为什么说产品经理也要学点技术?
事情是这样的...
研发进度沟通会,又陷入了死一般的寂静。
我们的研发团队已经在一个第三方集成的项目上奋斗三个星期了。然而,三 周后提测的这一天,我们才意识到:
方案设计行不通……
要死。
后端要进行重大修改,项目将延期至少两周……
此刻,我默默地责备工程师们不够勤奋慎重。但其实,他们肯定也在责怪我没有给他们足够的时间去研究。
最终我们接受了现实:团队决定再重新做方案调研。 我们最终交付了这个项目,代价是大大落后于原来的时间表。
在我们进行迭代回顾的时候,有一件事变得很清楚: 我作为产品经理做了一些预设;这些预设被放进了方案里;技术团队相信这些预设是真的,并且开始工作。
问题:我没有花时间去了解这个项目的复杂性。如果我在早期就让技术团队参与进来,我们不会落得如此下场。
我得到的教训也很直接:作为一个产品经理,理解技术对于项目成功来说至关重要。
接下来,我将讨论新手PM可能会遇到一些问题,并给出我的回答。
为什么PM应该了解技术
了解技术可以在以下方面帮助每一个产品经理:
有助于在你的团队中建立信任:开发者喜欢那些试图理解他们的难点并愿意协作配合解决这些问题的PM。
提高想法的质量:在了解技术之后。你能知道什么是可能的,什么是不可能的,所以你的想法是以现实为基础和可实施的。
在确定项目的范围方面变得更准确细致:如果你了解什么会增加技术的复杂性,你就可以更好地进行权衡。作出权衡是按时交货的一个非常重要的技能。
提高效率:你的产品需求和规范文件将会更加全面。因为与技术负责人/EM的合作良好,大部分重要的技术考虑都被提前搞定了。
识别项目相关的复杂性:你能更好地理解和项目相关的复杂性。这有助于你了解可能会遇到的风险并设法把风险降低。非常复杂的项目通常需要在全面开始之前先进行POC测试。
产品经理需要了解多少技术?
只有对技术的理解达到一个较高层次, 你才能够回答以下问题:
构成你产品的不同技术栈是什么?
这些系统中的运行逻辑是什么?
与各系统相关的主要风险有哪些,怎么规避?
哪个系统是由哪个团队管理的?
这些系统之间是如何关联的? (例如: APIs)
产品经理如何了解一项技术?
话不多说,看图。
在会议结束时,你应该已经有了一张简易的流程图或架构图…
你可能不会理解所有的细节。那也没关系。专注于理解所使用的术语以及它们所起的作用是什么更为重要。
重复以上循环,日积月累,你对技术的理解力自然会提升。
进阶技巧:加深对技术的理解
其实仅仅和工程师坐一坐聊一聊并不能让你了解完整的情况,了解技术是很难的,需要产品经理们的不懈努力壮志雄心。
以下tips非常有用,请有志精益求精者认真食用~
把每个新项目作为学习机会
一旦你决定优先考虑某项功能,就请技术团队参与进来。 从他们那里了解:
- 哪些层面会受到影响?前端,后端,基础设施等……
- 每一层会涉及多少量级的开发工作? 理解构建该功能所涉及的技术难点。
这将使你对技术架构、所涉及的系统、复杂性的来源,都有清晰的认识。一个项目涉及的层数越多,复杂度就越大。
从技术故障中学习
生产环境中的问题和技术难点,是另一个了解技术架构的绝佳机会。
如果这个问题影响了你关注的领域,请与工程师坐下来了解具体情况:
1)哪个系统受到影响?2)原因是什么?3)我们能做什么来防止问题复现?
重复这个循环,将帮助你建立围绕系统本身及其薄弱的环节的分析框架。
或许一段时间后,你会发现:
提升系统鲁棒性是优先级更高的事。
我还应该牢记什么?
当你开始这段学习的过程时,还必须牢记以下几点。
不要害怕问问题:不管这些问题有多蠢,总是要去问。你问得越多,你得到的信息就越清晰;
可视化有助于你更快地理解事情:在与工程师交谈时,如果事情超出你的想象,请他们在纸上画出来解释。
工程师们喜欢那些试图理解他们的语言和难点的PM:不要对他们的关切置之不理。与他们一起工作,认识到他们预见的难点和如何解决这些问题的方法。
不要用你新发现的知识告诉开发人员 "如何实施":这样会被暴打,而且你会显得很傲慢且瞎指挥。
深度学习技术方案有无数的好处,因此产品经理最好不要犹豫,在项目初始就开始了解它。这件事起步可能很容易,但最重要的是如何坚持这样做。
当然也不必过于紧张,这将是一个非常有价值的学习过程。
关注我们的OS账号[ @LigaAI](https://my.oschina.net/u/5057806 " @LigaAI") ,持续接收更多干货分享~ 进一步了解我们的产品,请访问 LigaAI - 新一代智能研发管理平台

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
支持边云协同终身学习特性,KubeEdge 子项目 Sedna 0.3.0 版本发布!
Sedna基于KubeEdge提供的边云协同能力,实现AI的跨边云协同训练和协同推理能力。支持现有AI类应用无缝下沉到边缘,快速实现跨边云的增量学习,联邦学习,协同推理等能力,最终达到降低边缘AI服务构建与部署成本、提升模型性能、保护数据隐私等效果。 当前机器学习落地挑战 近二十年来,机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。 在实际业务落地过程中,大部分大型云平台提供商均已提供机器学习算力等资源服务,同时支持多种机器学习框架等以提供开放灵活的部署环境。但是,机器学习模型所需的数据往往并非从云平台中产生,而是从传感器、手机、网关等边缘设备中产生。数据从边侧产生,而云端需从边侧采集数据以训练和不断完善机器学习模型。在实际落地时,当前机器学习需面对以下问题: 1)海量设备数据导致延迟和成本问题 假设即使有100 Mbps的专网连接,将10TB的数据运送到云端也需要10天。 面对大量边缘连接设备每天生成数百兆字节甚至TB数据,带来的延迟和成本对客户和服务提供方...
- 下一篇
探寻用户自定义定时任务的实践方案
导读 工作中会遇到一些由用户自定义定时任务的业务场景,常用的开源框架(如 XXL-Job、Quartz)设计的初衷是给开发人员使用,并不适合开放给用户创建大量的自定义任务。本文借鉴开源框架定时任务作业的思想,结合 j.u.c 的 ScheduledExecutor,提供一种定时任务的实现方法,以解决用户自定义定时任务场景的问题。希望对大家有所帮助。 作者:杨凯 | 网易智企资深开发工程师 用户自定义定时任务 谈到定时任务的实现,我们优先想到的是引入优秀的开源框架方案去解决,常见的开源产品上文也提到过,如Quartz、XXL-Job、ElasticJob 等,但是开源框架应用到用户自定义任务上,存在以下需要问题或不足: 开源框架从任务创建到执行有一套标准方案,用户自定义任务在何时,何地插入符合开源框架标准任务并能控制生效、停止是一个需要考虑的复杂问题。 开源框架(如 XXL-Job)对任务的管理和业务容器是解耦的,如果用户要完成任务的创建、修改需要业务服务反向调用操作任务中心,这不符合任务中心设计原则。 开源框架设计的初衷是给程序开发者创建和控制任务。一般情况下,任务执行的策略、目的都比...
相关文章
文章评论
共有0条评论来说两句吧...