Машинное обучение для менеджеров по продукту - что это на самом деле означает?
Гахх… Машинное обучение, большие данные, искусственный интеллект, все эти модные словечки !!. Что это значит для меня как для менеджера по продукту?
OMG, ваша команда работает над машинным обучением. Это так круто, вы не думали использовать это для такого-то….
Специалисты по обработке данных не хотят работать над продуктом, потому что это не увлекательная задача машинного обучения? :(
Вы тоже сталкиваетесь со всеми этими вопросами? Вот что я узнал за последние 2 месяца
Урок 1 - ML не меняет вашу роль PM. Машинное обучение - это инструмент, примените его к реальной проблеме
Машинное обучение не меняет вашу роль как менеджера по продукту, и наша роль по-прежнему состоит в том, чтобы общаться с клиентами и сообщать об их проблемах технической группе и бизнесу. Помните, что в конечном итоге успех продукта будет определяться впечатлениями.
Мне нравится думать о машинном обучении как об инструменте для решения проблемы, и его можно применять по-разному. Один вопрос, который я хотел бы задать себе, прежде чем предлагать ML:
«Хочу ли я выполнять эту задачу снова и снова, это абсолютно не требует размышлений?»
Если ответ отрицательный, то это отличное место, чтобы начать думать о машинном обучении. Однако многие из этих проблем можно решить с помощью простой программы, основанной на правилах. Я бы посоветовал сотрудничать с вашими специалистами по обработке данных и инженерами, поскольку в команде вы сможете выработать наиболее реальный вариант. Не создавайте машинное обучение только ради него, так как это серьезное обязательство и вложение со стороны бизнеса. Помните, что вы все равно можете создать отличное впечатление от продукта и без него.
Урок 2. Решающее значение имеет управление бизнес-ожиданиями
Я не могу подчеркнуть, насколько важно управлять ожиданиями бизнеса, когда дело касается машинного обучения. Поскольку в отрасли так много шумихи, заинтересованным сторонам бизнеса легко прийти к выводу, что машинное обучение может решить все их проблемы, и они получат окупаемость своих инвестиций.
Это не обязательно так. Да, многообещающую модель / решение можно создать довольно быстро, однако, будучи командой, вы не можете быть уверены, насколько она будет хороша, пока не привлечете клиентов, которые ею воспользуются. Наряду с этим инженерам требуется время, чтобы построить масштабируемую инфраструктуру, специалистам по данным, время для точной настройки модели и время PM, чтобы получить нужный опыт.
Сообщите бизнесу, что это крупное вложение, и оно может потерпеть неудачу. Машинное обучение - это не волшебство, а функция удовольствия клиентов. Если вы потратите время, чтобы сделать это правильно, это может изменить правила игры!
Урок 3. Успех достигается за счет быстрых повторений. Обратная связь важна как для вашей команды, так и для клиентов
Машинное обучение - такое интересное пространство для работы. Вы часто сталкиваетесь с дилеммой: это отличный опыт, но часто сталкиваетесь с вопросом о том,
«Возможно ли это даже с ML, если нет, сколько времени займет исследование».
«Это возможно с помощью машинного обучения, но команда говорит, что это не увлекательная задача для специалистов по обработке данных, над которой им стоит работать?»
Это когда вам нужно привлечь инженеров и специалистов по обработке данных для прослушивания сеансов создания эскизов клиентов. Позвольте им выслушать проблемы клиентов, чтобы они разовьются в сочувствии и будут более вовлечены в работу с вами над осуществимостью и продуктом.
Машинное обучение настолько личное, что полагается как на получение опыта, так и на правильное представление информации. Чтобы избежать «целевого» инцидента, я рекомендую еженедельно проводить тестирование с клиентами, проводить эксперименты, проверять гипотезы, чтобы вы могли быстро узнать. Помните, что чем быстрее вы научитесь, тем меньше рискуете при запуске для более широкой клиентской базы.
Также не забывайте, что создание кода стоит дорого, начните с фиктивного потока, как только вы освоитесь, определите базовый MVP со своей командой и запускайте бета-программы, пока вы не освоитесь с продуктом.
Это мои мысли о создании продуктов машинного обучения после 2 месяцев работы. Я хотел бы услышать ваши знания и опыт :)
А пока мир!
Noob PM
