域名频道资讯站以“供应链领域”的算法产品经理梳理需求的逻辑为例，来看看算法产品经理平时的工作都是做些什么？
算法的应用场景兴起，使之与其对应的算法工程师也在职场上兴起，但在公司里，也存在一种非常重要的角色，那就是算法产品经理。
简单来说，他就是一个有些许算法背景同时又具备产品经理特征的一类产品经理，他可以通过产品经理的结构化和产品化思维将复杂问题抽离出各个业务问题，同时与算法工程师探讨后输出完整的解决方案。同时，来在承接业务/拓展商域的机会。
今天我就来谈谈这么一类算法产品经理，在工作中都是怎么做事儿的。
算法产品经理接触到的业务是什么（what）
算法产品经理是谁（who）
算法产品和其他产品经理一样，要接触商务、解决方案、内部业务人员、UED团队、后端开发，还有最重要的就是要接触一类人——算法工程师。
那在介绍算法产品经理之前，有必要先介绍一下算法工程师
算法工程师是一群通过对业务系统以及数据的分析建模，进行业务指标优化或者智能化改造的人。
算法产品经理则是需要了解各个算法大致范围及其适用的业务场景的群体。
听到这里，就有人问了，那算法产品和算法工程师除了不要写代码，还有其他的本质区别么？
产品经理除了需要了解算法，还需要有对业务问题辨别真伪和对业务问题进行抽象的能力。而算法工程师就在拿到产品经理梳理出的一个具体问题/一类具体问题的基础上，通过代码进行建模。
为什么需要算法产品经理的存在（why）
有没有发现算法产品经理接触的业务问题，都有一个共性？
就是需求背后的数据量大，难以通过简单的工具/公式来求得较优解。因此，这时候就需要有产品经理这个岗位来将这些需求进行深度解读和建模，甚至打造线上产品。
什么样的公司需要算法产品经理（where）
做图像和做运筹、做软件和做硬件的算法，肯定关注的点是不一样的。因此算法一定要狠抓业务背景，坚持“场景驱动，技术支撑”。
目前招聘算法产品经理的公司不在少数，金融类、图像识别类、智能硬件类、物流类的公司等均有大量的人才需求，对人才的需求也会有一些侧重点，但是基本的能力都是相同的。以下就以“供应链领域”的算法产品经理梳理需求的逻辑为例，进行详述。
算法产品经理如何梳理需求（how）
以一个业务问题为例：为某一头部商家优化物流成本。
todo 1：确定项目边界：确定本次测算范围，是需要计算商品从工厂出库以后的运输和配送？还是着重关心工厂的产能和生产计划中涉及的物流成本？具体指标项包含哪些项，每一项占的权重大概多少。
todo 2：还原商家的历史情况，探索并挖掘对其物流成本影响最大的部分：这块儿就需要用到一些简单的数据清洗、数据交叉校验的逻辑，而后结合自己对业务领域的了解，判断出哪里的指标可能高于行业水平。
e.g. 该商家商品价值高，销量不稳定，历史发货记录中有很多无效的调拨、或者某一个商品经常因某地的缺货导致跨省跨仓发货，从而推导出因预测和铺货的不准确性导致库存成本和配送成本偏高。
todo 3：调研影响大的部分分别由什么细节构成：进一步业务调研。最后抽象出配送成本和库存成本分别由什么因素决定。
todo 4：输出优化方式，对整体项目分步骤来确定输入、目标函数、约束条件和输出。在刚刚的例子里，产品经理决定优化的步骤大致分为三步：第一步仓内选品（优化配送成本）、 第二步做预测计划（优化存货成本）、第三步优化库存，做补货计划（优化存货成本）。
接下来分三个步骤详细剖析每一部分的关键要素。
第一步——仓内选品（以确定每个商品第一优先发货仓为例）
输入：仓主数据、商品主数据、历史一年的销售订单数据。
约束条件：某个商品在省份i必须选定一个仓库供应。
目标函数：全局历史一年中的配送成本最小。
输出：每个仓内放什么商品。
第二步——预测计划
输入：上一步中的仓与商品关系、仓的覆盖范围、新老品替代关系等。
目标：以发货地/收货地为统计维度下的准确率优先（准确率计算公式，需求调研后确定是简单平均还是1-WMAPE或其他标准）。
输出：“仓+商品”每日销量明细。
第三步——补货计划
输入：上一步中的销售计划数据、补货相关业务参数等。
约束条件：当某一客户紧急订货时，可下达紧急航空件订单，紧急订单比例不可超过X%。
目标：全国现货率优先，其次考虑存货周转。
输出：“仓+商品”日维度的节点库存、采购下单、销售需求、实际出库明细。
todo 5：数据测试：自行生成几套数据/或请研发脱敏多套商家数据进行测试，可通过数据指标/图表来验证优化方案的可行性。
Todo 6：沉淀策略：通过Excel、PPT、Word的方式记录优化策略和效果，并用通俗易懂的语言沉淀建模逻辑，为了今后遇到相同的业务场景复用做准备。
需求沉淀后如何做线上产品（when）
当算法模型在线下测算多次效果呈现较好时，产品经理就需要综合考虑开发成本和产品收益的性价比和迭代计划，去规划线上版本及每个版本的预计用户量。
首先将多重策略、多个步骤抽象、组件化，每个模块添加产品说明（既要保留技术壁垒，又要降低用户使用门槛）。同时考虑产品的目标群体、推广计划、付费模式、数据并发量和计算性能从而决定每个版本的展现形式。最终在得到反复的功能、数据、算法测试后上线。
写在最后
算法兴起的目的不是为了取代人，而是为人类提供更加高效的工具，因为，算法产品经理作为探索业务和深挖技术之间的人，一定是未来的大势所趋。
作为算法产品经理，一定要注重培养自己的逻辑思考能力、业务抽象能力，并持续关注/学习前沿算法相关知识，不断做技术和行业的沉淀，力求做出用户体验好又有技术标杆的好产品。
本文素材来自互联网
