top of page

數據產品經理人才難尋

Updated: Apr 28

創科公司最難找到什麼人才?大家很容易會想起數據科學家、AI專家等。但我個人認為,企業在digital transformation過程中更需要的,是既懂業務又懂技術的人才。我接觸過的眾多CEO,無不感嘆優秀的產品經理奇貨可居,尤其是炙手可熱的數據產品經理。為了讓大家更深入理解這個職業,我把最近在美國《福布斯》刊出的幾條產品經理面試常見Q&A,再加入我的經驗為數據部分補充,供大家作參考:

  1. 你如何看市場有多大?優秀的產品經理更着眼於需求細分,從實際出發把握市場脈搏。例如,所有人都知道「企業雲」是個大市場,但能指出中小型與大型企業差異策略的產品經理會做得更好。大數據更可作為產品經理驗證市場情況的眼睛,是核心的量化手段。

  2. 你如何看市場有多大?優秀的產品經理更着眼於需求細分,從實際出發把握市場脈搏。例如,所有人都知道「企業雲」是個大市場,但能指出中小型與大型企業差異策略的產品經理會做得更好。大數據更可作為產品經理驗證市場情況的眼睛,是核心的量化手段。

  3. 你如何看市場有多大?優秀的產品經理更着眼於需求細分,從實際出發把握市場脈搏。例如,所有人都知道「企業雲」是個大市場,但能指出中小型與大型企業差異策略的產品經理會做得更好。大數據更可作為產品經理驗證市場情況的眼睛,是核心的量化手段。

  4. 你如何看市場有多大?優秀的產品經理更着眼於需求細分,從實際出發把握市場脈搏。例如,所有人都知道「企業雲」是個大市場,但能指出中小型與大型企業差異策略的產品經理會做得更好。大數據更可作為產品經理驗證市場情況的眼睛,是核心的量化手段。

  5. 你如何看市場有多大?優秀的產品經理更着眼於需求細分,從實際出發把握市場脈搏。例如,所有人都知道「企業雲」是個大市場,但能指出中小型與大型企業差異策略的產品經理會做得更好。大數據更可作為產品經理驗證市場情況的眼睛,是核心的量化手段。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page