第5章 产品内功：树立AI产品的方法论
0、AI产品经理的内在思维，即方法论
具备战屡高度的大局观，才不至于失去方向
具备对用户的同理心，才能了解用户真正需要的产品，不至于顾此失彼
具备数据思维，尤其是数据评估能力，才能更好为产品功能提供保障
具备理性评估价值的能力，才能在面对多个需求时做好优先级评估，并设计通用灵活的产品架构
1、大局观：产品的定位和方向
2、同理心：探究产品的场景和目标
3、数据分析：用数据驱动产品
1）数据如何影响产品
2）数据的基本常识
数据和信息是不可分离的，数据是信息的表达，信息是数据的内涵。数据本身没有意义，数据只有对实体行为产生影响时才会成为信息。
数据库的名词说明
数据库通常分层次式数据库、网络式数据库和关系式数据库
Hadoop分布式文件系统HDFS
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件转变为一张数据库表，并提供简单的SQL查询功能，还可以将SQL语句转换为MapReduce任务进行运行。
ETLExtract-Transform-Load用来描述将数据从来源端经过抽取、交互转换、加载至目的端的过程。ETL是构建数据仓库的重要一环，用户从数据源抽取出所需的数据后，经过数据清洗，最终按照预先定义好的数据仓库模型，加你个数据加载到数据仓库中去。
数据处理流程：产品的数据一般会将数据先同步到HDFS中，然后再利用Hive对数据进行分布式计算，这期间涉及ETL的工作，经过数据清洗，最终按照预定义好的数据仓库模型将数据加载到数据仓库中。
数据埋点说明
一般数据分业务数据和行为数据。业务数据指业务系统产生的数据。行为数据指用户行为数据，可用于分析用户在某个产品的访问路径和行为。
数据埋点分析，是互联网产品进行数据分析的一种常用的数据采集方法，通常用来采集用户的行为数据。主要埋点事件包括点击事件、曝光事件、页面停留时间事件等
如何埋点？需要明确采集数据的意义和目标。
埋点的原始数据质量也是后续结合人工智能手段挖掘信息的保障。
3）数据标注的工作
数据标注过程
确定标注标准——确定标注形式（一般由算法人员定）——选择标注工具
数据标注的解决方案
公司自建
专业数据标注公司
北京和贵阳，便是数据标注世界里的两座双子星城市
4）数据分析方法
需要对一个即将使用人工智能手段实现产品功能的项目进行事先的数据分析工作，以提前了解耶尔u的数据质量，初步评估数据可使用的模型。
明确数据源及数据口径是非常重要的步骤。
5）数据驱动产品设计
产品设计过程：市场需求分析MRD、商业需求分析BRD、产品需求方案设计PRD
数据驱动产品设计案例
缺少数据支持，通过数据类产品提供科学化管理
通过数据挖掘衍生新的产品
基于数据产生新的解决方案
4、取舍之道：需求的优先级评估
1）认识优先级评估
需求池
需求来源：用户反馈、业务建议、领导想法、竞争对手的功能、产品构思、迭代要求等
关键信息：需求背景、需求描述、预期收益、期望上线时间、提出人、相关附件、当前状态等
优先级：
P0——非常重要且非常紧急
P1——重要且紧急
P2——紧急但不重要
P3——重要但不紧急
P4——不重要且不紧急，但需要处理
重要性是指产品的核心功能优化、产品方向上由重要意义的功能；紧急程度一般以上线时间要求或影响范围进行初步评估。
多问自己：不做会怎样？
2）优先级评估模型: Kana模型、紧急重要四象限法则、通过成本为需求排序、RICE优先级评估、维格斯法
Kano模型
经典的需求优先级评估模型，需求分5个维度：基本需求、期望需求、兴奋需求、无差异需求、反向需求
紧急重要四象限法则
通过成本为需求排序
RICE优先级评估
R——Reach接触数量；
I——Impact影响程度；
C——Confidence信心指数
E——Effort投入精力
RICE分数=（Reach*Impact*Confidence）/Effort
该方法比较适合大型项目，一般项目中不常用
维格斯法
将需求分为4个维度进行评估：
实现需求给客户带来的收益
不实现需求给客户带来的损害
实现需求所需要耗费的成本
实现需求的风险
