偶然想到的，又不成體系轴踱，就先放這吧症脂。

簡單提出一個模型：決定你在公司薪酬待遇的要素有兩個，一個是對公司的超額貢獻淫僻，一個是自身價值诱篷。
超額貢獻比如初創(chuàng)員工給期權、長期加班被賞識等雳灵。
自身價值又分為兩部分棕所，一個是自己能力的稀缺度，一個是自己能力能創(chuàng)造的價值悯辙。
舉兩個反例：
第一個橙凳，CS專業(yè)無腦讀研的人，稀缺度有了笑撞，價值呢岛啸，研究的東西沒商業(yè)價值，誰發(fā)錢給你茴肥？
第二個坚踩，培訓移動開發(fā)的，沒稀缺度瓤狐，移動互聯(lián)網周期在瞬铸，價值在，拿高薪沒問題础锐，現(xiàn)在船要翻了嗓节，沒稀缺度，不創(chuàng)造價值皆警，哪來的工作給你拦宣？

--

偶有所感，這里給一個定義，什么叫做『清潔工式的工作』（No Offence）：
工作成果的好與壞鸵隧，確實會對大局產生影響绸罗，但卻遠不是決定性因素。這樣的工作就叫做清潔工式的工作豆瘫。
就像公司里的清潔工一樣珊蟀，做的好做得差，確實會對公司產生影響外驱，沒了清潔工不可以育灸，但一家公司能否上市（姑且用上市作為標準），與保潔工作的好與壞關系甚微昵宇。
做『清潔工式的工作』的人磅崭，怎么談發(fā)展呢。
比如糾結于文案趟薄、按鈕的產品經理，比如干雜活的開發(fā)典徊。
產品的核心競爭力有四種：產品杭煎、技術、運營卒落、資源羡铲。
比如身處核心競爭力與自身崗位不契合的產品線的人

--

不要用上課\上班限制自己的學習形式，不要讓專業(yè)\職業(yè)限制自己的學習范圍儡毕。該學什么就學什么也切，該怎么學就怎么學。 ????

--

前臺產品的核心價值點在于快樂腰湾，提供簡單且舒適的服務雷恃；而后臺產品的核心價值點在于效率，提供強大且易用的工具费坊。 ????

--

對于產品經理而言倒槐，需求挖掘與分析的重要性在過去的幾年被過度放大了。
可類比于iOS程序員寫界面的能力附井，初期能做出樣式來就是好程序員讨越，但隨著時間推移，寫界面的能力逐漸成為基礎永毅，核心競爭力變?yōu)橐恍└唛T檻的東西把跨，產品經理同理。
產品經理分工的細化是必然沼死，需求挖掘與分析能力逐步淪為基礎着逐，對特定行業(yè)/領域了解的深度才是你的價值所在。
除此之外，在未來滨嘱，決定產品經理命運的峰鄙，一是業(yè)務精度，二是眼光和運氣太雨。你所做的東西是不是未來吟榴，這很重要。
人的一生當然要靠個人的奮斗囊扳，但也要考慮歷史的潮流吩翻。

--

人生規(guī)劃不是Timetable，而是Destination和Workaround锥咸；不是日程表狭瞎，而是價值觀和方法論。
因為環(huán)境是變化的搏予，你不知道未來會發(fā)生什么熊锭，所以具體計劃總是會變的。
但你的價值觀和方法論不會輕易的變化雪侥。
你要知道你要的是什么碗殷，還有處理環(huán)境變化的方式。
你要知道你要往什么方向走速缨，并敢于跳出自己的舒適區(qū)锌妻。

--

再提一個模型吧，用于描述當下Web旬牲、iOS仿粹、安卓技術與需求的現(xiàn)狀。

先給兩個不嚴謹?shù)亩x原茅。
大前端需求：是指PC/Mobile Web吭历、iOS、安卓的用戶需求之和擂橘。
大前端技術：是指Web開發(fā)技術毒涧、iOS Native、安卓 Native的開發(fā)技術之和贝室。

大前端技術是為了滿足大前端需求而存在的契讲。
在過去，Web開發(fā)技術滿足PC/Mobile Web用戶需求滑频；iOS Native開發(fā)技術滿足iOS用戶需求捡偏；安卓 Native開發(fā)技術滿足安卓用戶需求。

近來有兩個趨勢峡迷，是造成iOS银伟、安卓原生開發(fā)陷入窘境的根本原因你虹。
第一個是，ReactNative等技術的出現(xiàn)使得Web開發(fā)技術開始可以滿足iOS彤避、安卓用戶需求傅物，擠壓了iOS Native與安卓 Native開發(fā)技術的生存空間，這是技術人員都能感知到的琉预。
第二個是董饰，由于移動互聯(lián)網時代進入末期，iOS圆米、安卓用戶需求實際上大大萎縮了卒暂，這就進一步加劇了iOS Native與安卓 Native開發(fā)技術應用場景的減小。

而且不止如此娄帖，iOS也祠、安卓用戶需求萎縮也導致了整個大前端需求同步萎縮了，Web開發(fā)技術現(xiàn)在看起來攻城略地近速，對iOS诈嘿、安卓開發(fā)技術敲骨吸髓，其實是削葱，本是同根生相煎何太急奖亚。大前端需求萎縮了，新產品的技術需求開始往后端轉移佩耳，比如機器學習遂蛀。

不過谭跨，當新應用場景出現(xiàn)干厚，比如VR/AR，大前端需求又會進一步擴張螃宙。

--

實現(xiàn)個性化推薦最理想的情況蛮瞄，是用戶告訴我們他喜歡什么，但這種方法有三個缺點谆扎，第一個是挂捅，現(xiàn)在的自然語言處理技術還很難理解用戶用來描述興趣的自然語言；第二個是堂湖，用戶的興趣是不斷變化的闲先；第三個是，用戶也不知道自己喜歡什么无蜂，或者說伺糠，用戶也很難用語言描述自己喜歡什么。

這里考慮代入HMM的思想斥季，用戶的需求會不斷變化训桶，就是狀態(tài)序列累驮。而且這個狀態(tài)序列是隱藏的，也就是我們無法直接獲知用戶的興趣舵揭，不管是因為用戶自己沒意識到還是無法表達谤专。我們需要通過觀察序列，也就是用戶的行為數(shù)據(jù)去做推測午绳，去根據(jù)EM算法估計這個HMM的參數(shù)置侍，然后再用其來得到用戶的需求序列，也就是隱狀態(tài)序列箱叁。

--

在自己本身沒有知識體系的前提下墅垮，讀一些快餐式的技術文章，對自己的提升是相當有限的耕漱。

--

利用機器來節(jié)省人類的時間/精力算色，把更多人從基礎的生理/安全需求中解救出來；讓人們有機會專注于更有價值的事情螟够，去追尋更高層次的需求灾梦。

--

人不存在什么自由意志，人擁有的只是一條意識流妓笙，以及在意識流中起伏來去的欲望若河。我們無法選擇自己有無欲望。事實上寞宫，連所謂的『我們』和『自己』都不存在萧福，欲望是人體中不同且經常沖突的內部實體不斷拉扯的結果，而內部實體的決策又完全取決于生物預設（只要遇到外部刺激便如此反應）和隨機辈赋■耆蹋或者講，生物（包括智人）都是各種有機算法的集合钥屈，是數(shù)百萬年進化自然選擇的結果悟民。

--

我覺得產品經理進階（非入門）更好的方式是深入了解自己手上的業(yè)務、自己業(yè)務所處的行業(yè)篷就，向內向里去尋找答案射亏；而不是向外去參加什么進階課程，聽人講一些所謂的經驗竭业，得到一些『自己提高了』的幻覺智润。

各行業(yè)產品經理通用的所謂『需求分析』等，已經逐步淪為基礎技能未辆；對某些特定業(yè)務窟绷、行業(yè)的深入了解，才是未來產品經理的核心競爭力所在鼎姐。

--

我個人還是相當支持扎克伯格的全民基本收入的觀點的钾麸。更明確一點更振，是全民，不論收入高低饭尝。

一個是因為機器人替代人工之后勢必會造成工作崗位的減少肯腕，相當一部分人無法再得到與現(xiàn)在相當?shù)氖杖耄杖氲臏p少會抑制人們的消費欲望钥平，而消費欲望的減少又會對企業(yè)的生產造成負面影響实撒，提供全民基本收入可以在一定程度上保證人們的消費需求不會成為阻礙企業(yè)進一步提高生產率的因素，而物質的進一步富足又會對全民基本收入的提高起到積極的促進作用涉瘾。

另一點是知态，提供了全民基本收入之后，人們便有了去從事自己最感興趣立叛，最能創(chuàng)造出價值的工作的可能性负敏，而過去這些工作由于其不能立即帶來收入而不得不被放棄。相應的秘蛇，一個國家中能夠從事有價值工作的人口比例其做，也會成為衡量一個國家發(fā)展的重要指標。

扎克伯格剛講出這個觀點的時候其實有很多人噴赁还，但是其實有很簡單的兩點需要考慮：1.吃瓜群眾們一看到這個觀點就馬上噴得出來的槽點妖泄，扎克伯格會沒有想過？2.在未來艘策，體面的中產工作將會消失蹈胡，社會的兩級分化會越來越嚴重，扎克伯格這樣的人對于國家政策的影響力朋蔫，和吃瓜群眾們的想法相比罚渐，誰更重要？

--

最近做了不少和自然語言解析系統(tǒng)強相關的產品需求斑举，逐漸意識到了兩個思維模式的重要性：

一個是架構上合理搅轿，另一個是邏輯上完備病涨。

架構上合理富玷，其中一個重要表現(xiàn)就是可拓展性強和兼容性好。想要設計出一個架構上合理的系統(tǒng)既穆，必要條件之一就是明確各個模塊的意義赎懦，知道他們的定位，誰該做什么幻工，誰不該做什么励两，而不僅把自己的思考局限在誰可做什么，不可做什么囊颅。因為系統(tǒng)迭代初期当悔，架構比較簡單傅瞻，同樣的事情，可能你做也可以盲憎，我做也可以嗅骄，這時候如果為了省事不想清楚，這里節(jié)省的精力到時候需要加倍補回來饼疙。

邏輯上完備溺森，是一種有效的思考方式，可以幫你避免遺漏情況窑眯。比如屏积，你知道這個問題需要從三個維度來分析，每個維度的變量數(shù)分別為2 3 3磅甩，那根據(jù)排列組合炊林，總情況數(shù)就應該是18種，如果你只列出了15種情況卷要，那你就要想一想铛铁，到底漏掉什么了，那種情況到底能不能兼容却妨？這么多種情況饵逐，直接想，可能很難想全彪标，但從邏輯上完備的角度來思考倍权，就能幫你在一定程度上避免遺漏。

--

作為國內較早一批在人機對話項目組從事解析產品經理工作的PM捞烟，我嘗試在這里給出描述產品經理對自然語言解析技術了解程度的三個層次：

第一層：知道什么能做薄声，什么不能做。也即知道所謂的『技術邊界』题画。不論是自己提需求默辨，還是承接別人的需求，你都能肯定的做出『目前解析支持』或『目前還不支持』的判斷苍息。

第二層：知道什么好做缩幸，什么不好做。也即竞思，當產品需求超出了目前解析系統(tǒng)的邊界時表谊，你有能力給出一個權衡了產品需求與解析改動量的初步技術方案。能做到這一層的人盖喷，可以說是一個稱職的解析產品經理了爆办，至少有能力跟技術人員進行高效的溝通。

第三層：知道什么該做课梳，什么不該做距辆。也即余佃，你知道解析系統(tǒng)中的每個模塊的定位和意義，并有能力以業(yè)務需求為導向協(xié)助技術人員跨算、甚至引導技術人員完成對解析系統(tǒng)架構的優(yōu)化與改造咙冗，使其在未來能夠更好的滿足產品發(fā)展對于解析系統(tǒng)的要求。

--

現(xiàn)在已經是2017年9月底了漂彤，對話機器人（各種個人助理雾消、問答系統(tǒng)和智能客服等）領域的情況與16年年底相比，已經有了顯著的變化挫望。

與16年業(yè)界普遍的基于規(guī)則的自然語言解析系統(tǒng)相比立润，目前AI領域第一二梯隊的公司基本都已經擁有了較為成熟且可商業(yè)化的基于深度學習的自然語言解析系統(tǒng)。就公司而言媳板，對自然語言解析技術的研究已經到了邊際效用遞減的程度桑腮，可做的雖然還很多，比如更深層次的句法/語義分析蛉幸、與知識圖譜的結合等破讨，但解析技術已經不再構成對話機器人產品的核心競爭力。

識別用戶意圖之后所提供的服務開始成為對話機器人產品差異化的核心奕纫。

這樣的變化對于對話機器人領域的創(chuàng)業(yè)公司是危險的提陶。我以前曾經多次提到過一個觀點：技術革新，變的不是人們的需求匹层，而是人們需求被滿足的方式隙笆。這其中包含的前提是：只有用戶選擇用你的產品來滿足需求，那你所謂的技術革新才有意義升筏。而目前很多創(chuàng)業(yè)公司都缺乏這樣的場景撑柔，選擇聚焦在一些查天氣、計算器您访、找歌铅忿、對話搜索這類低準入門檻的弱需求上，怎么會有用戶灵汪？需求都沒有檀训，談什么需求滿足方式的改進？（僅針對2C產品）

破局的關鍵识虚，在于讓用戶意識到：你的服務肢扯，才是他滿足某類既有需求的最佳方式妒茬。