產品經理有很多種，譬如有重業務的B端產品經理，有重增長吸引用戶的C端產品經理，還有SaaS，AaaS，IaaS產品經理等等種類，當我們還沒有討論完產品經理都是怎么進化來的時候，發現市場對產品經理的崗位能力開始有較高的要求了。

其中有兩類產品經理對軟硬件技能為更高且更為市場所需求，一類是AI產品經理，一類是大數據產品經理。

那么我們怎么認知這兩類產品經理的關系呢？能不能做到大數據與AI復合上身的產品經理呢？做到后即將成為什么樣基因的產品經理呢？

本篇將進行講解。

頭名招：開門點題

AI產品經理與大數據產品經理的關系是一體兩翼的關系，如下圖：

數據日常的大路路徑是匯聚、存儲、處理。

分叉后一條路線是形成數據集AorB，輸送給特定的模型，進行訓練。

例如輸送給RFM模型，AI產品經理確認數據的業務意義，比方說張三是高價值客戶，李四是高潛力客戶，那么那些數據代表張三是高價值客戶，RFM模型中的近購買時間R，購買頻次F，消費金額M，究竟怎么來驗證張三是高價值客戶，這個時候AI產品經理會就業務本身自然呈現的內容輸送到模型，幫助優化訓練模型。

在做的過程中，會驗證發現RFM模型有缺陷，不能很好地對航司客戶進行智能化識別，那么RFM模型就逐步地迭代為LRFM模型，再然后就部署的具體的系統模塊供各個業務項目場景應用。

分叉后另外一條路線是供數據分析，比如某外賣平臺希望通過消費者LineLian的用戶歷史和時間序列數據達到提高LineLian的消費品類的目標，那么需要對LineLian的消費存量數據進行分析，這里需要分析LineLian以往消費數據，例如LineLian以往消費都是晚餐（IT男加班多），消費晚餐的POI點，消費晚餐的品類等等，然后設計算法分析出千千萬萬個LineLian用戶，哪些可以從常定晚餐到推薦午餐也定午餐的目標。

從上圖分析可見AI產品經理與大數據產品經理有著天然的蜜著點且關系緊密，均是建立在數據的一體上發展出來的兩翼。

第二招：AI產品與大數據產品的各自內容

雖說AI與大數據的關系藕斷絲連，但是AI有AI的獨'立空間，大數據也有大數據的橋頭切面。

兩者各自的內容如下圖：

大數據產品經理圍繞著數據平臺做產品（大數據平臺包含數據中臺），數據平臺從下層往上層大數據，產品經理依次會陪著大數據架構師先治理數據如何存，再治理大數據的增長，再治理異構數據，再次才是數據的有關功能的開發應用。例如：數據分析，數據可視化，數據資產管理，數據質量管理等等。

而AI產品經理主要圍繞著AI需要的算法、AI需要的算力、AI應用于哪些場景為核心而工作，AI平臺如上圖。

一名AI產品經理先從下面云、芯片等算力開始著手，一直到中間層的機器視覺、機器聽覺、NLP等算法，后到AI應用的場景譬如智能駕駛、智能家居等等場景。

第三招：AI產品經理+大數據產品經理=數智化產品經理

雖說大數據產品經理與AI產品經理現階段有著各自的內容，但是中期大數據產品經理與AI產品一定有協同混合的市場需求，即市場老板不會將AI拆分成AI，也不會簡單的將大數據單獨的作為大數據，長期看是數智化產品為主導趨勢！

特別說明，數智化的智是智能的智。

早期，宜即時下市場上典型的案例是，許多企業需求是要構建自己的數據中臺，一個數據中臺里是很難看到AI的核心使命的。但是中期看AI與大數據會有融合，即當數據治理以后，下一層自然推送到機器學習平臺，當然早期和中期之間是有銜接的過渡地帶的。但是長期來看，數智一體化產品才是產品經理進化的深度趨勢，如下圖：

數智化產品經理基礎是數據工作‘其次是具有通用級別的大數據治理能力，例如有適應性頗高的算法+算力能力來計算大數據，然后是客客制化的AI模型算法能力，后是場景挖掘應用思維，具備這種數智化系統的產品是未來市場的產品經理！

除了明白上面3招外AI產品與大數據產品的關系和內涵知識外，還有如下3招幫助我們上手大數據與AI產品經理。

AI產品與大數據產品需懂的技術層面

想成為AI產品經理和大數據產品經理注定需要先吃一番風霜苦。

首先，自己有無抓住AI和大數據的紅利期，實現從傳統產品經理轉型到AI大數據產品經理的思維方式；其次有無做好接受數據匯聚、數據存儲、數據分析、算法針對行業業務的類型、模型在不同的數據集訓練測試持續優化的準備，需要準備哪些呢？譬如：打破小產品的認知，走向大產品。

學著做一個AI大數據產品的融資方案，市場規模調研，可行性分析報告，還有核心的以用戶需求和客戶要求做的具體的AI大數據產品的產品界面、功能、后臺數據治理的文檔。

過程中需要懂的技術至少有：

• 硬件基礎層的CPU/GPU/FPGA/ASIC等；
• 引擎框架層的高性能計算引擎如分布式計算框架/交互式分析框架/深度學習框架等，Hadoop生態圈組件的HDFS/Hbase/Kafka等，數據庫的時序數據庫/高性能的OLAP數據庫等，還有容器云管理等；
• 平臺級產品層，大數據管理數據集成的流程/元數據管理/數據質量管理/數據資產管理/數據安全管理等，大數據AI機器學習的模型部署管理/邊緣AI/可視化開發/IDE集成開發等，當然還有集群管理，用戶管理，權限管理，監控管理等。

以上技術懂的尺度和邊界是你所在的團隊技術不懂的你得懂，技術懂的你得能跟他交流。

后，大數據AI產品經理或者說數智產品經理，如何尋找新的場景需求，并具有發展性產品思維留做下篇講解，謝謝觀看。

愛盈利-運營小咖秀(www.aiyingli.com) 始終堅持研究分享移動互聯網App運營推廣經驗、策略、全案、渠道等純干貨知識內容；是廣大App運營從業者的知識啟蒙、成長指導、進階學習的集聚平臺；

想了解更多移動互聯網干貨知識，請關注微信公眾號運營小咖秀（ID: yunyingshow）

【轉載說明】???若上述素材出現侵權，請及時聯系我們付費及進行處理：shanliqiang@aiyingli.com