本文分別先從AI產(chǎn)品需求發(fā)現(xiàn)階段、再?gòu)腁I產(chǎn)品需求設(shè)計(jì)制造階段對(duì)數(shù)據(jù)挖掘的利用，然后落地到數(shù)據(jù)挖掘具體的案例解析，最后得出AI產(chǎn)品大數(shù)據(jù)觀點(diǎn)。

經(jīng)過(guò)多年互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的飛猛發(fā)展，科技網(wǎng)絡(luò)產(chǎn)品發(fā)展到焦慮的時(shí)間節(jié)點(diǎn)。一方面流量成本高到幾乎沒(méi)有投入產(chǎn)出比可言，另外一方面產(chǎn)品和企業(yè)同質(zhì)化競(jìng)爭(zhēng)激烈。

接下來(lái)的趨勢(shì)有兩股同方向的產(chǎn)品力量，將是產(chǎn)品經(jīng)理和企業(yè)產(chǎn)品創(chuàng)新的機(jī)會(huì)點(diǎn)：

• 第一是：利用PC和移動(dòng)互聯(lián)網(wǎng)積累的大數(shù)據(jù)做打破數(shù)據(jù)孤島類的產(chǎn)品和數(shù)據(jù)挖掘，數(shù)據(jù)分析類的產(chǎn)品。
• 第二是：在大數(shù)據(jù)的肩旁上，深度結(jié)合業(yè)務(wù)供應(yīng)鏈場(chǎng)景設(shè)計(jì)10倍于以往產(chǎn)品體驗(yàn)的AI算法產(chǎn)品、AI賦能的智能軟硬件產(chǎn)品。

本文分別先從AI產(chǎn)品需求發(fā)現(xiàn)階段、再?gòu)腁I產(chǎn)品需求設(shè)計(jì)制造階段對(duì)數(shù)據(jù)挖掘的利用，然后落地到數(shù)據(jù)挖掘具體的案例解析，最后得出AI產(chǎn)品大數(shù)據(jù)觀點(diǎn)。

一、數(shù)據(jù)挖掘用于AI產(chǎn)品需求發(fā)現(xiàn)

需求的發(fā)現(xiàn)是產(chǎn)品經(jīng)理和企業(yè)產(chǎn)品創(chuàng)新取得成功的關(guān)鍵，數(shù)據(jù)信息在產(chǎn)品的創(chuàng)新設(shè)計(jì)與制造中發(fā)揮越來(lái)越重要的作用，充分利用數(shù)據(jù)挖掘技術(shù)從產(chǎn)品市場(chǎng)需求發(fā)現(xiàn)、需求設(shè)計(jì)中提取相應(yīng)的需求，從而控制和改善下一代產(chǎn)品的設(shè)計(jì)與制造。

目前，AI賦能的智能軟硬件整體產(chǎn)品的研制周期長(zhǎng)，市場(chǎng)反應(yīng)能力弱，創(chuàng)新度不夠等一系列因素控制了產(chǎn)品制造企業(yè)的生存和發(fā)展，不論是萬(wàn)億市值的蘋(píng)果還是國(guó)內(nèi)的華為小米一年旗艦智能手機(jī)只有一款。這個(gè)現(xiàn)象背后正是因?yàn)锳I賦能的軟硬一體產(chǎn)品，在需求發(fā)現(xiàn)到產(chǎn)品設(shè)計(jì)上有其特殊性。

因此，如何在最短的時(shí)間內(nèi)開(kāi)發(fā)出質(zhì)量高、價(jià)格能被用戶接受的AI產(chǎn)品，已成為產(chǎn)品經(jīng)理市場(chǎng)競(jìng)爭(zhēng)的焦點(diǎn)。數(shù)據(jù)挖掘技術(shù)已經(jīng)成為分析和發(fā)現(xiàn)需求，提供決策十分有效的工具，而需求發(fā)現(xiàn)速度快起來(lái)后可以給需求設(shè)計(jì)制造更多時(shí)間，所以必將有力地支持AI產(chǎn)品的創(chuàng)新設(shè)計(jì)和制造過(guò)程。

數(shù)據(jù)挖掘（Data Mining，簡(jiǎn)稱DM）就是從大量的、不完全的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和需求的過(guò)程。

根據(jù)產(chǎn)品發(fā)現(xiàn)需求的不同，數(shù)據(jù)挖掘的任務(wù)主要分為以下 6 類：

（1）關(guān)聯(lián)分析需求，揭示隱藏在數(shù)據(jù)之間相互關(guān)系的一項(xiàng)挖掘潛在需求的數(shù)據(jù)挖掘任務(wù)。

例子：“尿布與啤酒”的故事。

在一家超市里，有一個(gè)有趣的現(xiàn)象：尿布和啤酒竟然擺在一起出售。但是，這種奇怪的舉措?yún)s使尿布和啤酒的銷量雙雙增加了。這不是一個(gè)笑話，而是發(fā)生在美國(guó)沃爾瑪超市的真實(shí)案例，并一直為商家所津津樂(lè)道。

沃爾瑪擁有世界上最大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，為了能夠準(zhǔn)確了解顧客在其門(mén)店的購(gòu)買習(xí)慣，沃爾瑪對(duì)其顧客的購(gòu)物需求進(jìn)行了深層分析，想了解顧客經(jīng)常一起購(gòu)買的商品都有哪些。沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)里集中了其各門(mén)店的詳細(xì)的原始交易數(shù)據(jù)，在這些原始交易數(shù)據(jù)的基礎(chǔ)上，沃爾瑪利用關(guān)聯(lián)規(guī)則對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘，得出了一個(gè)令人意外的發(fā)現(xiàn)：“跟尿布一起被購(gòu)買最多的商品竟是啤酒！”

經(jīng)過(guò)大量實(shí)際調(diào)查和分析，揭示了一個(gè)隱藏在“尿布與啤酒”背后的美國(guó)人的一種需求模式：在美國(guó)，一些年輕的父親下班以后要經(jīng)常到超市去買嬰兒尿布，而他們中有30%～40%的人同時(shí)也會(huì)為自己買一些啤酒。

產(chǎn)生這一現(xiàn)象的原因是：美國(guó)的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們?cè)谫I尿布后又隨手帶回了他們喜歡的啤酒。

按照常規(guī)思維模式，尿布與啤酒風(fēng)馬牛不相及，若不是借助關(guān)聯(lián)規(guī)則進(jìn)行挖掘和分析，沃爾瑪是不可能發(fā)現(xiàn)數(shù)據(jù)之間存在的這一有價(jià)值的需求。

以前企業(yè)的信息管理系統(tǒng)由于缺乏數(shù)據(jù)挖掘功能，最多只能統(tǒng)計(jì)一些數(shù)據(jù)，從表面上似乎合理，但實(shí)際上根本不能反映出本質(zhì)的情況。例如：通過(guò)傳統(tǒng)的信息管理系統(tǒng)，我們得出某一種紅酒在超市的銷售額排名倒數(shù)第一位，按照以往的做法，該紅酒肯定會(huì)停止銷售，但是通過(guò)對(duì)所有銷售數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，我們會(huì)發(fā)現(xiàn)消費(fèi)額最高的客戶中有25%常常買這種紅酒，如果停止出售這種紅酒，必然會(huì)引起這些高端客戶的不滿。

關(guān)聯(lián)分析就是發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品之間的內(nèi)在的聯(lián)系，利用關(guān)聯(lián)規(guī)則找出顧客購(gòu)買行為模式，如購(gòu)買了某一商品對(duì)其它商品的影響。例如：它能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中如“90%的顧客在一次購(gòu)買活動(dòng)中購(gòu)買商品X的同時(shí)購(gòu)買商品Y”之類的問(wèn)題，發(fā)現(xiàn)這樣的規(guī)則可以應(yīng)用于商品貨架設(shè)計(jì)、庫(kù)存安排以及根據(jù)購(gòu)買模式對(duì)用戶進(jìn)行需求分析等。

用于關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的主要對(duì)象是事務(wù)型數(shù)據(jù)庫(kù)，其中針對(duì)的應(yīng)用則是商品銷售數(shù)據(jù)。如果對(duì)這些歷史數(shù)據(jù)進(jìn)行分析，則可以對(duì)顧客的購(gòu)買行為提供極有價(jià)值的信息。例如：可以幫助商家如何擺放貨架上的商品，如何幫助商家規(guī)劃市場(chǎng)等。

總之，從事務(wù)數(shù)據(jù)中發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，對(duì)于改進(jìn)商業(yè)活動(dòng)的決策非常重要。

（2）序列發(fā)現(xiàn)需求，是指確定數(shù)據(jù)之間與時(shí)間相關(guān)的序列模式，利用該模式可對(duì)未來(lái)的相關(guān)行為進(jìn)行預(yù)測(cè)。

例子：數(shù)據(jù)挖掘中序列發(fā)現(xiàn)的需求分析應(yīng)用比如顧客購(gòu)買行為分析、網(wǎng)絡(luò)訪問(wèn)模式的分析。對(duì)一家完善的大型零售企業(yè)來(lái)說(shuō)，往往擁有固定會(huì)員。會(huì)員可以購(gòu)買較低價(jià)格商品，享受更加優(yōu)惠的售后服務(wù)等等。

會(huì)員應(yīng)是經(jīng)常在某一家店鋪購(gòu)物的消費(fèi)者，因此經(jīng)歷較長(zhǎng)時(shí)間的會(huì)員其購(gòu)物成為按時(shí)間的購(gòu)物序列，而不同會(huì)員就可能存在相同的購(gòu)物序列。比如：兩個(gè)都喜歡購(gòu)買新科技產(chǎn)品的會(huì)員，銷售記錄中就會(huì)記錄他們每次購(gòu)買的科技產(chǎn)品，從而可以將個(gè)人的喜好推薦給另一個(gè)人，這也形成交叉銷售。

（3）聚類分析需求，是指依賴樣本間關(guān)聯(lián)的量度標(biāo)準(zhǔn)將其自動(dòng)分成幾個(gè)群組，且使同一群組內(nèi)的樣本相似，而屬于不同群組的樣本相異的一組方法。

例子：基于數(shù)據(jù)挖掘的聚類分析，可以借助大數(shù)據(jù)的優(yōu)勢(shì)，發(fā)現(xiàn)數(shù)據(jù)背后的需求。利用起點(diǎn)學(xué)院“成為AI產(chǎn)品經(jīng)理”在線開(kāi)放課程學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)過(guò)程記錄，采用數(shù)據(jù)挖掘工具對(duì)網(wǎng)絡(luò)學(xué)習(xí)者行為進(jìn)行聚類分析，研究發(fā)現(xiàn)：根據(jù)學(xué)習(xí)特征,網(wǎng)絡(luò)學(xué)習(xí)者可以分為高沉浸性型、較高沉浸性型、中沉浸性型、低沉浸性型四種群體。

學(xué)習(xí)行為與學(xué)習(xí)效果密切相關(guān)，沉浸性高的學(xué)習(xí)者學(xué)習(xí)效果往往較好。筆者作為《成為AI產(chǎn)品經(jīng)理》課程老師借助技術(shù)工具，對(duì)學(xué)習(xí)者進(jìn)行不斷更新、實(shí)時(shí)、循環(huán)的聚類分析，及時(shí)發(fā)現(xiàn)學(xué)習(xí)者的個(gè)體及群體學(xué)習(xí)特征，因材施教，推送適應(yīng)性的個(gè)性化服務(wù)，并給予及時(shí)的學(xué)習(xí)預(yù)警與恰當(dāng)?shù)慕虒W(xué)干預(yù)。

（4）分類，是指找出一個(gè)類別的概念描述，它代表了這個(gè)類別數(shù)據(jù)的整體信息，一般用規(guī)則或決策樹(shù)模式表示。

例子：分類發(fā)現(xiàn)需求，首先應(yīng)該將分類與聚類分開(kāi)。很多數(shù)據(jù)產(chǎn)品經(jīng)理在學(xué)習(xí)數(shù)據(jù)方法之初，容易將聚類和分類搞混淆。其實(shí)聚類屬于無(wú)監(jiān)督學(xué)習(xí)范疇（unsupervised learning），也可稱作觀察式學(xué)習(xí)過(guò)程，與分類不同，分類依賴已有既定的先驗(yàn)知識(shí)。

例如：我們成年后，很清楚世界是由男人和女人組成的，所以我們?cè)诮◣臅r(shí)候，會(huì)把廁所分為男廁所和女廁所，這就是“分類”。而當(dāng)我們剛生下來(lái)，我們并不知道什么是男人，什么是女人，通過(guò)后天對(duì)生活的觀察，我們發(fā)現(xiàn)有一類人他們有胡子，而有一類人她們頭發(fā)比較長(zhǎng)（當(dāng)然，我的這個(gè)舉例已經(jīng)顯然不符合當(dāng)今世界的發(fā)展了，你們明白就行）。于是我們就把有胡子的人分為一類人，把長(zhǎng)頭發(fā)的分為另一類人。

然后“研究”發(fā)現(xiàn)：原來(lái)有胡子的叫男人，有長(zhǎng)頭發(fā)的叫女人，這個(gè)過(guò)程就是“聚類”。

（5）偏差檢測(cè)，就是從數(shù)據(jù)分析中發(fā)現(xiàn)某些異常情況是否重要，從而獲得有用的需求。

例子：一批數(shù)據(jù)中的異常值值得關(guān)注，忽視異常值的存在是十分危險(xiǎn)的，不加剔除地把異常值包括進(jìn)數(shù)據(jù)的計(jì)算分析過(guò)程中，對(duì)結(jié)果會(huì)帶來(lái)不良影響;重視異常值的出現(xiàn)，分析其產(chǎn)生的原因，常常成為發(fā)現(xiàn)需求進(jìn)而改進(jìn)決策的契機(jī)。

例如：A君是機(jī)車愛(ài)好者騎摩托不帶安全帽，他會(huì)說(shuō)他周圍的朋友都不帶安全帽，更刺激更能感受空氣觸感而且周圍朋友都很安全，相反某某著名機(jī)車選手帶了安全帽損失性命的例子。

大數(shù)據(jù)挖掘樣本是基于從大樣本的數(shù)據(jù)來(lái)看，不帶安全帽騎機(jī)車比帶安全帽整體不安全。下論斷要從統(tǒng)計(jì)整體上來(lái)看，揪住一個(gè)異常需求沒(méi)有意義。數(shù)據(jù)產(chǎn)品經(jīng)理知道這一點(diǎn)以后，就可以在諸如非金融財(cái)產(chǎn)型產(chǎn)品需求里對(duì)某些異常需求可以緩一些解決。

（6）預(yù)測(cè)，就是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并用此模型來(lái)預(yù)測(cè)未來(lái)需求等。

例子：通過(guò)數(shù)挖得到預(yù)測(cè)的例子非常多，這里從行業(yè)方面舉幾個(gè)例子，例如：電力行業(yè)通過(guò)數(shù)挖到不同行業(yè)在未來(lái)對(duì)電力的不同，進(jìn)而更好的做好對(duì)各個(gè)行業(yè)電力需求的供應(yīng)。例如：物流行業(yè)通過(guò)對(duì)庫(kù)存需求的挖掘調(diào)配貨運(yùn)司機(jī)。例如：新零售企業(yè)通過(guò)數(shù)挖準(zhǔn)備商家和商品備貨等。

二、數(shù)據(jù)挖掘用于AI產(chǎn)品設(shè)計(jì)制造

在產(chǎn)品的設(shè)計(jì)與制造過(guò)程中，利用數(shù)據(jù)挖掘可得產(chǎn)品設(shè)計(jì)的創(chuàng)新，提高產(chǎn)品質(zhì)量，加速產(chǎn)品的制造過(guò)程。

數(shù)據(jù)挖掘在AI產(chǎn)品設(shè)計(jì)與制造系統(tǒng)中的主要過(guò)程如下：

（1）模式發(fā)現(xiàn)

在產(chǎn)品的設(shè)計(jì)和制造系統(tǒng)數(shù)據(jù)中隱含了重要的模式，比如：購(gòu)買次數(shù)較多的顧客特征，對(duì)促銷感興趣的顧客特征以及不購(gòu)買顧客特征等分析，數(shù)據(jù)挖掘就是對(duì)隱含在數(shù)據(jù)中模式的深度分析。

（2）趨勢(shì)預(yù)測(cè)

數(shù)據(jù)挖掘不僅能夠提取靜態(tài)的模式，也能預(yù)測(cè)動(dòng)態(tài)的發(fā)展趨勢(shì)，目前時(shí)間序列挖掘是一個(gè)研究的熱點(diǎn)，動(dòng)態(tài)的趨勢(shì)能夠反映顧客興趣的改變，從而使企業(yè)對(duì)發(fā)展趨勢(shì)做出相應(yīng)的市場(chǎng)決策。

（3）數(shù)據(jù)的降維

數(shù)據(jù)的降維也叫做主成份分析，現(xiàn)代數(shù)據(jù)庫(kù)中包含了交易信息的特征，不相關(guān)的數(shù)據(jù)條目和特征可以從數(shù)據(jù)集中消除，數(shù)據(jù)降維的主要作用是選擇關(guān)鍵的數(shù)據(jù)進(jìn)行分析。

（4）可視化產(chǎn)品制造

數(shù)據(jù)可視化主要旨在借助于圖表、圖、表格等形化手段，清晰有效地傳達(dá)與溝通信息。

根據(jù)AI產(chǎn)品全生命周期考慮，產(chǎn)品設(shè)計(jì)與開(kāi)發(fā)過(guò)程可劃分為：產(chǎn)品需求分析（MRD）、概念設(shè)計(jì)（Featurelist設(shè)計(jì)）、詳細(xì)設(shè)計(jì)（PRD設(shè)計(jì)）、工藝設(shè)計(jì)、樣品試制、生產(chǎn)制造、銷售與售后服務(wù)等階段。

每個(gè)階段和環(huán)節(jié)之間都存在著反饋和迭代過(guò)程，但其額度對(duì)不同設(shè)計(jì)類型有所不同 , 基于并行工程的AI產(chǎn)品設(shè)計(jì)與開(kāi)發(fā)過(guò)程如下圖 ：

因?yàn)锳I產(chǎn)品是站在傳統(tǒng)產(chǎn)品肩旁上發(fā)展而來(lái)，尤其是基于移動(dòng)互聯(lián)網(wǎng)的發(fā)展累積的大數(shù)據(jù)的基礎(chǔ)上而實(shí)現(xiàn)迅猛發(fā)展。故此僅針對(duì)上圖中的兩個(gè)跟傳統(tǒng)產(chǎn)品不同的點(diǎn)進(jìn)行講解。

1）AI產(chǎn)品特別是軟硬一體產(chǎn)品，一般是先進(jìn)行上市及先用樣品上市，看市場(chǎng)情況再進(jìn)行批量制造。

這是AI產(chǎn)品制造的特點(diǎn)，傳統(tǒng)的商業(yè)模式為先制造、后銷售、再消費(fèi)，企業(yè)為消費(fèi)者提供產(chǎn)品，消費(fèi)者則是被動(dòng)的產(chǎn)品接受者。

但在AI賦能的時(shí)代背景下則呈現(xiàn)一種新型商業(yè)模式，即先個(gè)性化定制、再制造、后消費(fèi)，用戶先提出個(gè)性化需求，企業(yè)再為用戶提供個(gè)性化服務(wù)，這樣可以極大地提高用戶的參與度，也能使得企業(yè)真正地去理解和思考用戶的需求。

2）AI產(chǎn)品是為了更好地滿足客戶的需要，進(jìn)而贏得市場(chǎng)，增加企業(yè)的競(jìng)爭(zhēng)力。因此，比如在市場(chǎng)分析中考慮客戶真正需要的產(chǎn)品特征、產(chǎn)品的那些特征最重要等，客戶需求最好能與設(shè)計(jì)規(guī)劃產(chǎn)品進(jìn)行集成。另外，需求可以很好地幫助設(shè)計(jì)師采取適當(dāng)?shù)漠a(chǎn)品開(kāi)發(fā)策略，開(kāi)發(fā)出滿足客戶需要的AI產(chǎn)品。

AI時(shí)代工廠是智能制造的載體和集中體現(xiàn)，用戶可以直接從智能工廠的用戶交互定制平臺(tái)定制產(chǎn)品，參與到產(chǎn)品的個(gè)性化定制過(guò)程中，全球任何地方的用戶都可以根據(jù)自己的個(gè)性喜好，自由選擇產(chǎn)品的款式，顏色和性能等。提交訂單直接下達(dá)到工廠，智能工廠可以實(shí)現(xiàn)用戶通過(guò)網(wǎng)絡(luò)系統(tǒng)對(duì)定制生產(chǎn)的全流程實(shí)時(shí)互聯(lián)互通，掌握供應(yīng)鏈情況，知曉制造進(jìn)度，追蹤貨物交付。

在AI制造的生產(chǎn)方式下，產(chǎn)品設(shè)計(jì)流程的主要步驟是：需求、設(shè)計(jì)、銷售、生產(chǎn)，用戶希望通過(guò)定制平臺(tái)自行設(shè)計(jì)或是選擇所需要的產(chǎn)品，不愿接受沒(méi)有選擇性的設(shè)計(jì)方案。

這一過(guò)程可以實(shí)現(xiàn)的基礎(chǔ)在于三點(diǎn)：

• 一是用戶提出產(chǎn)品的設(shè)計(jì)需求，交由設(shè)計(jì)師來(lái)完成；
• 二是用戶根據(jù)設(shè)計(jì)師提供的產(chǎn)品設(shè)計(jì)方案，自行選擇以滿足設(shè)計(jì)需求；
• 三是對(duì)成型的設(shè)計(jì)產(chǎn)品進(jìn)行選擇，獲取設(shè)計(jì)方案。

用戶通過(guò)企業(yè)的定制平臺(tái)參與到產(chǎn)品的設(shè)計(jì)。生產(chǎn)和交付的全流程，通過(guò)對(duì)不同的產(chǎn)品模塊進(jìn)行選擇與組合，構(gòu)建出符合自己個(gè)性的特色產(chǎn)品，極大地簡(jiǎn)化了AI產(chǎn)品的設(shè)計(jì)過(guò)程。

（5）產(chǎn)品設(shè)計(jì)

產(chǎn)品設(shè)計(jì)是在有限的時(shí)空范圍內(nèi)，在特定的物質(zhì)條件下，為了滿足一定的需求而進(jìn)行的一種創(chuàng)造性思維活動(dòng)的實(shí)踐過(guò)程，設(shè)計(jì)具有創(chuàng)造性、復(fù)雜性和不確定性，其中包括分析、綜合和評(píng)價(jià)等過(guò)程，設(shè)計(jì)過(guò)程中的每一個(gè)行為都對(duì)應(yīng)于這三維空間中的一個(gè)點(diǎn)，如下圖所示：

基于數(shù)據(jù)挖掘的全息AI產(chǎn)品概念設(shè)計(jì)框架，主要考慮產(chǎn)品數(shù)據(jù)與環(huán)境數(shù)據(jù)之間的相互作用，發(fā)現(xiàn)其中隱含的需求。

數(shù)據(jù)挖掘運(yùn)用遺傳算法、決策樹(shù)算法在新產(chǎn)品開(kāi)發(fā)中。要在產(chǎn)品設(shè)計(jì)中進(jìn)行創(chuàng)新，就要對(duì)過(guò)去的設(shè)計(jì)經(jīng)驗(yàn)和數(shù)據(jù)信息進(jìn)行總結(jié)、分解與組合，數(shù)據(jù)挖掘技術(shù)對(duì)設(shè)計(jì)知識(shí)的分析，有利于產(chǎn)品設(shè)計(jì)的創(chuàng)新，使之實(shí)現(xiàn)新的需求。

三、大數(shù)據(jù)挖掘方法案例解析

舉例子：京東數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)的例子。

產(chǎn)品經(jīng)理或者產(chǎn)品運(yùn)營(yíng)人員提出需求，主要目的是獲取給定商鋪的url，通過(guò)系統(tǒng)分析，直接將商鋪的商品信息，即評(píng)論中對(duì)商品評(píng)價(jià)的關(guān)鍵詞直接呈現(xiàn)給消費(fèi)者，使消費(fèi)者對(duì)商品信息一目了然，從而節(jié)約消費(fèi)者大量時(shí)間。

技術(shù)人員需要根據(jù)上述需求進(jìn)行如下操作步驟：

1. 性能需求評(píng)估。
2. 然后搭建開(kāi)發(fā)環(huán)境，例如：Python3.0+Pycharm5.7+Redis4.0+Window10。
3. 數(shù)據(jù)庫(kù)設(shè)計(jì)：在技術(shù)進(jìn)行數(shù)據(jù)庫(kù)設(shè)計(jì)的時(shí)候，產(chǎn)品經(jīng)理最好配好技術(shù)人員進(jìn)行表設(shè)計(jì)。例如：這個(gè)案例中的商品抓取表和商品分析結(jié)果表，因?yàn)樯唐纷ト∮涗洷碇行枰鞔_商品的字段，同理商品分析結(jié)果表中的字段和備注等。
4. 數(shù)據(jù)爬取模塊設(shè)計(jì)，一般采用分布式抓取。
5. 數(shù)據(jù)爬取模塊實(shí)現(xiàn)。
6. 數(shù)據(jù)分析模塊實(shí)現(xiàn)，以百富帝純棉四件套商品為例，客戶只需輸入該商品的url，即可開(kāi)始分析，該商品不同顏色購(gòu)買數(shù)量關(guān)系、購(gòu)買渠道占比、購(gòu)買用戶的等級(jí)分布。

至此數(shù)據(jù)數(shù)據(jù)挖掘完成，已將該商品的全部有用信息即商品評(píng)價(jià)、顏色銷量、購(gòu)買時(shí)間、購(gòu)買渠道和用戶等級(jí)分別展示給了用戶。

除了京東的例子外數(shù)據(jù)挖掘的例子，還有如下：

（1）惡意軟件的智能檢測(cè)，在大數(shù)據(jù)時(shí)代下，在惡意軟件檢測(cè)中數(shù)據(jù)挖掘技術(shù)得到廣泛的應(yīng)用

惡意軟件嚴(yán)重?fù)p害到網(wǎng)絡(luò)和計(jì)算機(jī)，惡意軟件的檢查依賴于簽名數(shù)據(jù)庫(kù)（signature atabase，SD），通過(guò)SD，對(duì)文件進(jìn)行比較和檢查，如果字節(jié)數(shù)相等，則可疑文件將被識(shí)別為惡意文件。

有些基于有標(biāo)簽的惡意軟件檢測(cè)的主題，集中在一個(gè)模糊的環(huán)境下，進(jìn)而無(wú)法進(jìn)行惡意軟件行為的動(dòng)態(tài)修改，無(wú)法識(shí)別隱藏的惡意軟件。相反地，基于行為的惡意軟件檢測(cè)就可以找到惡意文件的真實(shí)行為。而如果采用基于數(shù)據(jù)挖掘技術(shù)的分類方法，就可以根據(jù)每個(gè)惡意軟件的特征和行為進(jìn)行檢測(cè)，從而檢測(cè)到惡意軟件的存在。

（2）信用卡的違約預(yù)測(cè)

金融產(chǎn)品經(jīng)理有很多創(chuàng)新性產(chǎn)品是圍繞著信用卡或者類信用卡類產(chǎn)品來(lái)做產(chǎn)品的，例如：花唄、京東白條等。

在辦理這類信用卡之前，銀行或者企業(yè)首先需要對(duì)申請(qǐng)人進(jìn)行細(xì)致調(diào)查，根據(jù)申請(qǐng)人的實(shí)際情況判斷是否有能力來(lái)償還所貸金額。AI產(chǎn)品采用灰狼優(yōu)化算法計(jì)算神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，一種改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)的AI算法，通過(guò)建立的信用卡客戶的違約預(yù)測(cè)模型，與目前其他的預(yù)測(cè)方法進(jìn)行比較，得到較好的預(yù)測(cè)結(jié)果。進(jìn)一步，驗(yàn)證了模糊神經(jīng)網(wǎng)絡(luò)在信用卡客戶的預(yù)測(cè)上具有較好的魯棒性、準(zhǔn)確性和高效性。

采用有效的數(shù)據(jù)挖掘技術(shù)，針對(duì)信用卡類客戶屬性和消費(fèi)行為的海量數(shù)據(jù)進(jìn)行分析，可以更好的維護(hù)優(yōu)質(zhì)客戶，消除違約客戶的風(fēng)險(xiǎn)行為，為信用卡等金融業(yè)務(wù)價(jià)值的提升提供了技術(shù)上的保障。

（3）AI醫(yī)療診斷

乳腺癌的診斷。乳腺腫瘤是女性惡性腫瘤中最常見(jiàn)的腫瘤，影響婦女的身體和精神健康，甚至威脅生命。20世紀(jì)以來(lái)，全世界范圍內(nèi)乳腺癌的患病率均有所增加，特別是歐洲和北美地區(qū)，分別占?xì)W洲和北美女性惡性腫瘤發(fā)病率的第一和第二位。

目前，世界女性乳腺癌在癌癥中的發(fā)病率最高，據(jù)美國(guó)疾病預(yù)防中心統(tǒng)計(jì)，早期乳腺癌的治愈率可高達(dá)97％，進(jìn)展期的治愈率僅為40％。因此，越早發(fā)現(xiàn)乳腺癌，治愈效果越好，即“早發(fā)現(xiàn)，早治療”。

在大數(shù)據(jù)時(shí)代下，醫(yī)療方面的數(shù)據(jù)呈現(xiàn)出數(shù)量大、類型多、處理方法復(fù)雜等特點(diǎn)，數(shù)據(jù)挖掘技術(shù)對(duì)這些問(wèn)題的處理起到了至關(guān)重要的作用。威斯康星大學(xué)醫(yī)院Wolberg提供的乳腺腫瘤分析結(jié)果顯示，乳腺腫瘤的特征可以由9 個(gè)參數(shù)來(lái)表示。

針對(duì)疾病的智能診斷，數(shù)據(jù)挖掘具有4個(gè)應(yīng)用角度：在醫(yī)院信息系統(tǒng)中的應(yīng)用、在疾病助診斷中的應(yīng)用、在藥物開(kāi)發(fā)中的應(yīng)用、在遺傳學(xué)方面的應(yīng)用。

（4）教育大數(shù)據(jù)的挖掘，前兩年，南京理工大學(xué)的“暖心飯卡工程”受到來(lái)自各界的關(guān)注。南京理工大學(xué)教育發(fā)展基金會(huì)工作人員對(duì)學(xué)生在日常生活中的數(shù)據(jù)進(jìn)行了調(diào)查和數(shù)據(jù)的采集，該項(xiàng)調(diào)查涉及的共有16000余名南京理工大學(xué)當(dāng)前在校學(xué)習(xí)的本科生，采集的數(shù)據(jù)為在9月中旬至11月中旬期間學(xué)生的飯卡刷卡記錄，將每個(gè)月平均在食堂消費(fèi)60次以上，消費(fèi)總額不足420元的學(xué)生確立為補(bǔ)助對(duì)象，不需要學(xué)生申報(bào)，直接將補(bǔ)助打入學(xué)生的飯卡。

這次針對(duì)學(xué)生生活行為的數(shù)據(jù)挖掘，不僅在教育大數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)了“精準(zhǔn)扶貧”，而且對(duì)學(xué)生真正做到了“人文關(guān)懷”，體現(xiàn)出了數(shù)據(jù)的價(jià)值性。

四、大數(shù)據(jù)挖掘的數(shù)據(jù)獲取方法

大公司已經(jīng)積累了大量的數(shù)據(jù)，目前是打通數(shù)據(jù)孤島和挖掘數(shù)據(jù)，然后分析和應(yīng)用，而沒(méi)有數(shù)據(jù)的公司適合優(yōu)先發(fā)力研究稀疏數(shù)據(jù)下的AI認(rèn)知能力的開(kāi)發(fā)。例如：綠色AI的技術(shù)，通過(guò)稀疏數(shù)據(jù)小樣本和算法的精妙設(shè)計(jì)而實(shí)現(xiàn)精準(zhǔn)的需求判斷和高效的產(chǎn)品設(shè)計(jì)制造。

隨著AI賦能制造時(shí)代的到來(lái)，95后、00后，正在成為消費(fèi)新主張的群體，他們對(duì)個(gè)性消費(fèi)、智能消費(fèi)、體驗(yàn)消費(fèi)越來(lái)越重視，消費(fèi)終端的變化必然會(huì)帶來(lái)消費(fèi)趨勢(shì)的顯著變化。

為了獲取消費(fèi)者需求就需要運(yùn)用數(shù)據(jù)挖掘。如何在保護(hù)消費(fèi)者隱私要求越來(lái)越嚴(yán)謹(jǐn)同時(shí)，自己公司又缺乏大數(shù)據(jù)的情況下進(jìn)行數(shù)據(jù)獲取呢？

方法如下：

（1）產(chǎn)品外部大數(shù)據(jù)分析

隨著大數(shù)據(jù)的急速膨脹，其對(duì)于企業(yè)越來(lái)越重要，現(xiàn)代企業(yè)需要具有大數(shù)據(jù)思維，對(duì)外界的相關(guān)大數(shù)據(jù)進(jìn)行提取、存儲(chǔ)和分析。例如：卡夫食品公司通過(guò)大數(shù)據(jù)分析工具，對(duì)上億條社交網(wǎng)站帖子上的相關(guān)話題進(jìn)行內(nèi)容分析，研究得出顧客的主要關(guān)注點(diǎn)在于健康、素食和安全。通過(guò)分析研制，最后生產(chǎn)出全新的產(chǎn)品打開(kāi)了孕婦消費(fèi)者市場(chǎng)，創(chuàng)造了新的業(yè)績(jī)。

（2） 企業(yè)內(nèi)部數(shù)據(jù)挖掘分析

可以對(duì)企業(yè)內(nèi)部的客戶，產(chǎn)品數(shù)據(jù)庫(kù)進(jìn)行整理分析，有效地分析客戶信息，產(chǎn)品信息以及行為數(shù)據(jù)，進(jìn)而得到客戶的需求信息。也可以在公司網(wǎng)站或是APP上建立留言區(qū)，使得用戶對(duì)產(chǎn)品有任何的意見(jiàn)和建議都能發(fā)表在上面，進(jìn)而企業(yè)可以獲取有價(jià)值的客戶信息。

例如：企業(yè)可以利用內(nèi)部網(wǎng)站數(shù)據(jù)分析，在活動(dòng)前期預(yù)測(cè)本店熱銷產(chǎn)品，從而能確保產(chǎn)品的供應(yīng)和物流的快速運(yùn)轉(zhuǎn)。

（3）企業(yè)定制平臺(tái)獲?。ňW(wǎng)站+移動(dòng)終端）

企業(yè)可以開(kāi)發(fā)產(chǎn)品定制的交互平臺(tái)，用戶在企業(yè)的定制平臺(tái)上可以瀏覽所需產(chǎn)品的外形信息和功能信息，可以根據(jù)個(gè)人喜好自由選擇產(chǎn)品的外觀和部件等，通過(guò)選定可以看到最終產(chǎn)品的展示效果圖，確定后提交個(gè)性化需求信息。企業(yè)還可以開(kāi)設(shè)個(gè)性定制的智能門(mén)店，用戶通過(guò)產(chǎn)品導(dǎo)購(gòu)介紹，根據(jù)自己喜好選擇不同零部件組合，和產(chǎn)品導(dǎo)購(gòu)確定后，提交個(gè)性化定制訂單。

這樣可以使企業(yè)能快速的響應(yīng)客戶的個(gè)性需求，同時(shí)也讓客戶能參與到自己的產(chǎn)品定制設(shè)計(jì)過(guò)程中來(lái)。

五、AI產(chǎn)品大數(shù)據(jù)觀

AI產(chǎn)品經(jīng)理首先要有數(shù)據(jù)挖掘需求思維，然后在AI產(chǎn)品設(shè)計(jì)制造中鞏固對(duì)大數(shù)據(jù)的落地運(yùn)用，并明白數(shù)據(jù)挖掘是數(shù)據(jù)分析最常用的手段，而在數(shù)據(jù)挖掘的過(guò)程中會(huì)有新的需求的發(fā)現(xiàn)。

人工智能的構(gòu)建基礎(chǔ)是大數(shù)據(jù)。在此基礎(chǔ)之上，才是自然語(yǔ)言算法組件、知識(shí)圖譜組件與機(jī)器學(xué)習(xí)組件的算法平臺(tái)建設(shè)。

AI時(shí)代的產(chǎn)品經(jīng)理得先明白技術(shù)的原理，然后協(xié)同技術(shù)共同打造優(yōu)秀的AI產(chǎn)品。

未來(lái)是AI時(shí)代，AI是站在大數(shù)據(jù)的肩膀上的！

如果你想系統(tǒng)化入門(mén)AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩(shī)路，公眾號(hào)：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時(shí)代產(chǎn)品經(jīng)理的思維方法》一書(shū)作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(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。

題圖來(lái)自 Unsplash，基于 CC0 協(xié)議