11月中旬，由人人都是產(chǎn)品經(jīng)理與騰訊大講堂聯(lián)合主辦的2017中國(guó)產(chǎn)品經(jīng)理大會(huì)在北京北苑大酒店完美落幕。京東金融風(fēng)險(xiǎn)管理部產(chǎn)品總監(jiān)孟繁星老師從提問引入：你的業(yè)務(wù)中哪些環(huán)節(jié)可以利用人工智能？為大家分享《新技術(shù)，新挑戰(zhàn)，新能力：金融＋AI 的產(chǎn)品實(shí)踐》，從現(xiàn)有的問題和挑戰(zhàn)著手，以風(fēng)控技術(shù)的實(shí)踐為例，帶領(lǐng)大家展望未來(lái)，拆解未來(lái)產(chǎn)品經(jīng)理需要的業(yè)務(wù)知識(shí)、崗位職責(zé)和能力模型。

分享嘉賓：京東金融風(fēng)險(xiǎn)管理部產(chǎn)品總監(jiān) 孟繁星

以下內(nèi)容為嘉賓分享實(shí)錄，由人人都是產(chǎn)品經(jīng)理社區(qū)筆記組成員@張婷 匯總整理，部分內(nèi)容有修改，嘉賓已確認(rèn)：

今天和大家聊一聊AI+金融，我從業(yè)務(wù)產(chǎn)品經(jīng)理的角度跟大家討論新的技術(shù)——尤其是人工智能和大數(shù)據(jù)等新技術(shù)，對(duì)我們的業(yè)務(wù)、產(chǎn)品和產(chǎn)品經(jīng)理的工作會(huì)有哪些新的影響和沖擊。

前幾周準(zhǔn)備材料的時(shí)候，我和一位做AI的朋友討論。我問他最近在關(guān)注什么領(lǐng)域，研究什么課題，朋友說(shuō)最近在研究倫理學(xué)。我當(dāng)時(shí)很驚訝：產(chǎn)品經(jīng)理什么時(shí)候變得這么高大上了？我們?cè)趯戫?xiàng)目周報(bào)、寫PRD的時(shí)候，別人都在開始研究倫理學(xué)了？

我的朋友回答說(shuō)：其實(shí)并不是真的高大上，這些都是AI的實(shí)際工作中會(huì)面臨的問題。這些問題解決不好，產(chǎn)品就做不好，運(yùn)營(yíng)工作就沒法開展。

這是他在關(guān)注的幾個(gè)問題：

我朋友做的事情是：利用人工智能進(jìn)入司法領(lǐng)域。就是基于人工智能、自然語(yǔ)言處理等技術(shù)幫助律師、法官處理大量的法律文案，甚至可以基于一些歷史案件、案例提出審判的法律依據(jù)。

基于這些工作，他關(guān)注的三個(gè)問題：

No.1 如果由機(jī)器代替人來(lái)決策，那損益和權(quán)責(zé)該如何承擔(dān)？

你用了AI的算法，有收益了固然好；但是出現(xiàn)損失了，責(zé)任誰(shuí)來(lái)承擔(dān)？

類似的案例已經(jīng)出現(xiàn)，最典型、也是影響力最大的是特斯拉的自動(dòng)駕駛技術(shù)出的問題：一名消費(fèi)者開著特斯拉的汽車，出了車禍死亡。

當(dāng)時(shí)這個(gè)事件爭(zhēng)議非常大，這個(gè)事故是駕駛員的責(zé)任還是車或者自動(dòng)駕駛技術(shù)的責(zé)任？進(jìn)一步衍生的問題是：保險(xiǎn)公司該怎么去理賠？這個(gè)責(zé)任歸屬權(quán)是誰(shuí)？——這些都是很實(shí)際的問題。

No. 2 算法怎么去保證公平和公正？

大家可能會(huì)說(shuō)：機(jī)器是最公正最公平的。

但是別忘了，開發(fā)這些機(jī)器和算法的也是“人”。

No. 3 我的用戶群會(huì)更聰明，還是會(huì)變成傻瓜？

無(wú)論是剛才提到的律師、法官，還是其他用戶，他們?cè)谟萌斯ぶ悄芄ぞ叩臅r(shí)候，自己本身的工作能力會(huì)有什么樣的改變？是會(huì)擁有更強(qiáng)的工作能力，還是會(huì)變得更依賴機(jī)器，我怎么基于這種改變?nèi)ミ\(yùn)營(yíng)我的用戶？

由此可見，新技術(shù)的應(yīng)用不僅會(huì)改變我們的行業(yè)，也會(huì)對(duì)我們實(shí)際工作帶來(lái)很大的影響。這也是今天我想跟大家分享討論的一個(gè)主要的話題。

今天想跟大家主要聊三個(gè)方面：

1. 回顧新技術(shù)以及對(duì)產(chǎn)品經(jīng)理帶來(lái)的新挑戰(zhàn)；
2. 結(jié)合個(gè)人的實(shí)踐經(jīng)驗(yàn)，講一講自己的理解；
3. 暢想未來(lái)。

一、新技術(shù)，新問題，新挑戰(zhàn)

講幾個(gè)金融行業(yè)被新技術(shù)改變的案例：

這是瑞銀集團(tuán)的證券交易大廳，上面坐的都是證券交易員，左邊這個(gè)圖是2008年的照片，右邊這個(gè)圖是2016年的，可以看到證券交易的席位大幅減少。

這張圖經(jīng)常被媒體用來(lái)解釋新技術(shù)的應(yīng)用：程序自動(dòng)化交易、在線交易、人工智能等技術(shù)，會(huì)大幅減少證券分析師、交易員的工作——甚至?xí)岢觥皺C(jī)器取代人類工作”這一命題，但深究起來(lái)，并不一定是這樣。

大家可以關(guān)注一下照片拍攝的時(shí)間：一個(gè)是2008年，一個(gè)是2016年，中間隔了一個(gè)金融危機(jī)。

其實(shí)清空整個(gè)交易大廳的并不全是新技術(shù)，也包括金融危機(jī)對(duì)整個(gè)金融行業(yè)的沖擊，以及瑞銀集團(tuán)自身業(yè)務(wù)的一些問題。所以，我們不能孤立地去看待一個(gè)新技術(shù)，而是要把它放在整個(gè)大的產(chǎn)業(yè)背景中，結(jié)合整個(gè)產(chǎn)業(yè)和公司的業(yè)務(wù)情況來(lái)看，而不是片面強(qiáng)調(diào)某一個(gè)新技術(shù)的作用。

第二個(gè)例子也很有意思：

10月份，美國(guó)推出據(jù)稱是全球第一個(gè)由人工智能驅(qū)動(dòng)的股票投資基金——AI Powered ETF。新聞剛出來(lái)的時(shí)候，媒體又掀起了一次狂潮，標(biāo)題都是拿這個(gè)基金跟Alpha Go來(lái)對(duì)比，儼然就是“終結(jié)者要降臨金融行業(yè)了，全球金融從業(yè)者要失業(yè)了”。

如果我們追蹤看一下這只基金的表現(xiàn)：從10月18號(hào)基金開放以來(lái)（黑色的線是基金的回報(bào)，上面兩根紅色的線分別是納斯達(dá)克和標(biāo)普指數(shù)），AI Powered ETF基金的回報(bào)率顯著低于市場(chǎng)預(yù)期，低于市場(chǎng)大盤。大概兩周的時(shí)間就已經(jīng)虧損了超過(guò)2%，這該怎么理解呢？

對(duì)此，我的理解有兩點(diǎn)：

1. 要給新技術(shù)一個(gè)時(shí)間周期，不是說(shuō)它一推出就能夠很成熟；
2. 莫被浮云遮望眼，并不是這些新技術(shù)都是萬(wàn)靈藥。

第三個(gè)例子和我最近的研究比較相關(guān)：

iPhone X加強(qiáng)了基于3D的人臉識(shí)別技術(shù)，而現(xiàn)在安全行業(yè)，除了人臉識(shí)別，還有很多新的、比較成熟的身份認(rèn)證和安全識(shí)別的技術(shù)，比如：

• 聲紋識(shí)別——通過(guò)說(shuō)話時(shí)聲音的特征來(lái)識(shí)別是否是本人；
• 眼紋識(shí)別——通過(guò)視網(wǎng)膜上微血管的分布來(lái)識(shí)別個(gè)人身份特征。
• 還有最近一個(gè)新的研究領(lǐng)域：通過(guò)用戶使用手機(jī)的動(dòng)作習(xí)慣，比如說(shuō)我點(diǎn)擊習(xí)慣、劃動(dòng)習(xí)慣，拿手機(jī)的一些運(yùn)動(dòng)信息等來(lái)識(shí)別是否是本人在操作手機(jī)。

據(jù)我們現(xiàn)在的研究：操作一個(gè)滑塊，輸入一個(gè)驗(yàn)證碼或者是手勢(shì)密碼——這么一個(gè)動(dòng)作，大概可以分解出幾十個(gè)到一百個(gè)特征指標(biāo)。舉手滑動(dòng)的加速度、觸點(diǎn)的位置大小等等，每個(gè)人的特征指標(biāo)都是不一樣的；通過(guò)這些特征指標(biāo)建模，精準(zhǔn)地識(shí)別你是否是本人在操作手機(jī)。

這些技術(shù)都比較成熟了，而且已經(jīng)有一些應(yīng)用。

有一位銀行業(yè)的朋友提出了一個(gè)很有意思的問題：原來(lái)銀行都是通過(guò)U盾、賬號(hào)密碼這些來(lái)做安全防范，如果不幸U盾丟失了，賬號(hào)密碼泄露了，用戶可以申請(qǐng)掛失改密碼或者改賬號(hào)——這都OK。

但是未來(lái)，我通過(guò)人臉識(shí)別、眼紋識(shí)別來(lái)防范；但是假如我這些生物特征信息丟失了：臉部或視網(wǎng)膜特征被不法分子拍照——這怎么辦？我能把我臉掛失嗎？還是說(shuō)把我眼睛掛失——這就不現(xiàn)實(shí)了。

所以可以看到：新技術(shù)的不斷成熟，會(huì)對(duì)我們整個(gè)業(yè)務(wù)、商業(yè)模式以及相應(yīng)的業(yè)務(wù)鏈條帶來(lái)很大的影響。

產(chǎn)品經(jīng)理在考慮這些問題的時(shí)候，就不光要從技術(shù)和產(chǎn)品本身出發(fā)。

我之前做過(guò)一些調(diào)研，問過(guò)一些做產(chǎn)品的小伙伴，他們對(duì)新技術(shù)（包括AI等）會(huì)關(guān)注哪些問題。比如新技術(shù)是否會(huì)影響我的行業(yè)，用戶是否會(huì)為這些技術(shù)買單？投入很大資源去開發(fā)技術(shù)是否能帶來(lái)回報(bào)？我如何去獲取大量的數(shù)據(jù)去支持我的AI或者算法的研發(fā)，以及尤其像產(chǎn)品經(jīng)理很關(guān)心的：在這種場(chǎng)景下，如何去跟算法團(tuán)隊(duì)還有數(shù)據(jù)團(tuán)隊(duì)配合，后面也會(huì)結(jié)合我自己的一些經(jīng)驗(yàn)來(lái)跟大家探討這些問題。

今天大會(huì)的主題是：解碼未來(lái)產(chǎn)品經(jīng)理。按我的理解，這個(gè)問題可以分解成三個(gè)部分——

• 未來(lái)的趨勢(shì)和機(jī)會(huì)是什么？
• 新技術(shù)和應(yīng)用會(huì)如何改變我們產(chǎn)品形態(tài)？
• 在這種場(chǎng)景下，我們產(chǎn)品經(jīng)理的職責(zé)、能力以及產(chǎn)品研發(fā)的模式有哪些變化。

這些問題我也沒有答案，而且我預(yù)計(jì)也不會(huì)有標(biāo)準(zhǔn)答案，希望能夠促進(jìn)大家去思考和討論，在業(yè)務(wù)實(shí)踐中發(fā)掘出自己的答案。

下面結(jié)合我在近期的一些研究，來(lái)跟大家探討：

二、金融行業(yè)+AI 的版圖

近幾年金融科技行業(yè)發(fā)展很快，監(jiān)管層也在更多利用數(shù)據(jù)和智能技術(shù)；金融行業(yè)和AI、大數(shù)據(jù)以及算法的結(jié)合，已經(jīng)是比較普遍的了。

從目前我的經(jīng)驗(yàn)和了解來(lái)看，可以分成三個(gè)層面——風(fēng)險(xiǎn)管理、運(yùn)營(yíng)效率和用戶體驗(yàn)。其中應(yīng)用最多、最成熟的是在風(fēng)險(xiǎn)管理方面，包括反欺詐、反洗錢、信貸評(píng)估以及風(fēng)險(xiǎn)定價(jià)等等。

在用戶體驗(yàn)層面，新技術(shù)比較成熟的應(yīng)用案例是智能客服。

9月份的時(shí)候，我們?nèi)ヒ患覙I(yè)內(nèi)領(lǐng)先的保險(xiǎn)公司交流，它們已經(jīng)把AI技術(shù)應(yīng)用到客服中去，對(duì)于一些簡(jiǎn)單的客戶咨詢的問題，客戶很難分辨出回答自己?jiǎn)栴}的其實(shí)是一個(gè)語(yǔ)音機(jī)器人——當(dāng)然，對(duì)于很復(fù)雜的問題，機(jī)器人會(huì)把問題轉(zhuǎn)交給一個(gè)真正的人類客服坐席去解決。

金融機(jī)構(gòu)面臨的威脅

剛過(guò)去的雙十一，各個(gè)電商發(fā)表了自己的戰(zhàn)報(bào)，交易額有做到千億元的，有做到幾百億的，有幾十億的。在雙11過(guò)后兩天，不光電商發(fā)表自己的戰(zhàn)報(bào)，我們看到媒體也發(fā)表了一篇地下黑色產(chǎn)業(yè)的戰(zhàn)報(bào)。

在中國(guó)，據(jù)說(shuō)從事地下黑色產(chǎn)業(yè)（像電信詐騙、羊毛黨、刷單產(chǎn)業(yè)等）團(tuán)伙的從業(yè)規(guī)模在150萬(wàn)人以上，年產(chǎn)值大概是千億元量級(jí)。而據(jù)我們估算，掌握在黑色產(chǎn)業(yè)團(tuán)伙中的垃圾賬號(hào)和用戶信息，大概在幾千萬(wàn)到上億級(jí)別——可能我們整個(gè)互聯(lián)網(wǎng)包括金融行業(yè)，這么多的用戶信息就掌握在這些欺詐團(tuán)伙手里。

黑色產(chǎn)業(yè)給金融行業(yè)帶來(lái)的威脅，主要是4個(gè)方面，可以粗淺的理解一下：

可能真正從事金融行業(yè)和風(fēng)控的童鞋并不多，先跟大家簡(jiǎn)單介紹一下背景。

1. 你究竟是人還是機(jī)器?

無(wú)論是撞庫(kù)、羊毛黨還是刷單，都會(huì)頻繁使用機(jī)器、工具批量注冊(cè)垃圾賬號(hào)、批量刷單。

12306的搶票背后，就可能是一個(gè)機(jī)器而不是一個(gè)真的用戶。

于是我們看到12306開發(fā)了很多變態(tài)的圖片驗(yàn)證碼和識(shí)別機(jī)制——你必須是一個(gè)真正的“人”，必須輸入這些驗(yàn)證碼才能允許登錄或進(jìn)行下一步的操作。

但是黑產(chǎn)的技術(shù)也非常領(lǐng)先，它們?cè)缇桶褕D像識(shí)別技術(shù)，或者像這種商業(yè)模式用在圖片識(shí)別、驗(yàn)證碼里，而簡(jiǎn)單的這些圖片驗(yàn)證碼已經(jīng)很容易就能攻破。

2. 你是否是你？

這個(gè)其實(shí)很簡(jiǎn)單，我的手機(jī)設(shè)備是否被盜，銀行卡是否被盜，是否是我在操作還是一個(gè)其他的不相干的人在操作？

3. 你是否有真實(shí)的意愿？

是想給一個(gè)朋友轉(zhuǎn)賬，還是被電信詐騙忽悠了？

現(xiàn)在的黑產(chǎn)非常專業(yè)，會(huì)結(jié)合一個(gè)場(chǎng)景進(jìn)行詐騙。

比如：你學(xué)校的一名教工或領(lǐng)導(dǎo)給你發(fā)短信，說(shuō)有一個(gè)新的選課或者新的通知讓你去看看。作為一名學(xué)生，很容易被這種騙術(shù)欺騙——這個(gè)鏈接點(diǎn)進(jìn)去就是一個(gè)木馬一個(gè)病毒，只要有操作，所有的個(gè)人信息都會(huì)泄露。

4. 你的信息是否真實(shí)有效？

申請(qǐng)一個(gè)網(wǎng)貸，用戶提供的各種身份信息是否有效。

目前來(lái)看，識(shí)別欺詐和威脅很重要的一個(gè)手段就是：通過(guò)大量的數(shù)據(jù)作出判斷。

這塊可以簡(jiǎn)單舉幾個(gè)例子：

1. 通過(guò)采集設(shè)備信息，建立模型去識(shí)別你的設(shè)備安全性；
2. 剛才提到的人機(jī)識(shí)別：通過(guò)你的操作（無(wú)論電腦、手機(jī)設(shè)備）、動(dòng)作習(xí)慣去識(shí)別是機(jī)器還是人；
3. 通過(guò)人臉識(shí)別、眼紋等技術(shù)來(lái)識(shí)別。

案例分析：京東金融實(shí)戰(zhàn)

為什么我們要投入這么多資源和精力，專門去做基于大數(shù)據(jù)和人工智能的技術(shù)來(lái)防范安全？

其實(shí)是和我們的業(yè)務(wù)分不開的。

互聯(lián)網(wǎng)企業(yè)，產(chǎn)品線和產(chǎn)品的更新迭代速度非?？?，幾周就有一個(gè)新的產(chǎn)品上線，所以整個(gè)業(yè)務(wù)對(duì)效率的要求是非常高的。目前京東金融有十個(gè)業(yè)務(wù)板塊，包括大家熟悉的白條、企業(yè)金融等；從交易體量來(lái)說(shuō)，我們現(xiàn)在支持峰值每分鐘千萬(wàn)筆交易，每筆交易都要去審查它是否有安全風(fēng)險(xiǎn)，這些肯定需要機(jī)器來(lái)做，在保證交易安全的同時(shí)提升用戶體驗(yàn)。

為什么傳統(tǒng)銀行在這方面投入會(huì)比較低？因?yàn)閭鹘y(tǒng)模式對(duì)用戶體驗(yàn)要求沒有那么高。大家用過(guò)原來(lái)的網(wǎng)銀都知道，需要用戶下載各種安全插件，和插U盾。

基于業(yè)務(wù)給我們帶來(lái)的風(fēng)險(xiǎn)和挑戰(zhàn)，我們依賴技術(shù)和數(shù)據(jù)來(lái)解決這些問題。

這個(gè)是我們?cè)陲L(fēng)控方面的技術(shù)架構(gòu)和一個(gè)流程的簡(jiǎn)單的介紹，這塊我重點(diǎn)跟大家討論三個(gè)問題：

1. 最底層的大數(shù)據(jù)的平臺(tái)。

這個(gè)平臺(tái)會(huì)接入我們業(yè)務(wù)線各個(gè)產(chǎn)品、各個(gè)渠道的所有數(shù)據(jù)，并且在其中做加工和整合。

做過(guò)算法或者建模的同學(xué)可能知道，在做算法和模型的時(shí)候，很大的工作量是集中在數(shù)據(jù)處理這方面的——數(shù)據(jù)的獲取、數(shù)據(jù)的清洗、特征加工、結(jié)構(gòu)化等等，這些總做會(huì)占到整個(gè)工作量的50%-60%這樣。真正用于機(jī)器學(xué)習(xí)或建模的工作量可能只是一小半。

業(yè)內(nèi)有一個(gè)經(jīng)常討論的問題——究竟數(shù)據(jù)更有價(jià)值，還是算法更有價(jià)值？如果沒有數(shù)據(jù)，那算法都建立不起來(lái)。

2. 實(shí)時(shí)決策引擎。

平臺(tái)上每分鐘幾百萬(wàn)、上千萬(wàn)筆的交易，都會(huì)通過(guò)這個(gè)引擎大腦來(lái)實(shí)時(shí)決策，判斷是有風(fēng)險(xiǎn)的交易還是正常用戶行為。

3. 風(fēng)險(xiǎn)運(yùn)營(yíng)。

這部分其實(shí)是一個(gè)人工處理和運(yùn)營(yíng)的平臺(tái)。

前一陣和一位銀行的朋友交流，說(shuō)他希望我們幫他們建立一整套基于大數(shù)據(jù)和人工智能的風(fēng)控體系。我說(shuō)沒問題，那我了解一下你們現(xiàn)在在這個(gè)方面的投入，未來(lái)這個(gè)團(tuán)隊(duì)規(guī)模大概會(huì)做成什么樣？

這位銀行的朋友就說(shuō)：我不打算投人，我沒有團(tuán)隊(duì)；你們不都是可以通過(guò)機(jī)器來(lái)做嗎？那我就把人都裁掉了，不需要人工。

我說(shuō)別逗了，這不可能。

無(wú)論什么樣的機(jī)器，都不能擺脫人。

為什么人工要介入運(yùn)營(yíng)的工作，其實(shí)有兩個(gè)作用：

1. 機(jī)器并不是萬(wàn)金油，不是萬(wàn)能藥；無(wú)論什么樣的算法，什么樣的工具，什么樣的人工智能，都只能解決一部分的問題；總會(huì)有一小部分問題是機(jī)器解決不了的，必須有人來(lái)處理——這個(gè)理念是普適于大部分領(lǐng)域的現(xiàn)狀的。
2. 需要由人工來(lái)建立整個(gè)數(shù)據(jù)和算法的閉環(huán)。算法模型、策略、規(guī)則、引擎實(shí)時(shí)運(yùn)轉(zhuǎn)，但必須有人監(jiān)控，看到機(jī)器處理的結(jié)果。找到好的案例還有bad case，然后把案例拿出來(lái)再做分析，不斷優(yōu)化調(diào)整模型和策略——這個(gè)是非常重要的。所以無(wú)論什么樣的機(jī)器算法，必須要深度地和業(yè)務(wù)和團(tuán)隊(duì)去結(jié)合。

機(jī)器學(xué)習(xí)的四個(gè)關(guān)鍵問題

從剛才的討論來(lái)看，我總結(jié)了幾個(gè)關(guān)鍵的環(huán)節(jié)，如上圖：

1. 業(yè)務(wù)場(chǎng)景：我們不能拿著錘子找釘子，不能是“我覺得這個(gè)算法或人工智能或者數(shù)據(jù)很有用”，必須要立足場(chǎng)景和用戶?，F(xiàn)在大家都想往風(fēng)口上站，不太會(huì)去認(rèn)真的考慮自己業(yè)務(wù)的情況和場(chǎng)景，而盲目的去搬一套先進(jìn)的技術(shù)或者算法過(guò)來(lái)，這是不對(duì)的。
2. 數(shù)據(jù)：數(shù)據(jù)重要還是算法重要？我的理解是：有業(yè)務(wù)場(chǎng)景的數(shù)據(jù)才是重要的、最有價(jià)值的。如果沒有業(yè)務(wù)或者業(yè)務(wù)本身不產(chǎn)生數(shù)據(jù)，我們從第三方或者某個(gè)途徑買來(lái)一批數(shù)據(jù)，這樣數(shù)據(jù)有價(jià)值嗎？如果說(shuō)用來(lái)做demo或者做可行性論證，是可以的；但是業(yè)務(wù)如果長(zhǎng)期運(yùn)轉(zhuǎn)下去，自己還不能產(chǎn)生數(shù)據(jù)，核心數(shù)據(jù)需要依賴外部，這就是很危險(xiǎn)的事。
3. 策略：是基于業(yè)務(wù)規(guī)則和專家經(jīng)驗(yàn)？還是基于深度學(xué)習(xí)模型？策略中如何去應(yīng)用圖像和語(yǔ)音識(shí)別等等這些先進(jìn)技術(shù)。
4. 運(yùn)營(yíng)：人的部分怎么去更好的和機(jī)器去結(jié)合？在哪個(gè)環(huán)節(jié)結(jié)合，如何分工，是人輔助機(jī)器還是機(jī)器輔助人，如何構(gòu)建一個(gè)閉環(huán)的系統(tǒng)。

這是現(xiàn)在做人工智能、機(jī)器學(xué)習(xí)普遍會(huì)探討的4個(gè)關(guān)鍵問題，這4個(gè)問題標(biāo)志著未來(lái)或者近期最高技術(shù)的研究方向。近期我們看到相關(guān)報(bào)道和研究文章也都會(huì)集中在這幾個(gè)問題去討論。

借此跟大家去討論一下技術(shù)的能力和邊界：

作為產(chǎn)品經(jīng)理，對(duì)技術(shù)的理解有一個(gè)很重要的點(diǎn)：要理解技術(shù)能做什么，不能做什么。

1. 小數(shù)據(jù)訓(xùn)練模型。

Alpha Go在訓(xùn)練的時(shí)候用到了百萬(wàn)量級(jí)的棋譜數(shù)據(jù)，我們?cè)谧龇雌墼p和風(fēng)控的模型中運(yùn)用到的數(shù)據(jù)最少也是幾十萬(wàn)量級(jí)，經(jīng)常會(huì)用到百萬(wàn)以上量級(jí)的數(shù)據(jù)；所以在做機(jī)器學(xué)習(xí)的時(shí)候，對(duì)數(shù)據(jù)量的要求是非常高的，尤其是你的業(yè)務(wù)需要快速迭代的時(shí)候。

舉個(gè)例子：

我有一些商品，需要通過(guò)圖像識(shí)別或者機(jī)器視覺的方法，識(shí)別這些不同的商品都是什么品類。

非常不幸的是：這些商品每周要更新一次，每周要換一些新的商品，甚至經(jīng)營(yíng)新的品類。

那問題其實(shí)很明顯了：每周更新一次商品，那每周我們都需要收集大量的圖片再去訓(xùn)練我的這個(gè)模型——這個(gè)成本非常大，也不現(xiàn)實(shí)。

目前隨著在相關(guān)領(lǐng)域，比如生成對(duì)抗網(wǎng)絡(luò)等新技術(shù)的應(yīng)用，小數(shù)據(jù)訓(xùn)練模型，這個(gè)問題在逐步解決。

2. 機(jī)器學(xué)習(xí)模型的可解釋性。

醫(yī)生可以通過(guò)一些指標(biāo)和特征給病人做診斷，但機(jī)器更多是通過(guò)大量數(shù)據(jù)樣本來(lái)訓(xùn)練；訓(xùn)練結(jié)果并不具有很強(qiáng)的邏輯性，更類似于“經(jīng)驗(yàn)”或直覺；在實(shí)際業(yè)務(wù)場(chǎng)景中，并不像專家系統(tǒng)那樣容易讓用戶理解。

3. 用業(yè)務(wù)規(guī)則還是機(jī)器學(xué)習(xí)模型。

業(yè)務(wù)規(guī)則很簡(jiǎn)單：消費(fèi)者在電商平臺(tái)購(gòu)買了一些奶粉，可以推測(cè)出消費(fèi)者家里可能有孩子，給他推薦嬰兒車這些產(chǎn)品可能會(huì)更合適——這就是簡(jiǎn)單的業(yè)務(wù)規(guī)則，這是可解釋的，而且很容易迭代，相應(yīng)的研發(fā)和優(yōu)化成本也非常的低。

其實(shí)在很多場(chǎng)景下，這種業(yè)務(wù)規(guī)則或者說(shuō)專家經(jīng)驗(yàn)?zāi)芙鉀Q很大的問題，并不一定非得用上這些高深的算法。

這回到了剛才那個(gè)問題——怎么把人的作用和機(jī)器的作用相結(jié)合。

4. 數(shù)據(jù)加工整合的成本。

數(shù)據(jù)收集和處理的成本還是非常大的，甚至大過(guò)訓(xùn)練模型本身。如何更好地建設(shè)數(shù)據(jù)平臺(tái)，更好、更豐富、更低成本地獲取數(shù)據(jù)？

大家可以結(jié)合這點(diǎn)想一想：為什么AI或者大數(shù)據(jù)技術(shù)在金融風(fēng)控領(lǐng)域用的最成熟？

第一，數(shù)據(jù)量方面。金融領(lǐng)域的交易數(shù)量和用戶數(shù)量巨大，很容易支持大規(guī)模的數(shù)據(jù)應(yīng)用。

第二，大部分情況下，我們的模型在金融和反欺詐領(lǐng)域是不需要很嚴(yán)格的解釋，避免了可解釋性差的問題。另外，從零搭建一個(gè)新的引擎、新的算法時(shí)，更多時(shí)候也會(huì)看重業(yè)務(wù)規(guī)則和人類的經(jīng)驗(yàn)專家體系，再結(jié)合機(jī)器學(xué)習(xí)等技術(shù)。

在這種場(chǎng)景下，產(chǎn)品經(jīng)理如何與數(shù)據(jù)科學(xué)家、數(shù)據(jù)團(tuán)隊(duì)配合？產(chǎn)品沒有從事過(guò)數(shù)據(jù)相關(guān)工作，不懂算法，不懂機(jī)器學(xué)習(xí)，那是不是說(shuō)產(chǎn)品經(jīng)理在這方面就沒有什么經(jīng)驗(yàn)或話語(yǔ)權(quán)，怎么去跟技術(shù)配合呢？

三、產(chǎn)品經(jīng)理的未來(lái)

新技術(shù)的變革，對(duì)我們行業(yè)的沖擊肯定是不可避免的，而且還會(huì)越來(lái)越快。

那么需要做的第一點(diǎn)就是：認(rèn)真理解新技術(shù)，并且去思考新技術(shù)與現(xiàn)有業(yè)務(wù)和場(chǎng)景如何更好地結(jié)合，新技術(shù)會(huì)對(duì)行業(yè)和產(chǎn)品帶來(lái)多大的變革？

可以從這4個(gè)方面去審視一下，自己的業(yè)務(wù)是否適合去結(jié)合這些新技術(shù)：

1. 數(shù)據(jù)

具備什么樣的數(shù)據(jù)，以及多大數(shù)據(jù)量。

2. 運(yùn)營(yíng)

整個(gè)業(yè)務(wù)中是否需要大量的信息收集和信息處理的工作？例如金融行業(yè)大量的信息處理工作，每分鐘可能是百萬(wàn)或千萬(wàn)量級(jí)的；還有客服這種需要處理很多語(yǔ)音、文字的信息；還有金融分析師的工作，需要處理大量金融數(shù)據(jù)和圖表；以及像法院法官的工作，法律文案和文本工作非常大，這些更適合人工智能或者機(jī)器來(lái)工作。

3. 策略

業(yè)務(wù)邏輯是否比較清晰，至少能夠和專家的工作經(jīng)驗(yàn)?zāi)軌虿鸾忾_。

為什么Alpha Go在圍棋這個(gè)領(lǐng)域很快能取得很好的成就？其實(shí)原因就是：這個(gè)領(lǐng)域的邊界相對(duì)比較清晰。算法只考慮棋盤上的事，棋盤之外的全部不用考慮，而且棋類有明確的規(guī)則。

那為什么自動(dòng)駕駛很難呢？因?yàn)樽詣?dòng)駕駛邊界太不清晰了：需要同時(shí)考慮到路況、車況、天氣情況、交通信號(hào)燈，還有可能警察站在路上給你伸個(gè)手，你就要停下；還要考慮車禍等事故怎么辦——這個(gè)場(chǎng)景太復(fù)雜，邊界不清晰，相對(duì)來(lái)說(shuō)非常難。

4. 平衡用戶的預(yù)期或者效果

我們需要考慮關(guān)鍵應(yīng)用和非關(guān)鍵應(yīng)用，也就是：算法從95%的準(zhǔn)確率提升到98%或者99%，到底能夠?qū)I(yè)務(wù)帶來(lái)多大的幫助？業(yè)務(wù)是否要求算法準(zhǔn)確度要到99.XXX%還是要必須到百分之百才能應(yīng)用？

比如說(shuō)自動(dòng)駕駛的準(zhǔn)確率是80%——這絕不夠，有20%的可能性是出車禍；而對(duì)于風(fēng)控、安防或者推薦引擎來(lái)說(shuō)，可能百分之九十幾，或八十幾的準(zhǔn)確率已經(jīng)足夠支撐業(yè)務(wù)了。

大家可以結(jié)合這幾個(gè)點(diǎn)，看看自己負(fù)責(zé)的業(yè)務(wù)中有哪些環(huán)節(jié)是可以利用這些新技術(shù)的；肯定不可能是所有的業(yè)務(wù)都由機(jī)器、算法、數(shù)據(jù)、技術(shù)來(lái)取代。

在產(chǎn)品和研發(fā)團(tuán)隊(duì)工作模式方面，之前的傳統(tǒng)線性模型：從產(chǎn)品經(jīng)理到UXD到FE到研發(fā)到后端到運(yùn)維到QA整個(gè)線性的流程其實(shí)已經(jīng)不太適用了。在新的場(chǎng)景之下，各個(gè)團(tuán)隊(duì)之間必須建立非常緊密的配合，在產(chǎn)品研發(fā)的每個(gè)環(huán)節(jié)，可能會(huì)有不同角色、不同崗位角色來(lái)承擔(dān)。

比如：前期可能是由UXD或者業(yè)務(wù)運(yùn)營(yíng)或者產(chǎn)品經(jīng)理來(lái)負(fù)責(zé)整個(gè)項(xiàng)目，在某個(gè)階段，過(guò)渡到策略或者BI團(tuán)隊(duì)；之后又回到機(jī)器學(xué)習(xí)或者數(shù)據(jù)科學(xué)團(tuán)隊(duì)——但是在所有的環(huán)節(jié)中，信息都要各個(gè)團(tuán)隊(duì)之間緊密共享，各個(gè)團(tuán)隊(duì)之間需要非常緊密的配合。

那么，在這種新的場(chǎng)景下，產(chǎn)品經(jīng)理如何更好地和團(tuán)隊(duì)配合？

這是我對(duì)于未來(lái)產(chǎn)品經(jīng)理的能力和思維方式的理解，最基礎(chǔ)的還是三種思維方式：

1. 業(yè)務(wù)的思維：做業(yè)務(wù)的專家要能夠非常深入的理解自己的業(yè)務(wù)，同時(shí)要保持學(xué)習(xí)的熱情。
2. 技術(shù)思維：產(chǎn)品經(jīng)理要懂技術(shù)。未來(lái)我覺得不懂技術(shù)，不懂業(yè)務(wù)，只會(huì)一些基本技能的產(chǎn)品經(jīng)理可能會(huì)被淘汰。
3. 商業(yè)思維：在新的場(chǎng)景下，我們會(huì)更關(guān)注商業(yè)模式。因?yàn)橄袢斯ぶ悄艽髷?shù)據(jù)這種新的技術(shù)到來(lái)之后，很多是沒辦法套用之前老的商業(yè)模式。我們會(huì)去更關(guān)注場(chǎng)景、數(shù)據(jù)、算法的價(jià)值，數(shù)據(jù)可能是某個(gè)團(tuán)隊(duì)或者某個(gè)合作伙伴來(lái)提供的，場(chǎng)景也要連接更多合作伙伴的場(chǎng)景——在這種情況下，如何平衡商業(yè)模式的價(jià)值？如何構(gòu)建整個(gè)產(chǎn)業(yè)鏈？在這種情況下是否會(huì)出現(xiàn)商業(yè)倫理和法律合規(guī)的問題？我是否能使用這些數(shù)據(jù)，是否會(huì)侵犯到用戶的隱私？如何保證算法的公正公平性？如何和用戶共同進(jìn)步，而不是說(shuō)用機(jī)器來(lái)取代他們的工作？

這些都是我們要去思考的。

新技術(shù)應(yīng)用確實(shí)會(huì)大幅拓展產(chǎn)品經(jīng)理思考的深度，而最終我們還是要有一個(gè)過(guò)渡和成長(zhǎng)。

按我的理解，產(chǎn)品經(jīng)理主要分成三個(gè)層次：

1. 最基礎(chǔ)的是對(duì)功能負(fù)責(zé)，就所謂做feature：根據(jù)業(yè)務(wù)方的需求主導(dǎo)項(xiàng)目，做出某個(gè)產(chǎn)品的功能，達(dá)到滿足需求上線。
2. 第二個(gè)層次就是對(duì)產(chǎn)品負(fù)責(zé)。需要負(fù)責(zé)整個(gè)產(chǎn)品生命周期，從需求收集、需求調(diào)研、理解用戶、洞察用戶，到產(chǎn)品實(shí)現(xiàn)，驗(yàn)證發(fā)現(xiàn)新的問題去反饋，最終打造出一款非常好的產(chǎn)品。
3. 第三個(gè)層次就是對(duì)目標(biāo)負(fù)責(zé)。目標(biāo)導(dǎo)向，更好地去利用資源服務(wù)目標(biāo)（資源并不一定是產(chǎn)品或者研發(fā)，也可能包括新的技術(shù)，新的資源新的商業(yè)模式，最終是服務(wù)于業(yè)務(wù)目標(biāo)的）。

今天主要和大家分享這些內(nèi)容，最后用兩句話結(jié)尾：

1. 我今天講的都是錯(cuò)的。為什么這么說(shuō)呢？因?yàn)檫@些都只是我個(gè)人的理解，而在瞬息萬(wàn)變的行業(yè)，我的理解可能只是其中某一方面。
2. 我講這些都沒用。為什么呢？還是那句話：這只是我個(gè)人的理解和實(shí)踐經(jīng)驗(yàn)，如果大家覺得可能對(duì)自己的未來(lái)的工作和思考有幫助，希望大家能夠結(jié)合這些經(jīng)驗(yàn)和PPT里提的問題去反思和聯(lián)想，變成自己的反思結(jié)果，才會(huì)有幫助。

以上為本次大會(huì)分享內(nèi)容。

嘉賓PPT：關(guān)注 人人都是產(chǎn)品經(jīng)理微信（ID：woshipm）公眾號(hào)，在后臺(tái)回復(fù)關(guān)鍵詞“大會(huì)”即可獲取下載地址。

相關(guān)閱讀：

2017中國(guó)產(chǎn)品經(jīng)理、互聯(lián)網(wǎng)運(yùn)營(yíng)大會(huì)官方回顧：未來(lái)，屬于你

本文為2017中國(guó)產(chǎn)品經(jīng)理大會(huì)北京站嘉賓分享整理總結(jié)，未經(jīng)許可，禁止轉(zhuǎn)載。謝謝合作。