130-数据科学家高阶能力之分析产品【萌萌家】.pdf

130|数据科学家高阶能力之分析产品

2017-10-23洪亮劼来自北京

《AI技术内参》

人工智能工程师和数据科学家的主要工作是什么？很多人认为，他们的主要工作是利用复杂的

机器学习模型和算法来解决产品中的难题。这样的认识既“对”也“不对”。“对”的地方是

说，机器学习模型和算法的确是人工智能技术在产品上落地的核心步骤。“不对”的地方是

说，这种认识往往片面地总结了人工智能从业人员的工作范畴。

实际上，要想真正地提出一个好的人工智能解决方案，分析产品的能力是必需的。从较高的层

次来讲，就是分析一个产品目前遇到的难题是什么，为什么需要用人工智能技术去解决，哪些

是可以用人工智能技术解决的，哪些不能。

今天，我就来分享一下，站在人工智能工程师和数据科学家的角度，我们如何理解并提升分析

产品的能力，学会了解产品的需求。

产品需求的庖丁解牛

一个数据驱动的产品往往是一个复杂的复合体。这里面当然有很多数据、人工智能的元素，也

有不少其他元素，比如设计、人机交互、商业规则、心理学等等。那么，如何在这么一个综合

复杂的体系中找到人工智能技术的合适位置，以及技术究竟要扮演什么样的角色，其实是一个

数据驱动型产品能否成功的核心问题。

想要对这个问题有一个比较全面的认识，我们首先需要回答这么一个问题，那就是人工智能技

术到底能够给产品带来什么？

很多朋友可能觉得这个问题不言自明。人工智能技术难道不是解决产品的核心算法难题吗？

这种看法其实不够全面。人工智能技术给产品带来的其实不仅是一些核心的模型和算法，更重

要的是，带给产品一项根本性的能力：数据驱动的决策过程。

什么叫作“数据驱动的决策过程”呢？我们还是要从人工智能技术的特点说起。

人工智能技术的特点有两个方面：第一，数据驱动。第二，在不确定的因素下智能决策。

数据驱动

我们先来谈谈第一个方面，数据驱动。这里其实是两个部分，“数据”和“驱动”。

一个产品要想利用人工智能，第一步，也是非常重要的一个步骤，就是要有“数据”的概念。

什么是“数据”的概念？就是一个产品需要有数据收集的意识，并有数据收集的机制。然后，

一个有“数据”的产品需要慢慢建立数据管道，并开始建立数据的检测系统。这些都是人工智

能介入的先决条件和基础设施。

没有数据，没有流畅的数据链条，是无法构建一个健康的人工智能决策环境的。这一点说起来

容易，要真正做到其实需要很扎实的技术基础。很多团队、很多产品最终无法利用人工智能技

术的方方面面，一个关键原因就是在数据链条上出了各种问题。

有了数据以后，第二个环节就是“驱动”。也就是说，只有数据是不行的，还必须有一个意

识，主动利用这些数据来驱动产品的发展，驱动产品方方面面的进化。这个步骤其实不仅是针

对产品的决策人员，比如产品经理、项目负责人，也是针对这个产品的所有参与人员的。

参与产品的各方面人员，包括工程方面的、设计方面的、市场方面的，大家有没有意识，在有

了数据链条之后，通过数据检测、数据分析不断加深对产品的认识，提出更好的想法。当产品

遇到各种问题时，大家有没有一个意识，那就是先到数据中去找答案，先去看数据是不是出了

什么问题，去理解数据中显示出来的内容。

如果说数据驱动的第一部分是有关“硬件”的，是数据链条的技术以及实现，那么第二部分就

是有关“软件”的，是项目人员的意识和责任。

智能决策

当一个产品有了数据驱动的基础以后，下一步，就需要建立“智能决策”的理念。

“智能决策”是什么意思？

要想明白“智能决策”的意义，我们首先要来想一想“非智能决策”是什么样的。

很多传统的产品或者不是数据驱动的科技产品都是非智能决策的产物。非智能决策主要是指，

不依靠数据，或者依靠很少量的数据，由产品经理或产品负责人人工地进行决策。注意，非智

能决策并不一定无法带来好的产品。实际上，在历史的很长时间里，各行各业都是依靠非智能

决策在进行演化。

非智能决策的一大特点是决策的主观性。通俗地讲，就是决策者依靠自我的认识，主观“拍

板”决策关于产品的方方面面。因为没有一个系统的方法论，或者说是没有一整套机制给决策

者相应的信息，来帮助决策者完成决策，非智能决策所带来的产品结果往往有很大的偶然性。

这种偶然性来自于决策者本人的各种能力，来自于执行者的能力。由于这样的偶然性和主观

性，非智能决策的另外一个特点，或者说是结果，就是不可复制性。这是因为决策的方法和方

式都不能动态地随着时间、随着数据的变化而变化。

非智能决策在什么时候会变得比较困难呢？数据量太大的时候，需要做选择的可能性太多的时

候，需要做的选择本身复杂度变高的时候。这些特征也正是新时期下互联网产品或者人工智能

产品