本文分別先從AI產(chǎn)品需求發(fā)現(xiàn)階段、再從AI產(chǎn)品需求設計制造階段對數(shù)據(jù)挖掘的利用，然后落地到數(shù)據(jù)挖掘具體的案例解析，最后得出AI產(chǎn)品大數(shù)據(jù)觀點。

經(jīng)過多年互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的飛猛發(fā)展，科技網(wǎng)絡產(chǎn)品發(fā)展到焦慮的時間節(jié)點。一方面流量成本高到幾乎沒有投入產(chǎn)出比可言，另外一方面產(chǎn)品和企業(yè)同質(zhì)化競爭激烈。

接下來的趨勢有兩股同方向的產(chǎn)品力量，將是產(chǎn)品經(jīng)理和企業(yè)產(chǎn)品創(chuàng)新的機會點：

• 第一是：利用PC和移動互聯(lián)網(wǎng)積累的大數(shù)據(jù)做打破數(shù)據(jù)孤島類的產(chǎn)品和數(shù)據(jù)挖掘，數(shù)據(jù)分析類的產(chǎn)品。
• 第二是：在大數(shù)據(jù)的肩旁上，深度結合業(yè)務供應鏈場景設計10倍于以往產(chǎn)品體驗的AI算法產(chǎn)品、AI賦能的智能軟硬件產(chǎn)品。

本文分別先從AI產(chǎn)品需求發(fā)現(xiàn)階段、再從AI產(chǎn)品需求設計制造階段對數(shù)據(jù)挖掘的利用，然后落地到數(shù)據(jù)挖掘具體的案例解析，最后得出AI產(chǎn)品大數(shù)據(jù)觀點。

一、數(shù)據(jù)挖掘用于AI產(chǎn)品需求發(fā)現(xiàn)

需求的發(fā)現(xiàn)是產(chǎn)品經(jīng)理和企業(yè)產(chǎn)品創(chuàng)新取得成功的關鍵，數(shù)據(jù)信息在產(chǎn)品的創(chuàng)新設計與制造中發(fā)揮越來越重要的作用，充分利用數(shù)據(jù)挖掘技術從產(chǎn)品市場需求發(fā)現(xiàn)、需求設計中提取相應的需求，從而控制和改善下一代產(chǎn)品的設計與制造。

目前，AI賦能的智能軟硬件整體產(chǎn)品的研制周期長，市場反應能力弱，創(chuàng)新度不夠等一系列因素控制了產(chǎn)品制造企業(yè)的生存和發(fā)展，不論是萬億市值的蘋果還是國內(nèi)的華為小米一年旗艦智能手機只有一款。這個現(xiàn)象背后正是因為AI賦能的軟硬一體產(chǎn)品，在需求發(fā)現(xiàn)到產(chǎn)品設計上有其特殊性。

因此，如何在最短的時間內(nèi)開發(fā)出質(zhì)量高、價格能被用戶接受的AI產(chǎn)品，已成為產(chǎn)品經(jīng)理市場競爭的焦點。數(shù)據(jù)挖掘技術已經(jīng)成為分析和發(fā)現(xiàn)需求，提供決策十分有效的工具，而需求發(fā)現(xiàn)速度快起來后可以給需求設計制造更多時間，所以必將有力地支持AI產(chǎn)品的創(chuàng)新設計和制造過程。

數(shù)據(jù)挖掘（Data Mining，簡稱DM）就是從大量的、不完全的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和需求的過程。

根據(jù)產(chǎn)品發(fā)現(xiàn)需求的不同，數(shù)據(jù)挖掘的任務主要分為以下 6 類：

（1）關聯(lián)分析需求，揭示隱藏在數(shù)據(jù)之間相互關系的一項挖掘潛在需求的數(shù)據(jù)挖掘任務。

例子：“尿布與啤酒”的故事。

在一家超市里，有一個有趣的現(xiàn)象：尿布和啤酒竟然擺在一起出售。但是，這種奇怪的舉措?yún)s使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發(fā)生在美國沃爾瑪超市的真實案例，并一直為商家所津津樂道。

沃爾瑪擁有世界上最大的數(shù)據(jù)倉庫系統(tǒng)，為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物需求進行了深層分析，想了解顧客經(jīng)常一起購買的商品都有哪些。沃爾瑪數(shù)據(jù)倉庫里集中了其各門店的詳細的原始交易數(shù)據(jù)，在這些原始交易數(shù)據(jù)的基礎上，沃爾瑪利用關聯(lián)規(guī)則對這些數(shù)據(jù)進行分析和挖掘，得出了一個令人意外的發(fā)現(xiàn)：“跟尿布一起被購買最多的商品竟是啤酒！”

經(jīng)過大量實際調(diào)查和分析，揭示了一個隱藏在“尿布與啤酒”背后的美國人的一種需求模式：在美國，一些年輕的父親下班以后要經(jīng)常到超市去買嬰兒尿布，而他們中有30%～40%的人同時也會為自己買一些啤酒。

產(chǎn)生這一現(xiàn)象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。

按照常規(guī)思維模式，尿布與啤酒風馬牛不相及，若不是借助關聯(lián)規(guī)則進行挖掘和分析，沃爾瑪是不可能發(fā)現(xiàn)數(shù)據(jù)之間存在的這一有價值的需求。

以前企業(yè)的信息管理系統(tǒng)由于缺乏數(shù)據(jù)挖掘功能，最多只能統(tǒng)計一些數(shù)據(jù)，從表面上似乎合理，但實際上根本不能反映出本質(zhì)的情況。例如：通過傳統(tǒng)的信息管理系統(tǒng)，我們得出某一種紅酒在超市的銷售額排名倒數(shù)第一位，按照以往的做法，該紅酒肯定會停止銷售，但是通過對所有銷售數(shù)據(jù)進行關聯(lián)分析，我們會發(fā)現(xiàn)消費額最高的客戶中有25%常常買這種紅酒，如果停止出售這種紅酒，必然會引起這些高端客戶的不滿。

關聯(lián)分析就是發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品之間的內(nèi)在的聯(lián)系，利用關聯(lián)規(guī)則找出顧客購買行為模式，如購買了某一商品對其它商品的影響。例如：它能發(fā)現(xiàn)數(shù)據(jù)庫中如“90%的顧客在一次購買活動中購買商品X的同時購買商品Y”之類的問題，發(fā)現(xiàn)這樣的規(guī)則可以應用于商品貨架設計、庫存安排以及根據(jù)購買模式對用戶進行需求分析等。

用于關聯(lián)規(guī)則發(fā)現(xiàn)的主要對象是事務型數(shù)據(jù)庫，其中針對的應用則是商品銷售數(shù)據(jù)。如果對這些歷史數(shù)據(jù)進行分析，則可以對顧客的購買行為提供極有價值的信息。例如：可以幫助商家如何擺放貨架上的商品，如何幫助商家規(guī)劃市場等。

總之，從事務數(shù)據(jù)中發(fā)現(xiàn)關聯(lián)規(guī)則，對于改進商業(yè)活動的決策非常重要。

（2）序列發(fā)現(xiàn)需求，是指確定數(shù)據(jù)之間與時間相關的序列模式，利用該模式可對未來的相關行為進行預測。

例子：數(shù)據(jù)挖掘中序列發(fā)現(xiàn)的需求分析應用比如顧客購買行為分析、網(wǎng)絡訪問模式的分析。對一家完善的大型零售企業(yè)來說，往往擁有固定會員。會員可以購買較低價格商品，享受更加優(yōu)惠的售后服務等等。

會員應是經(jīng)常在某一家店鋪購物的消費者，因此經(jīng)歷較長時間的會員其購物成為按時間的購物序列，而不同會員就可能存在相同的購物序列。比如：兩個都喜歡購買新科技產(chǎn)品的會員，銷售記錄中就會記錄他們每次購買的科技產(chǎn)品，從而可以將個人的喜好推薦給另一個人，這也形成交叉銷售。

（3）聚類分析需求，是指依賴樣本間關聯(lián)的量度標準將其自動分成幾個群組，且使同一群組內(nèi)的樣本相似，而屬于不同群組的樣本相異的一組方法。

例子：基于數(shù)據(jù)挖掘的聚類分析，可以借助大數(shù)據(jù)的優(yōu)勢，發(fā)現(xiàn)數(shù)據(jù)背后的需求。利用起點學院“成為AI產(chǎn)品經(jīng)理”在線開放課程學習者的網(wǎng)絡學習過程記錄，采用數(shù)據(jù)挖掘工具對網(wǎng)絡學習者行為進行聚類分析，研究發(fā)現(xiàn)：根據(jù)學習特征,網(wǎng)絡學習者可以分為高沉浸性型、較高沉浸性型、中沉浸性型、低沉浸性型四種群體。

學習行為與學習效果密切相關，沉浸性高的學習者學習效果往往較好。筆者作為《成為AI產(chǎn)品經(jīng)理》課程老師借助技術工具，對學習者進行不斷更新、實時、循環(huán)的聚類分析，及時發(fā)現(xiàn)學習者的個體及群體學習特征，因材施教，推送適應性的個性化服務，并給予及時的學習預警與恰當?shù)慕虒W干預。

（4）分類，是指找出一個類別的概念描述，它代表了這個類別數(shù)據(jù)的整體信息，一般用規(guī)則或決策樹模式表示。

例子：分類發(fā)現(xiàn)需求，首先應該將分類與聚類分開。很多數(shù)據(jù)產(chǎn)品經(jīng)理在學習數(shù)據(jù)方法之初，容易將聚類和分類搞混淆。其實聚類屬于無監(jiān)督學習范疇（unsupervised learning），也可稱作觀察式學習過程，與分類不同，分類依賴已有既定的先驗知識。

例如：我們成年后，很清楚世界是由男人和女人組成的，所以我們在建廁所的時候，會把廁所分為男廁所和女廁所，這就是“分類”。而當我們剛生下來，我們并不知道什么是男人，什么是女人，通過后天對生活的觀察，我們發(fā)現(xiàn)有一類人他們有胡子，而有一類人她們頭發(fā)比較長（當然，我的這個舉例已經(jīng)顯然不符合當今世界的發(fā)展了，你們明白就行）。于是我們就把有胡子的人分為一類人，把長頭發(fā)的分為另一類人。

然后“研究”發(fā)現(xiàn)：原來有胡子的叫男人，有長頭發(fā)的叫女人，這個過程就是“聚類”。

（5）偏差檢測，就是從數(shù)據(jù)分析中發(fā)現(xiàn)某些異常情況是否重要，從而獲得有用的需求。

例子：一批數(shù)據(jù)中的異常值值得關注，忽視異常值的存在是十分危險的，不加剔除地把異常值包括進數(shù)據(jù)的計算分析過程中，對結果會帶來不良影響;重視異常值的出現(xiàn)，分析其產(chǎn)生的原因，常常成為發(fā)現(xiàn)需求進而改進決策的契機。

例如：A君是機車愛好者騎摩托不帶安全帽，他會說他周圍的朋友都不帶安全帽，更刺激更能感受空氣觸感而且周圍朋友都很安全，相反某某著名機車選手帶了安全帽損失性命的例子。

大數(shù)據(jù)挖掘樣本是基于從大樣本的數(shù)據(jù)來看，不帶安全帽騎機車比帶安全帽整體不安全。下論斷要從統(tǒng)計整體上來看，揪住一個異常需求沒有意義。數(shù)據(jù)產(chǎn)品經(jīng)理知道這一點以后，就可以在諸如非金融財產(chǎn)型產(chǎn)品需求里對某些異常需求可以緩一些解決。

（6）預測，就是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并用此模型來預測未來需求等。

例子：通過數(shù)挖得到預測的例子非常多，這里從行業(yè)方面舉幾個例子，例如：電力行業(yè)通過數(shù)挖到不同行業(yè)在未來對電力的不同，進而更好的做好對各個行業(yè)電力需求的供應。例如：物流行業(yè)通過對庫存需求的挖掘調(diào)配貨運司機。例如：新零售企業(yè)通過數(shù)挖準備商家和商品備貨等。

二、數(shù)據(jù)挖掘用于AI產(chǎn)品設計制造

在產(chǎn)品的設計與制造過程中，利用數(shù)據(jù)挖掘可得產(chǎn)品設計的創(chuàng)新，提高產(chǎn)品質(zhì)量，加速產(chǎn)品的制造過程。

數(shù)據(jù)挖掘在AI產(chǎn)品設計與制造系統(tǒng)中的主要過程如下：

（1）模式發(fā)現(xiàn)

在產(chǎn)品的設計和制造系統(tǒng)數(shù)據(jù)中隱含了重要的模式，比如：購買次數(shù)較多的顧客特征，對促銷感興趣的顧客特征以及不購買顧客特征等分析，數(shù)據(jù)挖掘就是對隱含在數(shù)據(jù)中模式的深度分析。

（2）趨勢預測

數(shù)據(jù)挖掘不僅能夠提取靜態(tài)的模式，也能預測動態(tài)的發(fā)展趨勢，目前時間序列挖掘是一個研究的熱點，動態(tài)的趨勢能夠反映顧客興趣的改變，從而使企業(yè)對發(fā)展趨勢做出相應的市場決策。

（3）數(shù)據(jù)的降維

數(shù)據(jù)的降維也叫做主成份分析，現(xiàn)代數(shù)據(jù)庫中包含了交易信息的特征，不相關的數(shù)據(jù)條目和特征可以從數(shù)據(jù)集中消除，數(shù)據(jù)降維的主要作用是選擇關鍵的數(shù)據(jù)進行分析。

（4）可視化產(chǎn)品制造

數(shù)據(jù)可視化主要旨在借助于圖表、圖、表格等形化手段，清晰有效地傳達與溝通信息。

根據(jù)AI產(chǎn)品全生命周期考慮，產(chǎn)品設計與開發(fā)過程可劃分為：產(chǎn)品需求分析（MRD）、概念設計（Featurelist設計）、詳細設計（PRD設計）、工藝設計、樣品試制、生產(chǎn)制造、銷售與售后服務等階段。

每個階段和環(huán)節(jié)之間都存在著反饋和迭代過程，但其額度對不同設計類型有所不同 , 基于并行工程的AI產(chǎn)品設計與開發(fā)過程如下圖 ：

因為AI產(chǎn)品是站在傳統(tǒng)產(chǎn)品肩旁上發(fā)展而來，尤其是基于移動互聯(lián)網(wǎng)的發(fā)展累積的大數(shù)據(jù)的基礎上而實現(xiàn)迅猛發(fā)展。故此僅針對上圖中的兩個跟傳統(tǒng)產(chǎn)品不同的點進行講解。

1）AI產(chǎn)品特別是軟硬一體產(chǎn)品，一般是先進行上市及先用樣品上市，看市場情況再進行批量制造。

這是AI產(chǎn)品制造的特點，傳統(tǒng)的商業(yè)模式為先制造、后銷售、再消費，企業(yè)為消費者提供產(chǎn)品，消費者則是被動的產(chǎn)品接受者。

但在AI賦能的時代背景下則呈現(xiàn)一種新型商業(yè)模式，即先個性化定制、再制造、后消費，用戶先提出個性化需求，企業(yè)再為用戶提供個性化服務，這樣可以極大地提高用戶的參與度，也能使得企業(yè)真正地去理解和思考用戶的需求。

2）AI產(chǎn)品是為了更好地滿足客戶的需要，進而贏得市場，增加企業(yè)的競爭力。因此，比如在市場分析中考慮客戶真正需要的產(chǎn)品特征、產(chǎn)品的那些特征最重要等，客戶需求最好能與設計規(guī)劃產(chǎn)品進行集成。另外，需求可以很好地幫助設計師采取適當?shù)漠a(chǎn)品開發(fā)策略，開發(fā)出滿足客戶需要的AI產(chǎn)品。

AI時代工廠是智能制造的載體和集中體現(xiàn)，用戶可以直接從智能工廠的用戶交互定制平臺定制產(chǎn)品，參與到產(chǎn)品的個性化定制過程中，全球任何地方的用戶都可以根據(jù)自己的個性喜好，自由選擇產(chǎn)品的款式，顏色和性能等。提交訂單直接下達到工廠，智能工廠可以實現(xiàn)用戶通過網(wǎng)絡系統(tǒng)對定制生產(chǎn)的全流程實時互聯(lián)互通，掌握供應鏈情況，知曉制造進度，追蹤貨物交付。

在AI制造的生產(chǎn)方式下，產(chǎn)品設計流程的主要步驟是：需求、設計、銷售、生產(chǎn)，用戶希望通過定制平臺自行設計或是選擇所需要的產(chǎn)品，不愿接受沒有選擇性的設計方案。

這一過程可以實現(xiàn)的基礎在于三點：

• 一是用戶提出產(chǎn)品的設計需求，交由設計師來完成；
• 二是用戶根據(jù)設計師提供的產(chǎn)品設計方案，自行選擇以滿足設計需求；
• 三是對成型的設計產(chǎn)品進行選擇，獲取設計方案。

用戶通過企業(yè)的定制平臺參與到產(chǎn)品的設計。生產(chǎn)和交付的全流程，通過對不同的產(chǎn)品模塊進行選擇與組合，構建出符合自己個性的特色產(chǎn)品，極大地簡化了AI產(chǎn)品的設計過程。

（5）產(chǎn)品設計

產(chǎn)品設計是在有限的時空范圍內(nèi)，在特定的物質(zhì)條件下，為了滿足一定的需求而進行的一種創(chuàng)造性思維活動的實踐過程，設計具有創(chuàng)造性、復雜性和不確定性，其中包括分析、綜合和評價等過程，設計過程中的每一個行為都對應于這三維空間中的一個點，如下圖所示：

基于數(shù)據(jù)挖掘的全息AI產(chǎn)品概念設計框架，主要考慮產(chǎn)品數(shù)據(jù)與環(huán)境數(shù)據(jù)之間的相互作用，發(fā)現(xiàn)其中隱含的需求。

數(shù)據(jù)挖掘運用遺傳算法、決策樹算法在新產(chǎn)品開發(fā)中。要在產(chǎn)品設計中進行創(chuàng)新，就要對過去的設計經(jīng)驗和數(shù)據(jù)信息進行總結、分解與組合，數(shù)據(jù)挖掘技術對設計知識的分析，有利于產(chǎn)品設計的創(chuàng)新，使之實現(xiàn)新的需求。

三、大數(shù)據(jù)挖掘方法案例解析

舉例子：京東數(shù)據(jù)挖掘系統(tǒng)設計實現(xiàn)的例子。

產(chǎn)品經(jīng)理或者產(chǎn)品運營人員提出需求，主要目的是獲取給定商鋪的url，通過系統(tǒng)分析，直接將商鋪的商品信息，即評論中對商品評價的關鍵詞直接呈現(xiàn)給消費者，使消費者對商品信息一目了然，從而節(jié)約消費者大量時間。

技術人員需要根據(jù)上述需求進行如下操作步驟：

1. 性能需求評估。
2. 然后搭建開發(fā)環(huán)境，例如：Python3.0+Pycharm5.7+Redis4.0+Window10。
3. 數(shù)據(jù)庫設計：在技術進行數(shù)據(jù)庫設計的時候，產(chǎn)品經(jīng)理最好配好技術人員進行表設計。例如：這個案例中的商品抓取表和商品分析結果表，因為商品抓取記錄表中需要明確商品的字段，同理商品分析結果表中的字段和備注等。
4. 數(shù)據(jù)爬取模塊設計，一般采用分布式抓取。
5. 數(shù)據(jù)爬取模塊實現(xiàn)。
6. 數(shù)據(jù)分析模塊實現(xiàn)，以百富帝純棉四件套商品為例，客戶只需輸入該商品的url，即可開始分析，該商品不同顏色購買數(shù)量關系、購買渠道占比、購買用戶的等級分布。

至此數(shù)據(jù)數(shù)據(jù)挖掘完成，已將該商品的全部有用信息即商品評價、顏色銷量、購買時間、購買渠道和用戶等級分別展示給了用戶。

除了京東的例子外數(shù)據(jù)挖掘的例子，還有如下：

（1）惡意軟件的智能檢測，在大數(shù)據(jù)時代下，在惡意軟件檢測中數(shù)據(jù)挖掘技術得到廣泛的應用

惡意軟件嚴重損害到網(wǎng)絡和計算機，惡意軟件的檢查依賴于簽名數(shù)據(jù)庫（signature atabase，SD），通過SD，對文件進行比較和檢查，如果字節(jié)數(shù)相等，則可疑文件將被識別為惡意文件。

有些基于有標簽的惡意軟件檢測的主題，集中在一個模糊的環(huán)境下，進而無法進行惡意軟件行為的動態(tài)修改，無法識別隱藏的惡意軟件。相反地，基于行為的惡意軟件檢測就可以找到惡意文件的真實行為。而如果采用基于數(shù)據(jù)挖掘技術的分類方法，就可以根據(jù)每個惡意軟件的特征和行為進行檢測，從而檢測到惡意軟件的存在。

（2）信用卡的違約預測

金融產(chǎn)品經(jīng)理有很多創(chuàng)新性產(chǎn)品是圍繞著信用卡或者類信用卡類產(chǎn)品來做產(chǎn)品的，例如：花唄、京東白條等。

在辦理這類信用卡之前，銀行或者企業(yè)首先需要對申請人進行細致調(diào)查，根據(jù)申請人的實際情況判斷是否有能力來償還所貸金額。AI產(chǎn)品采用灰狼優(yōu)化算法計算神經(jīng)網(wǎng)絡的初始權值和閾值，一種改進的模糊神經(jīng)網(wǎng)絡的AI算法，通過建立的信用卡客戶的違約預測模型，與目前其他的預測方法進行比較，得到較好的預測結果。進一步，驗證了模糊神經(jīng)網(wǎng)絡在信用卡客戶的預測上具有較好的魯棒性、準確性和高效性。

采用有效的數(shù)據(jù)挖掘技術，針對信用卡類客戶屬性和消費行為的海量數(shù)據(jù)進行分析，可以更好的維護優(yōu)質(zhì)客戶，消除違約客戶的風險行為，為信用卡等金融業(yè)務價值的提升提供了技術上的保障。

（3）AI醫(yī)療診斷

乳腺癌的診斷。乳腺腫瘤是女性惡性腫瘤中最常見的腫瘤，影響婦女的身體和精神健康，甚至威脅生命。20世紀以來，全世界范圍內(nèi)乳腺癌的患病率均有所增加，特別是歐洲和北美地區(qū)，分別占歐洲和北美女性惡性腫瘤發(fā)病率的第一和第二位。

目前，世界女性乳腺癌在癌癥中的發(fā)病率最高，據(jù)美國疾病預防中心統(tǒng)計，早期乳腺癌的治愈率可高達97％，進展期的治愈率僅為40％。因此，越早發(fā)現(xiàn)乳腺癌，治愈效果越好，即“早發(fā)現(xiàn)，早治療”。

在大數(shù)據(jù)時代下，醫(yī)療方面的數(shù)據(jù)呈現(xiàn)出數(shù)量大、類型多、處理方法復雜等特點，數(shù)據(jù)挖掘技術對這些問題的處理起到了至關重要的作用。威斯康星大學醫(yī)院Wolberg提供的乳腺腫瘤分析結果顯示，乳腺腫瘤的特征可以由9 個參數(shù)來表示。

針對疾病的智能診斷，數(shù)據(jù)挖掘具有4個應用角度：在醫(yī)院信息系統(tǒng)中的應用、在疾病助診斷中的應用、在藥物開發(fā)中的應用、在遺傳學方面的應用。

（4）教育大數(shù)據(jù)的挖掘，前兩年，南京理工大學的“暖心飯卡工程”受到來自各界的關注。南京理工大學教育發(fā)展基金會工作人員對學生在日常生活中的數(shù)據(jù)進行了調(diào)查和數(shù)據(jù)的采集，該項調(diào)查涉及的共有16000余名南京理工大學當前在校學習的本科生，采集的數(shù)據(jù)為在9月中旬至11月中旬期間學生的飯卡刷卡記錄，將每個月平均在食堂消費60次以上，消費總額不足420元的學生確立為補助對象，不需要學生申報，直接將補助打入學生的飯卡。

這次針對學生生活行為的數(shù)據(jù)挖掘，不僅在教育大數(shù)據(jù)的基礎上實現(xiàn)了“精準扶貧”，而且對學生真正做到了“人文關懷”，體現(xiàn)出了數(shù)據(jù)的價值性。

四、大數(shù)據(jù)挖掘的數(shù)據(jù)獲取方法

大公司已經(jīng)積累了大量的數(shù)據(jù)，目前是打通數(shù)據(jù)孤島和挖掘數(shù)據(jù)，然后分析和應用，而沒有數(shù)據(jù)的公司適合優(yōu)先發(fā)力研究稀疏數(shù)據(jù)下的AI認知能力的開發(fā)。例如：綠色AI的技術，通過稀疏數(shù)據(jù)小樣本和算法的精妙設計而實現(xiàn)精準的需求判斷和高效的產(chǎn)品設計制造。

隨著AI賦能制造時代的到來，95后、00后，正在成為消費新主張的群體，他們對個性消費、智能消費、體驗消費越來越重視，消費終端的變化必然會帶來消費趨勢的顯著變化。

為了獲取消費者需求就需要運用數(shù)據(jù)挖掘。如何在保護消費者隱私要求越來越嚴謹同時，自己公司又缺乏大數(shù)據(jù)的情況下進行數(shù)據(jù)獲取呢？

方法如下：

（1）產(chǎn)品外部大數(shù)據(jù)分析

隨著大數(shù)據(jù)的急速膨脹，其對于企業(yè)越來越重要，現(xiàn)代企業(yè)需要具有大數(shù)據(jù)思維，對外界的相關大數(shù)據(jù)進行提取、存儲和分析。例如：卡夫食品公司通過大數(shù)據(jù)分析工具，對上億條社交網(wǎng)站帖子上的相關話題進行內(nèi)容分析，研究得出顧客的主要關注點在于健康、素食和安全。通過分析研制，最后生產(chǎn)出全新的產(chǎn)品打開了孕婦消費者市場，創(chuàng)造了新的業(yè)績。

（2） 企業(yè)內(nèi)部數(shù)據(jù)挖掘分析

可以對企業(yè)內(nèi)部的客戶，產(chǎn)品數(shù)據(jù)庫進行整理分析，有效地分析客戶信息，產(chǎn)品信息以及行為數(shù)據(jù)，進而得到客戶的需求信息。也可以在公司網(wǎng)站或是APP上建立留言區(qū)，使得用戶對產(chǎn)品有任何的意見和建議都能發(fā)表在上面，進而企業(yè)可以獲取有價值的客戶信息。

例如：企業(yè)可以利用內(nèi)部網(wǎng)站數(shù)據(jù)分析，在活動前期預測本店熱銷產(chǎn)品，從而能確保產(chǎn)品的供應和物流的快速運轉(zhuǎn)。

（3）企業(yè)定制平臺獲取（網(wǎng)站+移動終端）

企業(yè)可以開發(fā)產(chǎn)品定制的交互平臺，用戶在企業(yè)的定制平臺上可以瀏覽所需產(chǎn)品的外形信息和功能信息，可以根據(jù)個人喜好自由選擇產(chǎn)品的外觀和部件等，通過選定可以看到最終產(chǎn)品的展示效果圖，確定后提交個性化需求信息。企業(yè)還可以開設個性定制的智能門店，用戶通過產(chǎn)品導購介紹，根據(jù)自己喜好選擇不同零部件組合，和產(chǎn)品導購確定后，提交個性化定制訂單。

這樣可以使企業(yè)能快速的響應客戶的個性需求，同時也讓客戶能參與到自己的產(chǎn)品定制設計過程中來。

五、AI產(chǎn)品大數(shù)據(jù)觀

AI產(chǎn)品經(jīng)理首先要有數(shù)據(jù)挖掘需求思維，然后在AI產(chǎn)品設計制造中鞏固對大數(shù)據(jù)的落地運用，并明白數(shù)據(jù)挖掘是數(shù)據(jù)分析最常用的手段，而在數(shù)據(jù)挖掘的過程中會有新的需求的發(fā)現(xiàn)。

人工智能的構建基礎是大數(shù)據(jù)。在此基礎之上，才是自然語言算法組件、知識圖譜組件與機器學習組件的算法平臺建設。

AI時代的產(chǎn)品經(jīng)理得先明白技術的原理，然后協(xié)同技術共同打造優(yōu)秀的AI產(chǎn)品。

未來是AI時代，AI是站在大數(shù)據(jù)的肩膀上的！

如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于 CC0 協(xié)議