乾明 整理编译自 Medium量子位 报道 | 公众号 QbitAI
作为AI产品的产品经理，该怎么写好一个产品需求文档( PRD )？
对于大多数人来说可能还没有清晰的概念。到底该咋办呢？
莫慌！既然你已经点进来了，不会让你空手而归。
最近，谷歌机器学习X和TensorFlow X团队的产品领导者Clemens Mewald在Medium上发表了一篇文章，详细介绍在开发涉及到机器学习的产品时，产品经理写PRD怎么处理数据相关的问题。
干货满满，请收下慢慢消化~
在开始之前，先看看Clemens Mewald给出的一个声明：
机器学习不是必需的。我看到，有的产品经理在PRD中将“使用强化学习来优化对用户的奖励”作为一项需求。这通常是一个危险信号。在大多数情况下，机器学习是满足用户需求的一种方式，而不是需求本身。为什么产品经理需要考虑数据问题
你可能会问，为什么我写个PRD，还需要些一堆关于数据的要求？
答案很简单，如何收集和使用数据将会对产品产生重大影响，更何况这还是一个与人工智能有关的产品。
首先，你必须搞清楚你要预测什么，也就是你机器学习模型的输出，以及是否有与输出相关的必要反馈机制。
假设你的目标是向用户提供与他/她最相关的通知。你如何知道通知是相关的呢？
你可以提供一种机制，允许用户“滑掉”通知。
但是，这种反馈是否能告诉你，他们是因为通知很烦而关掉它，还是说这个通知是有用的，他们只是“完成”了它呢？
在确定如何定义这种反馈之前，你可能需要做一些用户体验研究。
其次，你必须要想清楚，把哪些关于通知的数据输入到机器学习模型中，来帮助训练模型。
哪些特征可能有用？可以考虑下通知的性质，是提供信息，还是敦促用户采取行动？或者是通知送达的时间。
这不过是抛砖引玉罢了，我相信有了一些相关的知识之后，你可以想出更多。
此外，要想成为一名有远见的AI产品经理，不仅需要仔细琢磨一下机器学习模型需要输入和输出什么数据，还要确定这些数据是能够使用的。
数据使机器学习成为可能找出产品或特定功能所需要的数据是确定数据需求的第一步，也是最重要的一步。
说起来也很简单，机器学习模型只不过是一个数学函数，输入一些带有特征的数据，输出预测结果。然后再进行学习，把预测结果与从训练数据中观察到的模式匹配起来。
这样说可能有点难以理解，是时候再举个例子了。下面这张图，是湾区正在出售的5套住房的实际情况。
为了避免混淆，我们把房屋的已知属性称为特征，将要预测的值称为标签。
值得注意的是，你可以选择各种值来当做标签，比如说房子的大小、卧室、浴室和房价等等，甚至是邮编。
借助这个例子，给大家第一个重要提醒：你需要找到有标签的数据，用于监督式的机器学习。
假设有一套房子，我们知道它的特征和标签，这意味着你已经给数据贴了标签。
另外有一栋我们不知道价格的房子。给定已知的特征，我们可以使用我们训练的机器学习模型来预测这个值。
在开头那个关于通知的例子中，标签是用户在拒绝通知时提供的反馈。如果他们表示通知是有用的，那就是肯定的标签。
在许多产品用例中，都有一个有标签数据的来源：日志。
在我之前的博客文章中，我介绍了一个来自Google Forms的例子，它主要是基于问题的提示，自动为问题选择类型。
之前，用户会提供问题提示，然后手动选择合适的问题类型。问题提示就是特征，手动选择的问题类型就是标签。
你需要什么样的数据或者特征？
在某些情况下，产品经理或开发人员的想象力都会被数据限制住。
通常情况下，你可以使用其他数据源的特征来丰富这些数据。不管可行性或成本如何，可以先进行头脑风暴，列出可能对自己的机器学习任务有帮助的潜在特征。
假设你试图预测房价，但你只有大小、卧室、浴室和邮政编码等特征。你能想出其他的特征吗？条件是，对这个任务有帮助，而且你也能拿得到。
举两个例子：
房子的年龄？这可以从公共记录中获得。离最近的杂货店的距离？可以使用公共地图数据计算。
一旦你能够找到其他的特征，你可以按可用性、有无困难和成本来排定优先级。与此对应的问题是：这些数据存在吗？有授权吗？收集这些数据的成本有多高？
你需要多少数据？
“需要多少数据”，这个问题的答案可以写成一本教科书。但与开发团队进行对接的时候，产品经理需要把握一些重点：
1、在大多数情况下，数据越多越好。
2、如果数据很少或没有数据可用，迁移学习可能会有所帮助，从一项任务中获取数据或者模型，并将它们应用到其他的任务中，比如将一个给狗分类的模型用到给汽车分类上。
3、在获取标记数据需要花费金钱和时间的情况下，需要在模型的质量和性能方面定一个目标，并对花费的钱和时间有清晰的预算。
4、在某些情况下，更多的数据不会有帮助。
这部分表述可能不太清晰。为了让大家更好地理解，可以看看下面这张图。直观地展示了获取更多数据可能有用也可能没用的情况。
大多数机器学习问题都在曲线的上方，即获取更多数据将会带来更好的性能。
然而，在一些情况下，大量标注的训练数据已经存在，回报可能会减少。也就是说，更多的数据并不能提高模型质量。
你的数据质量是否足够好？
数据在特征和标签的质量上，也可能会有很大差异。
如果你正在通过整理日志获取数据，很可能你会获得一些异常的训练数据。
这可能本身没有问题，比如说在Google Forms的例子中，用户对一些问题归到一个类型中有不同的看法。
在其他的一些情况下，可能是因为不同格式的特征值或语义。比如说一些房价以千美元计，另一些以百万美元计。
就算你可以访问这些数据，并且可以通过抽查来发现有问题的案例。但在写PRD的时候，你对此也无能为力。
但不管怎样，要告诉开发团队应该关注什么，这样他们就可以集中精力调查数据质量。
此外，如果你对数据的质量有所担心，你应该在PRD中提出警告，表示这可能会降低机器学习模型的质量。
关于隐私和安全如何存储和处理这些数据也非常重要。在开始收集数据之前，最好咨询隐私和安全方面的专家，弄清楚你能做什么和不能做什么。
就算有了这些限制，也要从用户的角度来考虑，什么是应该做的，什么是不应该做的。
此外，还要花时间考虑一下，你的用户从中获得了什么好处，确定这需要用到的数据。当然，也要让用户认可这些好处，不能只是你自己的想法。
数据需求清单下面是一些具体问题清单。不管你是在构思一个新产品，还是向既有的产品中添加新的功能，都可以作为参考：
数据要求
需要什么数据？
哪些特征是已知的，将是有用的？等等。
这些特征可用吗？如果不可用，获取成本是多少？
数据采集策略
上述数据来自哪里？
现有数据是否存在质量问题？
你认为需要多少数据？
隐私与安全
数据存储和处理的方式是否安全？
你有收集/使用数据的权限吗？
从用户的角度来看，新功能或产品的好处是否能超过他们在提供数据时的担忧？
原文链接：https://medium.com/the-lever/data-a-key-requirement-for-your-machine-learning-ml-product-9195ace977d4
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
