起點學院課程

算法產品,5“W”1“H”

2 評論 9636 瀏覽 11 收藏 10 分鐘
15天0基礎極速入門數據分析,掌握一套數據分析流程和方法,學完就能寫一份數據報告!了解一下>>

以“供應鏈領域”的算法產品經理梳理需求的邏輯為例,來看看算法產品經理平時的工作都是做些什么?

算法的應用場景興起,使之與其對應的算法工程師也在職場上興起,但在公司里,也存在一種非常重要的角色,那就是算法產品經理。

簡單來說,他就是一個有些許算法背景同時又具備產品經理特征的一類產品經理,他可以通過產品經理的結構化和產品化思維將復雜問題抽離出各個業務問題,同時與算法工程師探討后輸出完整的解決方案。同時,來在承接業務/拓展商域的機會。

今天我就來談談這么一類算法產品經理,在工作中都是怎么做事兒的。

算法產品經理接觸到的業務是什么(what)

算法產品經理是誰(who)

算法產品和其他產品經理一樣,要接觸商務、解決方案、內部業務人員、UED團隊、后端開發,還有最重要的就是要接觸一類人——算法工程師。

那在介紹算法產品經理之前,有必要先介紹一下算法工程師

算法工程師是一群通過對業務系統以及數據的分析建模,進行業務指標優化或者智能化改造的人。

算法產品經理則是需要了解各個算法大致范圍及其適用的業務場景的群體。

聽到這里,就有人問了,那算法產品和算法工程師除了不要寫代碼,還有其他的本質區別么?

產品經理除了需要了解算法,還需要有對業務問題辨別真偽和對業務問題進行抽象的能力。而算法工程師就在拿到產品經理梳理出的一個具體問題/一類具體問題的基礎上,通過代碼進行建模。

為什么需要算法產品經理的存在(why)

有沒有發現算法產品經理接觸的業務問題,都有一個共性?

就是需求背后的數據量大,難以通過簡單的工具/公式來求得較優解。因此,這時候就需要有產品經理這個崗位來將這些需求進行深度解讀和建模,甚至打造線上產品。

什么樣的公司需要算法產品經理(where)

做圖像和做運籌、做軟件和做硬件的算法,肯定關注的點是不一樣的。因此算法一定要狠抓業務背景,堅持“場景驅動,技術支撐”。

目前招聘算法產品經理的公司不在少數,金融類、圖像識別類、智能硬件類、物流類的公司等均有大量的人才需求,對人才的需求也會有一些側重點,但是基本的能力都是相同的。以下就以“供應鏈領域”的算法產品經理梳理需求的邏輯為例,進行詳述。

算法產品經理如何梳理需求(how)

以一個業務問題為例:為某一頭部商家優化物流成本。

todo 1:確定項目邊界:確定本次測算范圍,是需要計算商品從工廠出庫以后的運輸和配送?還是著重關心工廠的產能和生產計劃中涉及的物流成本?具體指標項包含哪些項,每一項占的權重大概多少。

todo 2:還原商家的歷史情況,探索并挖掘對其物流成本影響最大的部分:這塊兒就需要用到一些簡單的數據清洗、數據交叉校驗的邏輯,而后結合自己對業務領域的了解,判斷出哪里的指標可能高于行業水平。

e.g. 該商家商品價值高,銷量不穩定,歷史發貨記錄中有很多無效的調撥、或者某一個商品經常因某地的缺貨導致跨省跨倉發貨,從而推導出因預測和鋪貨的不準確性導致庫存成本和配送成本偏高。

todo 3:調研影響大的部分分別由什么細節構成:進一步業務調研。最后抽象出配送成本和庫存成本分別由什么因素決定。

todo 4:輸出優化方式,對整體項目分步驟來確定輸入、目標函數、約束條件和輸出。在剛剛的例子里,產品經理決定優化的步驟大致分為三步:第一步倉內選品(優化配送成本)、 第二步做預測計劃(優化存貨成本)、第三步優化庫存,做補貨計劃(優化存貨成本)。

接下來分三個步驟詳細剖析每一部分的關鍵要素。

第一步——倉內選品(以確定每個商品第一優先發貨倉為例)

輸入:倉主數據、商品主數據、歷史一年的銷售訂單數據。

約束條件:某個商品在省份i必須選定一個倉庫供應。

目標函數:全局歷史一年中的配送成本最小。

輸出:每個倉內放什么商品。

第二步——預測計劃

輸入:上一步中的倉與商品關系、倉的覆蓋范圍、新老品替代關系等。

目標:以發貨地/收貨地為統計維度下的準確率優先(準確率計算公式,需求調研后確定是簡單平均還是1-WMAPE或其他標準)。

輸出:“倉+商品每日銷量明細。

第三步——補貨計劃

輸入:上一步中的銷售計劃數據、補貨相關業務參數等。??

約束條件:當某一客戶緊急訂貨時,可下達緊急航空件訂單,緊急訂單比例不可超過X%。

目標:全國現貨率優先,其次考慮存貨周轉。

輸出:“倉+商品日維度的節點庫存、采購下單、銷售需求、實際出庫明細。

todo 5:數據測試:自行生成幾套數據/或請研發脫敏多套商家數據進行測試,可通過數據指標/圖表來驗證優化方案的可行性。

Todo 6:沉淀策略:通過Excel、PPT、Word的方式記錄優化策略和效果,并用通俗易懂的語言沉淀建模邏輯,為了今后遇到相同的業務場景復用做準備。

需求沉淀后如何做線上產品(when)

當算法模型在線下測算多次效果呈現較好時,產品經理就需要綜合考慮開發成本和產品收益的性價比和迭代計劃,去規劃線上版本及每個版本的預計用戶量。

首先將多重策略、多個步驟抽象、組件化,每個模塊添加產品說明(既要保留技術壁壘,又要降低用戶使用門檻)。同時考慮產品的目標群體、推廣計劃、付費模式、數據并發量和計算性能從而決定每個版本的展現形式。最終在得到反復的功能、數據、算法測試后上線。

寫在最后

算法興起的目的不是為了取代人,而是為人類提供更加高效的工具,因為,算法產品經理作為探索業務和深挖技術之間的人,一定是未來的大勢所趨。

作為算法產品經理,一定要注重培養自己的邏輯思考能力、業務抽象能力,并持續關注/學習前沿算法相關知識,不斷做技術和行業的沉淀,力求做出用戶體驗好又有技術標桿的好產品。

 

本文由 @B.J. Shen 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
起點學院課程
評論
評論請登錄
  1. 算法產品需要數學公式建模么?

    回復
  2. 一直覺得算法都是那些貪婪算法,排序算法那些,都是程序員,方便+威信

    回復