隨著計算機(jī)計算能力的爆發(fā)式增長，人們利用計算機(jī)的方式不斷變革，而我們正走在變革的路口。一方面是大公司更多的資源投入到機(jī)器學(xué)習(xí)的領(lǐng)域，從而顛覆原有的決策和運(yùn)營模式，另一方面，隨著實(shí)用性開源代碼越來越豐富，隨著云平臺的不斷發(fā)展，小公司接入機(jī)器學(xué)習(xí)的方法的成本也越來越低。而這樣的背景下，產(chǎn)品經(jīng)理未來的價值在哪里？

1. 變革：人使用計算機(jī)的方式

隨著計算機(jī)能力的爆發(fā)式增長，人們利用計算機(jī)的方式不斷變革。想象一個情形，決策擁有大量數(shù)據(jù)的結(jié)果，需要根據(jù)數(shù)據(jù)輸出一個高效的決策，我們該怎么做？

• 篩選歷史數(shù)據(jù)：篩選數(shù)據(jù)中有用的部分；
• 分析歷史數(shù)據(jù)：根據(jù)歷史數(shù)據(jù)計算出某種規(guī)則；
• 分析當(dāng)前數(shù)據(jù)：根據(jù)當(dāng)前數(shù)據(jù)和某種規(guī)則分析當(dāng)前數(shù)據(jù)；
• 做出當(dāng)前決策：根據(jù)當(dāng)前數(shù)據(jù)分析結(jié)果，做出最終決策。

最初，人們通過讓計算機(jī)在明確的數(shù)據(jù)下，明確的規(guī)則下計算結(jié)果，而人們根據(jù)這個結(jié)果做出決策。在這個過程中，清洗歷史數(shù)據(jù)的人，分析歷史數(shù)據(jù)的是人，分析當(dāng)前數(shù)據(jù)的是人，做出決策的也是人。這個階段，系統(tǒng)只承擔(dān)計算的部分。不理解人的全部決策過程。

后來，人們發(fā)明了基于規(guī)則式策略去解決實(shí)際中遇到的問題。根據(jù)大量的數(shù)據(jù)分析，人們發(fā)現(xiàn)可以根據(jù)歷史數(shù)據(jù)形成規(guī)則并讓系統(tǒng)自動決策。比如一個系統(tǒng)實(shí)現(xiàn)了這樣一個功能，a數(shù)據(jù)下，執(zhí)行A策略，b數(shù)據(jù)下執(zhí)行B策略。在這個過程中，清洗歷史數(shù)據(jù)的是人，分析歷史數(shù)據(jù)的是人，分析當(dāng)前數(shù)據(jù)的是計算機(jī)，做出當(dāng)前決策的也是計算機(jī)。人理解全部決策過程，計算機(jī)只理解具體的指令。

在機(jī)器學(xué)習(xí)時代，規(guī)則變得不在重要，重要的是數(shù)據(jù)表現(xiàn)的統(tǒng)計意義的特征。計算機(jī)接受全部數(shù)據(jù)，根據(jù)數(shù)據(jù)和歷史結(jié)果的相關(guān)性，自動分析數(shù)據(jù)之間的聯(lián)系，并分析決策方法，并根據(jù)決策方法，自動做出決策。這種情況下，人完全不理解計算機(jī)的決策過程，當(dāng)然，對于計算機(jī)而言，也不理解模型的過程數(shù)據(jù)。

2. 真相：機(jī)器自動決策的缺陷

那么計算機(jī)真的在自動決策嗎？答案其實(shí)不是。計算機(jī)在整個過程中基本都是基于統(tǒng)計意義的方法進(jìn)行分析和決策。本質(zhì)上高度依賴于整個機(jī)器學(xué)習(xí)過程中系統(tǒng)設(shè)定的目標(biāo)。

舉個例子：商品的個性化推薦系統(tǒng)

當(dāng)你的目標(biāo)是目標(biāo)銷售量的時候，模型會根據(jù)歷史銷售數(shù)據(jù)推薦推薦給每個人一個商品列表，這個列表是基于歷史的商品銷售數(shù)據(jù)，和用戶的行為數(shù)據(jù)，估計出最有可能被推薦的數(shù)據(jù)。最好的算法，可以基于歷史銷售數(shù)據(jù)，給出理論上最好的銷售量預(yù)測。但是這只是統(tǒng)計意義的最優(yōu)。在這個過程看似是計算機(jī)自動完成，但是我們還是賦予了計算機(jī)一些內(nèi)容：

• 目標(biāo)值：當(dāng)天銷售量
• 數(shù)據(jù)范圍：歷史銷售數(shù)據(jù)，用戶行為數(shù)據(jù)

但問題依然存在：對于一個電商而言，最核心的指標(biāo)，真的是短期的銷售量嗎？

算法的單目標(biāo)最優(yōu)，往往以為著對完全不考慮其他目標(biāo)，有很大的風(fēng)險犧牲長期利益。這個很好理解，當(dāng)經(jīng)濟(jì)發(fā)展的目標(biāo)變?yōu)閱我籊DP的時候，國民健康、環(huán)境破壞等等就不被考慮的。當(dāng)算法的目標(biāo)是銷售量的時候，用戶的驚喜度，內(nèi)容的重復(fù)度，對用戶的調(diào)性，這些都是不在目標(biāo)范圍內(nèi)的。

有很多信息，系統(tǒng)無法接收有什么影響？

一個服裝電商，你知道今年的外部的流行款是什么，但是對于個性化推薦系不知道。你知道今天某個人氣明星走紅毯的時候穿了什么，但是個性化推薦系統(tǒng)不知道。而很多時候，這些信息往往是關(guān)鍵信息。但系統(tǒng)卻無法知道。歷史信息不一定能預(yù)測未來需求。

3. 未來：作為人的產(chǎn)品經(jīng)理的價值

看似計算機(jī)已經(jīng)做了全部的數(shù)據(jù)分析和計算，那么對于人而言，我們的價值在哪里呢？

在思考這個問題之前，我想到了一句話：“產(chǎn)品經(jīng)理是的產(chǎn)品的CEO”。那么CEO同樣不會做數(shù)據(jù)分析和決策，CEO應(yīng)該做什么？除了管理之外，很重要的一個事情就是把握方向。

不會為了眼前的數(shù)據(jù)，榨干未來的潛力，根據(jù)市場的信息，即時調(diào)整發(fā)展重點(diǎn)。

產(chǎn)品經(jīng)理需要更懂業(yè)務(wù)，更懂?dāng)?shù)據(jù)，更懂用戶。

能夠給出系統(tǒng)一個準(zhǔn)確的目標(biāo)。這個目標(biāo)一定是個復(fù)合指標(biāo)，不僅僅關(guān)心核心的KPI，更要關(guān)心是否因?yàn)楹诵牡腒PI而影響了未來的發(fā)展。

把控系統(tǒng)的發(fā)展方向。無論系統(tǒng)如何發(fā)展，總有些數(shù)據(jù)無法納入到系統(tǒng)自身中來，這就需要一個懂得系統(tǒng)邏輯的人，去調(diào)整系統(tǒng)的發(fā)展。比如一些爆款新品的加權(quán)，比如一些影響用戶情緒商品的過濾，比如挖掘更多的數(shù)據(jù)維度加入系統(tǒng)。

毫無疑問，掛著產(chǎn)品經(jīng)理頭銜的人在未來會有減少的趨勢，但另一方面，剩下的人要做的事情也更加復(fù)雜和重要。

作者：潘一鳴，知乎專欄：產(chǎn)品邏輯之美

本文由 @潘一鳴 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。