每个人都应该拥有一把“瑞士军刀”

原载《中华读书报》2010年4月14日

 

    作为一个工作多年的产品经理,我一直在困惑一个问题,一个好的产品经理到底是掌握方法重要还是经验重要?从经验的角度,我经常会将产品经理分为四类

    第一类、有经验没方法,这一类产品经理一般在本行业有多年的相关工作经验,专业知识和行业经验都足够,但是往往没有受过专业的产品开发管理训练,经常会凭感觉去做产品,特别相信“杀手的直觉”,我所在的互联网行业有很多产品经理都属于这种,他们比较常见的做法是,通过产品经理作为用户换位思考来让设计师设计出“以用户为中心”的产品,这种做法的结果是不管产品最终是成功还是失败,更多的归结于产品经理直觉的成败,而不是公司研发系统的成败。

    第二类、有方法没经验,这一类我们可以称之为科班出身的产品经理,很多名校出身后往产品开发方向发展的MBA就属于这一类,通过2-3年的管理训练掌握了一整套市场分析、产品开发流程管理的训练,但相对而言比较缺乏行业经验和对用户的感觉。

    第三类、无方法无经验,这一类我们可以称之为菜鸟级产品经理,虽然水平不怎么样,但是往往对新产品有极大的热情,也可以给新产品研发带来很多新鲜的想法。

    第四类、有方法有经验,这一类无疑是优秀的产品经理了,受过系统的训练并且有成功的产品经验,这类产品经理是最容易研发出优秀产品的。

    我是典型的第一类产品经理,有多年的产品相关研发和运营经验,了解开发流程和了解最终用户,但是没有受过系统的产品开发管理训练,多数情况下都是凭感觉去做产品,结果就是产品的成功和失败的不确定性比较高。最近一年来,我一直在思索:保证产品高成功率的关键是什么?看了Robert G.Cooper的《新产品开发流程管理:以市场为驱动》后,我发现一些有价值的结论,而且这些结论与我们常规的想法并不是完全一致的。比如说:

    结论1:低度创新型产品回报率最高,中度创新型产品回报率最低、高度创新型产品居中。这和我们传统的思维是不太一样的,我们传统思维可能认为产品创新程度会和产品回报成正比。这种理论也反证了为什么脑白金这种低度创新产品和iPhone这种高度创新产品都能够产生高额的回报,所以千万不要做那种上不上、下不下的创新,产品研发和创新领域不需要中庸之道。

    结论2:研究失败者的失败经验比研究成功者的成功经验更加重要,根据PDMA的统计,目前推向市场的新产品的成功率仅为59%。也就是说有41%的新产品是以失败而告终,产品流程管理的作用就是建设产品失败的概率或者将失败的损失降到最小,Cooper在书中重点介绍的阶段关口(Stage-Gate)产品开发流程就是来解决这一问题的,通过在关键阶段设置关口不仅可以降低风险也可以降低损失。

    结论3:速度就是一切!但不能以牺牲实施质量为代价。这一点在互联网行业已经得到了充分的体现,百度和谷歌在搜索引擎领域的竞争就体现了这一点,由于百度在网页搜索和音乐搜索领域占据了先发优势,即便如谷歌般强大的技术实力在短期内也很难撼动百度的市场地位,但是如果百度仅仅追求速度而忽略了对搜索质量的改进和关键词广告的监管,迟早会失去这个市场。

    结论4:好的产品要用事实说话、用数据说话和用逻辑说话。从这一点上来说,这本书本身就是一个好的产品,因为他书中所有的结论都是收集了大量公司的成功案例或者失败经验、并且对案例进行数据分析和比较,最终基于前两者形成严谨的方法和工具,比如享誉全球的阶段关口方法以及ProBE和新产品模型这两个工具,能够帮助产品经理解决一些现实的问题。

    Acer的总裁施振荣先生讲过微笑曲线,价值链中附加值高的一端是研发(R&D),另一端是市场(Marketing),一家企业如果没有掌握这两端,就没有掌握自己的命运,就可能随时会被替换掉。对于一个产品经理来说,也有自己职业的微笑曲线,一个是方法,一个是经验,这也包括别人的成功和失败经验,如果没有掌握这两者,自己的职业是不安全的,也会随时被替换掉。

(《新产品开发流程管理:以市场为驱动》Robert G.Cooper,电子工业出版社,20101月,49.00元)

关于数据集数据集:汽车牌照检测该数据集包含车牌图像及其对应的YOLO格式标注。它旨在用于训练和评估专注于检测图像中车牌的模型。数据集概览:图片总数: 433 张车牌图片图片格式: .png标注格式: YOLO(标签,X轴,Y轴,宽度,高度)图像分辨率:各不相同标注:车牌的边界框坐标,已归一化到图像尺寸数据集结构:数据集分为两个主要目录:训练集和测试集。每个目录包含两个子目录:图像集和标签集。训练集:包含 346 张图像及其对应的 YOLO 标注文件,用于训练。测试:包含 87 张图像及相应的 YOLO 标注文件,用于测试。每个图像文件(例如 Cars0.png)都与一个对应的标注文件(例如 Cars0.txt)配对。标注文件包含以下 YOLO 格式的信息:标签:对象的类别(对于此数据集,它始终为 0,表示汽车牌照)。Xc、Yc:边界框的中心坐标,已根据图像的宽度和高度进行归一化。W、H:边界框的宽度和高度,也已归一化。文件信息:train/images/: 346 个.png汽车牌照图像文件。train/labels/: 346 个YOLO.txt格式的标注文件。test/images/: 87 个.png用于测试的图像文件。test/labels/: 87 个YOLO.txt格式的标注文件。data.yaml:包含数据集详细信息的配置文件。数据集拆分:训练集: 346 张图像(占总数据集的 80%)测试集: 87 张图像(占总数据集的 20%)例如:车牌号注释的示例可能如下所示:0 0.548 0.612 0.432 0.0750:类别标签(车牌始终为 0)。0.548:X 中心(已归一化为图像宽度)。0.612:Y
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值