近幾年來，人工智能概念與相關(guān)產(chǎn)品都非?；馃?，更有許多產(chǎn)品經(jīng)理換行去當(dāng)人工智能產(chǎn)品經(jīng)理。本文特地整理了人工智能產(chǎn)品經(jīng)理的4項(xiàng)基本技能，希望能給你帶來啟發(fā)。

大家好，我是白白，人工智能產(chǎn)品經(jīng)理是現(xiàn)在非?；馃岬脑掝}，白白本人負(fù)責(zé)醫(yī)藥AI產(chǎn)品多年，但是什么樣的人能做人工智能產(chǎn)品經(jīng)理呢？人工智能產(chǎn)品經(jīng)理都需要什么樣的技能？本片白白與你討論。

人工智能產(chǎn)品與傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品的具體區(qū)別在哪？

如果從效率方面來講，互聯(lián)網(wǎng)產(chǎn)品更多提高信息傳遞的效率，而人工智能產(chǎn)品提高信息產(chǎn)生的效率。兩種類型產(chǎn)品的功能重點(diǎn)不同，自然對(duì)產(chǎn)品經(jīng)理的要求也不盡相同。

人工智能產(chǎn)品經(jīng)理屬于產(chǎn)品經(jīng)理的一種，必須對(duì)用戶、需求、商業(yè)模式有深刻的認(rèn)知。除此之外，人工智能產(chǎn)品經(jīng)理還需要4項(xiàng)基本技能：懂?dāng)?shù)據(jù)、懂算法、會(huì)溝通、懂行業(yè)，如圖1所示：

圖1

• 數(shù)據(jù)由行業(yè)產(chǎn)生，人工智能產(chǎn)品經(jīng)理需要擁有敏銳的數(shù)據(jù)洞察力，這樣才能在眾多業(yè)務(wù)數(shù)據(jù)中梳理出有價(jià)值的數(shù)據(jù)信息；
• 算法在沒有使用場(chǎng)景時(shí)，只是一些數(shù)學(xué)公式，行業(yè)就是算法的使用場(chǎng)景，算法過程需要根據(jù)使用場(chǎng)景而改變，這樣才能更好的服務(wù)于場(chǎng)景，數(shù)據(jù)是算法血液，算法中的很多參數(shù)是依靠數(shù)據(jù)訓(xùn)練而得到；
• 溝通是產(chǎn)品經(jīng)理的固有技能，人工智能產(chǎn)品經(jīng)理的溝通需要根據(jù)自身對(duì)行業(yè)、數(shù)據(jù)、算法的理解，與開發(fā)工程師、運(yùn)營(yíng)人員及行業(yè)專家等不同角色進(jìn)行交流，才能有效的調(diào)動(dòng)資源；
• 懂行業(yè)是做產(chǎn)品的基本素質(zhì)，產(chǎn)品使用場(chǎng)景、商業(yè)模式都源于對(duì)行業(yè)的認(rèn)知。

一、如何理解數(shù)據(jù)

數(shù)據(jù)是人工智能產(chǎn)品的基礎(chǔ)，人工智能產(chǎn)品經(jīng)理必須懂得如何利用數(shù)據(jù)去構(gòu)建產(chǎn)品。懂?dāng)?shù)據(jù)經(jīng)常與懂行業(yè)相伴相生，數(shù)據(jù)畢竟來源于行業(yè)，所以數(shù)據(jù)自然帶有行業(yè)的一部分特征。

人工智能產(chǎn)品經(jīng)理的數(shù)據(jù)認(rèn)知，主要體現(xiàn)在以下三個(gè)方面，如圖2所示：

圖2 數(shù)據(jù)認(rèn)知的三個(gè)方面

1. 懂?dāng)?shù)據(jù)的業(yè)務(wù)內(nèi)涵

數(shù)據(jù)業(yè)務(wù)內(nèi)涵是指數(shù)據(jù)在業(yè)務(wù)中的意義。

無論是做數(shù)據(jù)分析，還是做人工智能產(chǎn)品，首先要搞清每種數(shù)據(jù)的含義——數(shù)據(jù)通常來講能夠反應(yīng)出某項(xiàng)業(yè)務(wù)或某類業(yè)務(wù)，模型的構(gòu)建過程也是對(duì)業(yè)務(wù)關(guān)系的梳理。懂得數(shù)據(jù)業(yè)務(wù)內(nèi)涵對(duì)也有有利于掌控?cái)?shù)據(jù)標(biāo)注的相關(guān)工作。

2. 懂?dāng)?shù)據(jù)屬性

數(shù)據(jù)屬性是指數(shù)據(jù)本身的特征，數(shù)據(jù)屬性包括數(shù)據(jù)類型、數(shù)據(jù)質(zhì)量等不同維度的屬性。

（1）數(shù)據(jù)類型很多，有圖像數(shù)據(jù)、文本數(shù)據(jù)、聲音數(shù)據(jù)等，每種數(shù)據(jù)類型具有不同的分析方法與建模方法。

圖像數(shù)據(jù)可以采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，文本數(shù)據(jù)可以采用決策樹以及馬爾科夫鏈模型進(jìn)行處理。

（2）數(shù)據(jù)質(zhì)量包含的內(nèi)容較多，包括數(shù)據(jù)真實(shí)性、數(shù)據(jù)結(jié)構(gòu)化程度、數(shù)據(jù)異常情況等。不同質(zhì)量的數(shù)據(jù)處理過程也不同。大多數(shù)情況下，非結(jié)構(gòu)化數(shù)據(jù)需要轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)后才能構(gòu)建模型。

3. 懂?dāng)?shù)據(jù)處理的技術(shù)與流程

數(shù)據(jù)處理是指將原始數(shù)據(jù)變?yōu)閷?duì)特定場(chǎng)景下有價(jià)值、有意義的數(shù)據(jù)形式。人工智能產(chǎn)品經(jīng)理應(yīng)該掌握數(shù)據(jù)處理的技術(shù)與流程，數(shù)據(jù)治理在整個(gè)數(shù)據(jù)科學(xué)中占有基礎(chǔ)性的地位。

人工智能產(chǎn)品經(jīng)理首先需要對(duì)數(shù)據(jù)進(jìn)行整體評(píng)估，確定數(shù)據(jù)是否能夠滿足業(yè)務(wù)需求，評(píng)價(jià)數(shù)據(jù)質(zhì)量等相關(guān)情況。在對(duì)數(shù)據(jù)充分認(rèn)知后，才能夠進(jìn)行數(shù)據(jù)處理與建模工作。

二、如何理解算法

人工智能產(chǎn)品經(jīng)理需要參與算法的設(shè)計(jì)過程，所以必須深入了解算法原理。懂算法可以更好地與算法工程師溝通，并且能夠知曉不同算法的應(yīng)用場(chǎng)景。

1. 普通產(chǎn)品經(jīng)理工作流程

熟悉普通產(chǎn)品經(jīng)理工作流程的人都應(yīng)該清楚，普通產(chǎn)品經(jīng)理主要以提出需求為主，他們撰寫產(chǎn)品需求文檔提交給開發(fā)工程師，由開發(fā)工程師應(yīng)按照需求文檔的內(nèi)容進(jìn)行開發(fā)。

普通產(chǎn)品經(jīng)理的工作模式是制定一個(gè)產(chǎn)品開發(fā)的目標(biāo)，由開發(fā)工程師去完成這個(gè)目標(biāo)。

普通產(chǎn)品經(jīng)理以“目標(biāo)”為導(dǎo)向來參與產(chǎn)品研發(fā)，他們制定產(chǎn)品功能的目標(biāo)，為最終結(jié)果負(fù)責(zé)。對(duì)于具體“目標(biāo)”的實(shí)現(xiàn)過程，普通產(chǎn)品經(jīng)理很少參與，大部分由開發(fā)工程師完成。

2. 人工智能產(chǎn)品經(jīng)理工作流程

人工智能產(chǎn)品經(jīng)理需要懂算法，這樣才能參與產(chǎn)品功能的實(shí)現(xiàn)過程。

在產(chǎn)品開發(fā)的過程中，人工智能產(chǎn)品經(jīng)理始終參與算法的研發(fā)，一直需要與算法工程師保持緊密的配合。

人工智能產(chǎn)品經(jīng)理需要針對(duì)行業(yè)特征進(jìn)行技術(shù)預(yù)研，評(píng)估哪些算法適合產(chǎn)品的應(yīng)用場(chǎng)景。算法模型的訓(xùn)練以及訓(xùn)練數(shù)據(jù)的準(zhǔn)備工作，都需要人工智能產(chǎn)品經(jīng)理參與。

首先，人工智能產(chǎn)品經(jīng)理會(huì)提出產(chǎn)品需求，在提出產(chǎn)品需求后，他們會(huì)幫助算法工程師尋找合適的路徑去實(shí)現(xiàn)。

人工智能產(chǎn)品經(jīng)理不僅要撰寫需求文檔，還需要撰寫技術(shù)文檔，通過自己對(duì)技術(shù)和行業(yè)的了解，在需求與算法間建立一棟橋梁，提出最佳的算法及技術(shù)實(shí)現(xiàn)路徑。

人工智能產(chǎn)品經(jīng)理更多地參與產(chǎn)品“目標(biāo)”的實(shí)現(xiàn)過程過程，是以“過程”為導(dǎo)向來參與產(chǎn)品研發(fā)。

由此可見，人工智能產(chǎn)品經(jīng)理需要懂技術(shù)，這樣才能順利進(jìn)行技術(shù)預(yù)研，并保證與算法工程師溝通順暢。

基于行業(yè)特點(diǎn)，人工智能產(chǎn)品經(jīng)理首先需要確定“哪些是分類問題？哪些是預(yù)測(cè)問題？解決這些問題適合用什么算法？”，這些都需要與算法工程師深入的溝通，溝通的基礎(chǔ)就是對(duì)算法的理解。

通常情況下行業(yè)問題都比較復(fù)雜，很難用單一的算法滿足需求。人工智能產(chǎn)品經(jīng)理需要探索如何組合不同的算法來滿足行業(yè)需求。

算法就像積木，人工智能產(chǎn)品經(jīng)理需要根據(jù)行業(yè)需求的特點(diǎn)，去將算法積木搭建成相應(yīng)的形狀。只有人工智能產(chǎn)品經(jīng)理懂得算法原理，才能知道如何利用算法滿足行業(yè)需求。

圖3 人工智能產(chǎn)品的算法設(shè)計(jì)路徑

在產(chǎn)品構(gòu)建過程中，人工智能產(chǎn)品經(jīng)理參與算法設(shè)計(jì)的路徑如圖3所示：

• 第一步，需求確定。確認(rèn)需求是一個(gè)反復(fù)的過程，首先通過自己對(duì)行業(yè)的了解提出需求，之后要通過訪問行業(yè)專家或用戶調(diào)研確定需求。
• 第二步，算法設(shè)計(jì)。算法設(shè)計(jì)考慮的維度較多，首先要將需求分解成幾個(gè)部分，分析這些問題屬于哪類問題。如果是文本分析問題，可以考慮使用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)解決；如果是策略規(guī)劃問題，可以考慮用強(qiáng)化學(xué)習(xí)解決，除此之外還需要考慮數(shù)據(jù)的情況。綜合以上各種情況確定使用何種算法。
• 第三步，算法討論。將算法設(shè)計(jì)的思路與算法工程師討論，共同完成算法的實(shí)施路徑。
• 第四步，算法確認(rèn)。算法達(dá)到三個(gè)要求可以認(rèn)為完成了算法確認(rèn)。其一，能夠滿足也業(yè)務(wù)要求；其二，在現(xiàn)有資源環(huán)境下可實(shí)施開發(fā)。當(dāng)算法得到幾方確認(rèn)后，便可以開始實(shí)施開發(fā)。
• 第五步，算法驗(yàn)收。算法在實(shí)施過程中會(huì)有非常多問題存在，需要真正完成開發(fā)才能知道效果如何。在算法模型與真實(shí)業(yè)務(wù)系統(tǒng)完成對(duì)接，運(yùn)營(yíng)環(huán)境、運(yùn)維等工作都得到確認(rèn)，并確定算法模型能夠達(dá)到需求之后，算法驗(yàn)收工作才能結(jié)束。

算法模型就像產(chǎn)品一樣，同樣是一個(gè)不斷改進(jìn)更新的循環(huán)過程。在這個(gè)過程中，伴隨著硬件的升級(jí)，新模型的設(shè)計(jì)思路，甚至新業(yè)務(wù)數(shù)據(jù)的加入，算法只有不斷改進(jìn)才能更好的符合業(yè)務(wù)需求。

三、 如何進(jìn)行溝通

人工智能產(chǎn)品經(jīng)理作為需求、算法、項(xiàng)目三方的協(xié)調(diào)者與管理者，盡量采用專家方式溝通會(huì)更有效。

所謂專家式溝通主要強(qiáng)調(diào)溝通者以專家的身份，有理有力有節(jié)的闡述觀點(diǎn)進(jìn)行溝通。

人工智能產(chǎn)品經(jīng)理與別人溝通時(shí)，需要具備以下3個(gè)特點(diǎn)，如圖4所示：

圖4 人工智能產(chǎn)品經(jīng)理溝通要素

（1）專業(yè)性是人工智能產(chǎn)品經(jīng)理的立命之本

無論是對(duì)于行業(yè)還是對(duì)算法，以及在規(guī)劃功能和設(shè)計(jì)流程時(shí)，都應(yīng)該始現(xiàn)自己的專業(yè)性。只有突出專業(yè)性，才更容易取得信任。

（2）條理性是人工智能產(chǎn)品經(jīng)理在一切溝通時(shí)的原則

無論什么樣的溝通首先闡述結(jié)論，在闡述理由，同時(shí)說明問題的背景及相關(guān)說明。溝通時(shí)，必須做到條理清晰，闡述理由時(shí)盡量使用推理演繹的邏輯路徑，能夠用圖表達(dá)的盡量不要用文字。

（3）廣博性是人工智能產(chǎn)品經(jīng)理個(gè)人魅力體現(xiàn)

需要人工智能產(chǎn)品經(jīng)理有廣闊的知識(shí)面與變通能力，針對(duì)不同的溝通對(duì)象盡量使用同樣的語言，或類似的思考路徑進(jìn)行溝通，否則很容易產(chǎn)生無效溝通，而浪費(fèi)了大量的時(shí)間。

人工智能產(chǎn)品經(jīng)理溝通對(duì)象很多，所以需要有足夠的知識(shí)儲(chǔ)備，所以盡量做到懂算法、懂行業(yè)、懂設(shè)計(jì)、懂運(yùn)營(yíng)的綜合人才。

人工智能產(chǎn)品經(jīng)理最重要的溝通對(duì)象是算法工程師。吳恩達(dá)在NIPS 2016演講中提到了人工智能產(chǎn)品經(jīng)理的角色定位，強(qiáng)調(diào)人工智能產(chǎn)品經(jīng)理是用戶與算法人員間的橋梁。

由于算法工程師并不很了解行業(yè)，如何將行業(yè)內(nèi)容用算法語言描述給算法工程師是十分重要的，這種溝通我們稱之為“轉(zhuǎn)譯”。

轉(zhuǎn)譯就像是一個(gè)翻譯過程，將不同兩個(gè)領(lǐng)域的術(shù)語翻譯給對(duì)方。人工智能產(chǎn)品經(jīng)理進(jìn)行轉(zhuǎn)譯時(shí)，需要注意以下幾個(gè)要點(diǎn)：

1. 溝通行業(yè)背景

人工智能產(chǎn)品經(jīng)理具有行業(yè)背景，與算法工程師溝通時(shí)，盡量使用對(duì)方能夠聽懂的語言，解釋產(chǎn)品給行業(yè)帶來的價(jià)值。

首先雙方應(yīng)該溝通產(chǎn)品的行業(yè)背景，能夠使算法人員對(duì)整個(gè)產(chǎn)品有更全面的了解，有利于代碼質(zhì)量的提高。

2. 說明產(chǎn)品價(jià)值

首先將溝通的最終目標(biāo)解釋給對(duì)方，讓對(duì)方明白這件工作的意義。

例如在與算法工程師溝通時(shí)，首先讓對(duì)方明白我們需要實(shí)現(xiàn)產(chǎn)品功能是什么。在了解產(chǎn)品功能之后，再進(jìn)行算法方面的討論。

3. 產(chǎn)品功能分解

產(chǎn)品功能通常由很多小的功能模塊組成，人工智能產(chǎn)品經(jīng)理需要根據(jù)自己對(duì)行業(yè)的理解，將產(chǎn)品功能進(jìn)行模塊化拆分，與算法工程師針對(duì)單個(gè)模塊內(nèi)容進(jìn)行溝通。

4. 給出數(shù)據(jù)例

數(shù)據(jù)例指的是訓(xùn)練數(shù)據(jù)的數(shù)據(jù)樣例。人工智能產(chǎn)品經(jīng)理需要負(fù)責(zé)數(shù)據(jù)的協(xié)調(diào)工作，應(yīng)該盡快讓算法工程師看到數(shù)據(jù)例，這樣能節(jié)省很多溝通的時(shí)間。即使現(xiàn)在沒有足夠的數(shù)據(jù)，數(shù)據(jù)的基本情況也要盡快與算法工程師溝通。

5. 提供算法方案

人工智能產(chǎn)品經(jīng)理需要進(jìn)行技術(shù)預(yù)研，應(yīng)該首先提出一套算法方案用于和算法工程師交流。該算法方案包括建議使用的算法類型、數(shù)據(jù)處理方案等。這樣可以就具體的算法路徑進(jìn)行討論，提高了溝通的效率。

6. 案例

下面以一個(gè)行業(yè)壁壘的很高的產(chǎn)品為例，說明人工智能產(chǎn)品經(jīng)理如何與算法工程師進(jìn)行溝通。

【例】筆者一直從事分子質(zhì)譜（MS）模擬相關(guān)產(chǎn)品的研發(fā)，質(zhì)譜（MS）是一種分子檢測(cè)的技術(shù)手段。該產(chǎn)品涉及到多個(gè)學(xué)科交叉，并且專業(yè)度極高，需要人工智能產(chǎn)品經(jīng)理與算法工程師進(jìn)行良好溝通協(xié)作。分子質(zhì)譜模擬產(chǎn)品溝通路徑，如圖5所示：

圖5 分子質(zhì)譜模產(chǎn)品溝通路徑

第一步：溝通行業(yè)背景

分子質(zhì)譜模擬產(chǎn)品主要用于醫(yī)藥、化工行業(yè)，主要用未知分子的鑒定工作。該產(chǎn)品主要為醫(yī)藥領(lǐng)域研發(fā)人員提供結(jié)構(gòu)鑒定幫助。

當(dāng)一個(gè)新物質(zhì)誕生時(shí)，我們并不知道它的分子結(jié)構(gòu)，但是我們可以利用一些手段將這個(gè)分子打成碎片，由于碎片分子的結(jié)構(gòu)相對(duì)比較簡(jiǎn)單，所以通過碎片分子結(jié)構(gòu)去回推出新物質(zhì)分子的結(jié)構(gòu)。

我們能提取到的碎片分子信號(hào)，稱為質(zhì)核比(m/q)，是分子質(zhì)量與其所帶電荷的比值。本產(chǎn)品需要根據(jù)碎裂的規(guī)律構(gòu)建模型，通過碎片分子的質(zhì)核比推斷出新物質(zhì)分子的結(jié)構(gòu)。

本階段溝通的目的，為了使算法工程師對(duì)產(chǎn)品與行業(yè)有一個(gè)大概的認(rèn)知。

第二步：說明產(chǎn)品價(jià)值

該產(chǎn)品的核心價(jià)值用于進(jìn)行未知物檢測(cè)——通過未知物的質(zhì)核比的信息，推斷出未知物的分子的結(jié)構(gòu)。

以往對(duì)未知物進(jìn)行推斷，都是通過人的歷史經(jīng)驗(yàn)來完成，本產(chǎn)品價(jià)值在于通過人工智能技術(shù)，取代人來進(jìn)行分子結(jié)構(gòu)推斷。本階段溝通的目的，為了使算法工程師明確產(chǎn)品能夠解決的問題，以及開發(fā)該項(xiàng)目的原因。

第三步：產(chǎn)品功能分解

未知物分子的推斷過程，主要分為3個(gè)步驟：

• 第一步，首先確定未知物分子的各類原子個(gè)數(shù)，確定未知物的分子式/
• 第二步，尋找比較有特征的數(shù)據(jù)，這些數(shù)據(jù)對(duì)應(yīng)著某種固定的分子結(jié)構(gòu)，如果能找到這些特征數(shù)據(jù)，則證明這個(gè)未知物分子中存在這樣的結(jié)構(gòu)。
• 第三步，根據(jù)數(shù)據(jù)特征，找到全部可能的結(jié)構(gòu)。第四步，將這些找到的結(jié)構(gòu)組合，推斷出可能的未知物分子結(jié)構(gòu)。在和算法工程師解釋基本知識(shí)后，需要用通俗的語言將業(yè)務(wù)過程闡述出來。

第四步：給出數(shù)據(jù)例

將質(zhì)譜數(shù)據(jù)展示給算法工程師，并解釋清楚各部分?jǐn)?shù)據(jù)的意義。

第五步：提供算法方案

人工智能產(chǎn)品經(jīng)理應(yīng)與算法工程師共同討論，確定各部分功能所使用的算法。第五步能否順利實(shí)施，取決于第三步是否能夠使算法工程師理解產(chǎn)品功能。算法的確定需要雙方經(jīng)過多次討論、嘗試才能確定。

人工智能產(chǎn)品經(jīng)理的溝通更像是一門藝術(shù)，不僅僅要做“轉(zhuǎn)譯”的工作，還需要與很多角色協(xié)調(diào)部署工作。人工智能產(chǎn)品經(jīng)理溝通不僅僅是個(gè)人情商魅力的表現(xiàn)，也同樣體現(xiàn)了你的行業(yè)能力與算法功底。

四、如何理解行業(yè)

2017年，吳恩達(dá)在高山大學(xué)（GASA）作主題名為《探索人工智能》的演講時(shí)，曾經(jīng)說：

“我經(jīng)常對(duì)很多公司說，如果能夠找到一個(gè)獨(dú)立的人工智能團(tuán)隊(duì)，就把這些有人工智能力的人放到不同的業(yè)務(wù)團(tuán)隊(duì)矩陣去”。

這句話足以證明行業(yè)對(duì)人工智能的重要性。人工智能產(chǎn)品經(jīng)理是人工智能產(chǎn)品的締造者，對(duì)行業(yè)認(rèn)知程度有則有更高的要求。

人工智能產(chǎn)品經(jīng)理需要懂行業(yè)，這一點(diǎn)在本書很多地方都有體現(xiàn)。懂行業(yè)分為2個(gè)方面：

• 首先人工智能產(chǎn)品經(jīng)理只有懂行業(yè)，才能對(duì)產(chǎn)品價(jià)值有深刻認(rèn)知，才能知道產(chǎn)品如何滿足需求。
• 其次只有懂行業(yè)才能懂商業(yè)，才能知道產(chǎn)品在行業(yè)中如何賺錢，商業(yè)利益是產(chǎn)品實(shí)現(xiàn)的最終目的。

產(chǎn)品最終需要追求商業(yè)價(jià)值，很難想象一個(gè)不懂行業(yè)的產(chǎn)品經(jīng)理，能夠設(shè)計(jì)出給業(yè)內(nèi)人士使用的產(chǎn)品。一個(gè)不懂行業(yè)的人，更不可能明白一個(gè)行業(yè)的商業(yè)運(yùn)轉(zhuǎn)規(guī)律，以及產(chǎn)品商業(yè)化過程都有哪些“坑”。

產(chǎn)品經(jīng)理需要有商業(yè)的前瞻性，才能構(gòu)建產(chǎn)品價(jià)值，并能協(xié)調(diào)現(xiàn)有資源產(chǎn)生最大的商業(yè)價(jià)值。

圖6 行業(yè)認(rèn)知與行業(yè)需求

如圖6所示，人工智能產(chǎn)品經(jīng)理只有具備充分的行業(yè)認(rèn)知，才能構(gòu)造良好的商業(yè)模式，才能創(chuàng)造較高的產(chǎn)品價(jià)值。產(chǎn)品價(jià)值能夠滿足行業(yè)需求，商業(yè)模式能夠保證產(chǎn)品價(jià)值與行業(yè)需求間的平衡穩(wěn)定。

案例

下面以臨床科研平臺(tái)為例，說明行業(yè)認(rèn)知對(duì)產(chǎn)品構(gòu)建的重要性。

【例】臨床科研智能平臺(tái)是針對(duì)醫(yī)院進(jìn)行臨床研究需求所使用的數(shù)據(jù)匯聚及人工智能算法的集成平臺(tái)。此類平臺(tái)主要是解決醫(yī)院用戶進(jìn)行臨床科研的剛性需求，該平臺(tái)的搭建需要深刻的行業(yè)認(rèn)知，需要熟悉醫(yī)療科研的流程與方法，平臺(tái)架構(gòu)圖7所示：

圖7 臨床科研智能平臺(tái)系統(tǒng)架構(gòu)圖

臨床科研智能平臺(tái)與醫(yī)院多個(gè)系統(tǒng)對(duì)接，將多個(gè)系統(tǒng)數(shù)據(jù)結(jié)構(gòu)化供臨床科研智能平臺(tái)使用。臨床科研智能平臺(tái)上集成了多種算法，為臨床原始研究與二次型研究提供了工具。

設(shè)計(jì)此類平臺(tái)產(chǎn)品，需要對(duì)臨床科研具有深度行業(yè)認(rèn)知，對(duì)醫(yī)療體系數(shù)據(jù)充分理解。

臨床科研智能平臺(tái)主要解決了醫(yī)生用戶3個(gè)痛點(diǎn)：

1. 醫(yī)院內(nèi)數(shù)據(jù)存在于各個(gè)系統(tǒng)中難以整合。
2. 醫(yī)生缺乏簡(jiǎn)單易用的人工智能分析工具。
3. 醫(yī)院間開展聯(lián)合研究缺乏數(shù)據(jù)協(xié)同平臺(tái)。

基于行業(yè)的思考，臨床科研智能平臺(tái)不僅能給醫(yī)生科研帶來便利，更能夠成為醫(yī)療數(shù)據(jù)走向市場(chǎng)的一個(gè)基礎(chǔ)。當(dāng)前為了隱私性等問題，臨床數(shù)據(jù)一直無法走向市場(chǎng)，也意味著醫(yī)療數(shù)據(jù)利用無法快速向前推進(jìn)。只有進(jìn)行了良好的商業(yè)模式布局，醫(yī)療大數(shù)據(jù)才能更加健康地向前發(fā)展，臨床科研平臺(tái)的商業(yè)模式如圖8所示：

圖8 臨床科研平臺(tái)商業(yè)模式

臨床科研智能平臺(tái)依托承載的臨床數(shù)據(jù)具有極高的價(jià)值，針對(duì)藥企、醫(yī)院、政府、保險(xiǎn)公司都可以形成商業(yè)閉環(huán)。如果對(duì)行業(yè)不夠了解就無法得到上述產(chǎn)品商業(yè)模式，所以人工智能產(chǎn)品經(jīng)理需要充分了解行業(yè)才能構(gòu)建有價(jià)值的產(chǎn)品。

#專欄作家#

白白，人人都是產(chǎn)品經(jīng)理專欄作家。公眾號(hào)：白白說話（xiaob-talk）。醫(yī)藥行業(yè)資深產(chǎn)品專家，負(fù)責(zé)人工智能行業(yè)類產(chǎn)品綜合架構(gòu)與技術(shù)開發(fā)。在行業(yè)云產(chǎn)品架構(gòu)，藥物設(shè)計(jì)AI輔助、醫(yī)療知識(shí)圖譜等領(lǐng)域有深入研究。

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。

題圖來自Unsplash，基于 CC0 協(xié)議