品經理。 (責任編輯:黃穗懷)

「《科技報橘》徵才中!跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 [email protected]

每一個公司都有產品經理。

根據定義,產品經理負責統籌各方需求,選擇業務模式,並根據公司產品的生命週期進行協調、研發、行銷、營運。

傳統業務還好說,畢竟一些流程已經成熟。但是對於數據科學這一比較新的領域來說,需要發掘的東西太多,不能拘泥於傳統範式。

如何做好數據圈的產品經理? 一位曾在 Uber 戰略 & 運營部門的數學科學家 Wafic EI-Assi 給出了七條建議,助你成為合格產品經理。

對於任何產品團隊,都需要一個人來對產品生命週期的負責。換句話說,我們需要一個數據科學產品經理。而且,由於當時的組織結構有變動,我不得不暫時接手這個職位。下面是我對如何成功地做一枚資料產品經理的理解:

編注:Proof of Concept,它是一套建議的電子模型,它可用於論證團隊和客戶的設計,允許評估和確認概念設計方案。

1. 奠定機器學習的知識,獲得工程師的信服

  我有一個朋友最近在加拿大的魁北克開始了一份工作。魁北克省是加拿大講法語的省份,而作為一個隻說英語的加拿大人,他很難適應,直到他學會了法語!你懂我的意思了吧……

作為一個資料產品,你必須能夠發現機會,在哪裡可以利用到機器學習。此外, 你需要能夠與你的數據科學家和工程師講得上話。如果你不瞭解如何用機器學習構建模組,你就很難與團隊建立同理心。 索性,在網上有無數的免費資源可以説明你提高速度(coursera,medium,youtube……)。

2. 主動判斷模型錯誤率,降低銷售成本

在機器學習中,選擇合適的模型評價指標以及確定最小可接受誤差,是兩個最具挑戰性的任務。你不需要(也不可能)為手頭的任務提供極高的精確度。另一方面,對於整體業務來說高錯誤率太話費時間人力成本。因此, 你應該積極主動地學習評估指標和可接受的誤差範圍。 例如,當機器學習產品正在替換一個已經存在的任務時,你可以使用當前的錯誤率作為衡量標準。 總而言之,評估標準將取決於可用的資料、所使用的模型以及手上的應用程式。

 3. 權衡機器學習時間、成本和準確性

判斷機器學習產品何時可以交付是一個具有挑戰性的任務。在測試誤差較低、不存在過擬合的情況下,是否應該採用模型?我們是否應該先在生產環境中使用我們的客戶群樣本來測試模型,然後再聲明它可以供所有客戶使用?答案會在時間、成本和準確性之間可能會做出權衡。 事實上,機器學習的產品生命週期依賴於大量的實驗,所以我的建議是你在產品路線圖中加入測試的時間。

4. 電腦 冷開機,確保機器學習運作正常

  因為很難確定一個機器學習產品是否可以運轉,所以先考慮冷開機。冷開機在收集顧客回饋資訊方面非常有用。

在 B2B 環境中的軟啟動器可能與在 B2C 環境中非常不同。在 B2B 環境中,你可以用客戶群的代表性樣本來測試機器學習的產品。在這裡,你可以與你的客戶建立合作夥伴關係,在發佈時請求產品回饋。另一方面,在 B2C 環境中,你可以進行 A/B 測試,驗證產品是否達到預期的結果。

5. 準備備案,因應緊急狀況

  你已經製造了你的機器學習產品。Good Job!然而,你還尚未完成。除了傳統的部門後 PM 職責之外,還有一些應該注意的事情。

首先,你 需要一個緊急備案。確保有監視和警報系統設置,當模型的性能開始下降時警告你和你的團隊。 如果你有一個更通用的備份模型(儘管可能不那麼準確),甚至有一個基於規則的系統,可以在預測下降時部署來替代你的選擇模型,這是比較理想的狀態。

其次,為你的客戶設定清晰的關於模型性能、錯誤邊際和時間延遲的期望。你的 SLA(服務品質協定)中還應該反映這一點。

最後,為了保持其 SLA 以及推廣再培訓模型所需的時間,你需要確定需要多少次模型再訓練。

6.採取敏捷的心態,而不是具體的敏捷框架

Scrum 或類似的方法在軟體社區中相當流行。然而,並不是機器學習週期的所有階段都接受定時的或體恤大小的用戶故事。至少,在研究或 POC 階段,大量的實驗是必要的,在那個階段採用一個限制較少的敏捷框架(如看板)可能是理想的。

除了熟悉機器學習概念和機器學習產品生命週期之外,你 作為資料產品經理的角色與常規產品經理沒有太大區別。你仍然需要構建一個待辦事項列表,提供發佈計畫,開發業務案例,並充當團隊與內部和外部接洽的介面。

7. 最後:凝聚團隊向心力

如果你要從這篇文章中去掉一樣東西,那就是你 需要對你的資料團隊中不同成員的角色和責任形成一定程度的理解和同理心 。不用說,這在傳統軟體環境中也是如此。如果你瞭解你的同事們所經歷的事情,你就會開始思考如何才能幫助他們成功。

 

(本文經 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈如何做一枚合格的数据产品经理 〉 。)

更多數據影響決策故事

僅 5% 企業會解讀數據!你該如何掌握「高效決策」的根基?

不在第一線也能精準決策!以消費者需求為起始,大數據如何改變商業模式?

IBM AI 神預測員工離職機率:正確率 95%,年省 9 億台幣留才費!


我們正在找夥伴!

2019 年我們的團隊正在大舉擴張,需要你的加入跟我們一起找出台灣創新原動力! 我們正在徵 《採訪社群編輯》、《助理編輯》,詳細職缺與應徵辦法 請點我

點關鍵字看更多相關文章: