数据产品项目失败总结

最近做的数据产品非常垃圾，在此作出总结和反思

1、老板不是数据产品的专家

• 通常在小公司，老板就是【产品经理+业务砖家】。
• 当初老板主导了一款功能产品成功上线，在此基础上投资第二款数据产品。
  老板在功能产品上亲历亲为，而在数据产品上，既不太懂，也不懂管，只能给大方向，给不到准确的细分目标。

数据产品的核心是数据！
打造一款数据产品，到底是要大而泛还是小而精？
如果是做宏观分析，则需要数据量大。
如果是具体应用，则要求小而精准。

2、缺少业务专家

• 老板不是数据产品业务专家的情况下，就必须要招聘一位业务专家以及数据产品经理。
• 然鹅老板对业务专家这个角色的投入不够！起初聘请外部顾问作为兼职，后来才招聘正式的业务人员，而这个业务人员远远达不到专家水平。
• 另外，团队构成不完整；完整AI团队至少有：AI产品经理、业务专家、数据标注员、软件工程师、AI工程师

3、个人失误

• 本人作为唯一具有数据产品经验的工作人员，并未能主导产品走向。

3.1、没有快速学习业务

• 程序员起初以技术学习为主，忽视业务重要性。

3.2、人生大事

• 项目初期，个人耗费大量精力去相亲，未能全心投入工作，错过项目前期的很多关键决策。
• 没有说服领导贯彻【空间换时间】，硬盘始终没扩容。
• 没有说服领导使用【定制爬虫】；使用【业务人员+通用爬虫】导致数据源头垃圾过多，筛选成本过高。

4、NLP工程师发展困境

1. 技术瓶颈：TensorFlow、PyTorch、句法分析、搜索引擎、数据仓库、知识图谱、大数据、Web框架
2. 底子不够：高数、文献阅读能力
3. 改不了 比Python更底层的代码
4. 业务支持低
5. 缺乏标注数据
6. NLP算法应用场景窄、技术通用性低于传统后端
7. NLP项目落地难度高
8. Python速度慢、部署bug多
9. 非科班出身

暂定可提升方向
1、算法：机器学习、深度学习、自然语言处理、搜索引擎、推荐系统、知识图谱、语言学…
2、工程：数据库、GitHub、Web开发、Linux、大数据、数据仓库…
3、业务：经济、金融、会计、工商管理、房地产…