大数据产品经理需要掌握的技能有哪些？（下）

大数据产品经理需要掌握的技能有哪些？前面给大家介绍了两项必备技能：懂数据和懂AI机器学习领域。下面就说说最后一项必备技能：懂数据且能进行AI产品化应用。
第三、懂数据且能进行AI产品化应用

什么叫懂数据处理且能够进行AI产品化应用呢，下面笔者以构建用户画像实现大数据机器学习推荐为例，来讲综合运用数据、算法和算力的步骤。

（第一步）：建模

1）获取原始数据。例如用到的数据有用户访问系统的行为日志和用户的基本属性，通过采集日志数据，得到用户的行为信息；

2）对数据进行预处理，挖掘出事实标签。对用户数据进行过滤、清洗、简化表示，从用户的基本属性信息可以得到用户的编号、等级、名称、第一次登录时间等，这些信息属于事实标签；

3）分析用户行为信息，构建用户画像的模型标签。通过对用户的行为进行分析，得到用户访问页面和操作的规律，构建出用户的行为模型；

4）通过模型标签进行预测，完善用户画像。根据用户的行为模型可以预测出用户的操作行为。

（第二步）：多维度刻画用户画像

1）：自然属性，比如：用户注册时填写的姓名、性别、年龄、邮箱、电话、职业等。不同属性用户感兴趣的点不同，标签一般比较稳定。

2）：兴趣属性，行为偏好信息，不同时间偏好不同，随时而变！偏好标签挖掘算法有TF-IDF和BM25算法等

3）：地理信息，移动轨迹信息，不同区域用户访问不同服务器

4）：主机IP、MAC地址、不同浏览器等，通过IP地址可以找到用户所在的区域

5）：隐含属性指从用户的基本信息、行为信息等数据中发掘出用户信息中隐含的规律或偏好。例如从用户上线的频率计算出用户的活跃等级，活跃等级可以反映出用户对系统的粘性。

（第三步）：标签

MECE（Mutually Exclusive Collective Exhaustive）原则，即标签需要彼此独立且详尽无遗。

（1） 用户需求和使用场景会不断的更新，所以标签体系是一个不断完善的过程，不可能一次性建立完成；

（2） 不同领域的用户需求和业务场景不同，用户画像的标签系统也不同。关键是要从不同层面更透彻地分析特定领域用户的决策行为。建立标签系统时，应根据具体业务情况进行切实分析；

（3） 根据具体需求合理划分标签的体系结构，一般需要让标签体系有结构框架，呈现出一定的层级关系便于标签管理，也可以增加标签间的联系。标签体系结构三种：结构化、半结构化、非结构化事实标签和模型标签举例 对标题按体系划分

（第四步）映射用户画像

数据-用户标签映射

用户画像方法是数据-用户标签映射方法，它是以数据来驱动用户画像的生成。

(第五步) ： 评估模型

产品经理怎么评估用户画像模型好坏呢？建议从以下几个方面用户画像评估指标包括：准确性、覆盖范围、及时性、可解释性和可扩展性等。（第六步）数据可视化

与用户交互过程可视化，数据可视化不仅是统计图表，基本上可以通过图形显示的任何数据、文本、原理、逻辑和法则都可以称为数据可视化。数据可视化具有交互、多维和可见特征。

这些都是大数据产品经理必须掌握的知识点，大家一定要耐心的看完，然后看看自己哪方面的能力不足，然后学习进步，这样才能成为合格的大数据产品经理。

以上就是“大数据产品经理需要掌握的技能有哪些？（下）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。