2019年过去了，你有哪些得失？总结过去，展望未来，本文作者非常详细地回顾了自己过去一年的职业变化和学习情况：在错误中学习，在反思中进步。推荐产品经理阅读。
2019正式过去，今天经历的还算蛮多，也依旧犯了不少错误（有一些还是重大的）。总体来说有得到也有失去，通过外部的反馈（项目和人），对自我的认知更加清晰了，但平时总是处在触及又远离的知道自己不知道的阶段。深知远远未达到“足够优秀”的水平，由此对2019的输入输出做一个总结，希望有所反思效用，同时警醒自己未来还是要更加自律、更高效率。
一、职业发展的变动
1.1 主要项目和产品
以下所有内容将会脱敏，可能会对文字理解造成一定的不便，提前说声抱歉。
公司和项目一直是时间和精力、输入和输出的大头，所以要记得自己做过什么项目和产品。
今年主要负责三款产品：智能货柜、智慧超市ERP系统、电商供需平台。
智能货柜是第一个接触AI+新零售的项目，也是由此年初确定了产品职业发展道路（PM+AI+新零售）。对于该项目，印象最深的不是图像识别的异常场景的处理，反而是零售商家传统的业务需求（例如盘点理货、降低货损），最花心思的是智能货柜的为校准库存进行盘点理货场景，前前后后迭代了三个大版本，每一次迭代都是整个产品组前一次的认知进行破坏和重构，也是个人认知的重构（目前认为这种迭代认知是产品能力提升最快的时机）。
智慧商超ERP系统是基于公司战略，中途紧急带队开发迭代并且成功上线使用的系统。在创业公司，项目管理是产品管理的最重要事情之一，不仅仅是设计好需求，还要平衡好所有部分的关系链条，管理好大家的预期，并且按计划上线，将风险控制到最低。并且也是在这个项目，自己对B端产品的产品输出有了更深的理解（方法论的成形：并不是按照方法论去输出，而是输出 后复盘整理为方法论，为下一次输出做准备），输出质量也有了一定的提升。
电商供需平台因一些原因，个人只参与了前期调研和方向规划部分，输出了产品路线规划和市场 调研等成型文档，在更高维度的一些执行层面的能力也有所提升。
总的来说，产品管理在横纵向都有一定的进展，但增长曲线比较缓慢，原因是学习方向比较广，在文章第二节的内容里会再细化复盘。
1.2 公司的变动
年末从新零售公司离开，去到产业互联网公司，驱动力、不适应、错误是最大的三个关键词。
驱动力指的是个人对行业、公司、对项目、对产品是否有足够的好奇心和热诚，若不足，则没办法产生由内向外的驱动力，使得个人产生效益极为低下，甚至有反作用。
不适应是指由对团队、上级、公司规模、产品等多个维度的内容切换产生了不适应，没有办法马上融入（这个也和驱动力有关系，没有足够的热诚 ，违心的接入导致效率很低）。
驱动力不足加上对外部环境的不适应，一系列错误的产生就顺其而来了（这个也是决策失误带来后续的成本问题）。
不可否认的是，在2019的职业发展选择决策上，出现了比较严重的失误。
二、学习计划的变动
2019年的学习计划，围绕着产品、AI、数据、业务展开，时间分配大概是4/2/2/2。
2.1 产品和业务
产品学习轨迹是从商业、思维到供应链和B端，从发散到聚焦的过程。
#PM方法论库存
学习商业，是因为执行层出现瓶颈（后续做项目过程中发现还是有优化点，关于产品设计的认知有迭代），但是没有明确的学习方向，在现有的学习资源上选择不多，并且商业（广告方向）的PM行情也比较火。
过了一段时间，突然认识到“产品经理”是一个年轻的岗位，除了自身的经验沉淀，也需要学习产品领域内的大佬：梁宁、张小龙、俞军、枯叶等人学习，整合他们的思想，融合进自己的产品管理模型里不断的整合和迭代，其实是一个学习正路。
B端的学习是项目需要做仓库系统，配合业务的知识对供应链部分有了一些体系化的整理，也迭代出自己的B端产品设计方法论雏形。
关于业务的知识输入，前沿的、新的领域最好找到这个领域说的最清楚的人的文章和书，输入一些底层和本质的认知，在新零售方面，看的是刘润的解读。有了对新零售的基础认知后，传统零售业务知识输入依然是产品经理作为技术和业务的桥梁最好的方案。需要深入一线多次沟通，成为产品开发线上的万金油。
2.2 AI和数据
和传统产品经理一样，需要懂前后端的基本技术实现流程，做AI相关的产品经理，也需要了解AI技术的原理和边界条件（在AI阶段，理解边界比理解技术本身更重要，道德层面比技术层面更重要）。
抱着投入AI时代，不被浪潮抛弃的想法，自身也是花了很多的精力，从数学原理接触学习起（微积分、统计学），对机器学习、深度学习的算法实现原理进行理解、剖析。
后续也通过自学pyhton，跑了一个开源的人脸识别项目（当时脸上出框的时候，自己在办公室还是挺嗨的）。当然对AI认知层面提升最快的路径，还是和开发工程师多深入聊（不过很少有这些机会）。
很难去分清楚这个阶段其中的弯路和正路，因为学习的实际反馈效用的确较少，但在很多场景下，又不能说这些知识是没用的（例如和工程师吹谈的时候、使用AI技术的场景出现“bug”的时候）。
基于项目和点亮硬技能的需要，数据分析技能成了下半年最重点的学习目标。在学习数据分析的过程中，抛开各种关于数据硬软技能，认识到“数据思维”是决定数据分析师（只要是需要对数据进行处理、分析的工种）成就的上限，这包括对数字的敏感度、好奇心和一系列思维逻辑层面的解法。
庆幸自身是金融专业出身，对数字本身有一定的敏感度。但目前在数据分析这一块，还是在整合方法论、道术器中的“器到小术”阶段。
三、回顾输入与输出
量化自己的输入和输出其实没有什么太大的意义，但是对整理爱好者、有一定完美主义的人来说，或许还是能产生一些激励的效用。
3.1 输入
关于书籍的输入，有读完的也有还没读完要拖到2020年的，还有读到一半放弃继续读的。
具体有13本书，平均一个月一本，还是比较少：
《时间管理神术》
《信息架构》
《幕后产品》
《深入浅出数据据分析》
《决胜B端》
《无效努力》
《OKR》
《产品经理学技术》-放弃阅读
《产品心经》-放弃阅读
《电商产品经理宝典》
《供应链解决方案》-剩计划部分,暂时不需要
《人性的弱点》
关于弃读的一些思考，也在这里同步。
10月份的时候读着一本书发现不太对劲，大致浏览了这本书后续的内容，发现很清晰的知道它后面讲的内容和质量，很难再获取到有价值的知识。所以需要总结出看书的方法论，增加读书效率：
首先对该领域的知识框架已经比较熟悉（或者先了解核心知识点）
看书评、作者信息。（看书还是要稍微参考一下作者的背景）
看书的目录，在实际看书之前就大概知道这本书讲的是哪些内容，你所需要的内容在哪里。（直奔书籍核心部分）
没有效益的书籍要及时放弃掉。（如果没有弃读过，那么是不合理的）
因为大部分时间碎片化 +懒惰的原因，其实我今年文章的阅读字数还不一定会比书籍的阅读字数少，大部分文章是通过公众号自媒体、得到知识专栏、知乎盐选专栏阅读。
其中有一些对认知影响很深的文章：
（1）《人工智能公司的场景跃迁理论》
AI和互联网项目不一样，虽然都是创造价值+商务，落地的方法论不一样，这个特别看公司管理层，对于PM个人来说，互联网项目的经验可能不适用了，没有延续性。
AI和互联网项目不一样，虽然都是创造价值+商务，落地的方法论不一样，这个特别看公司管理层，对于PM个人来说，互联网项目的经验可能不适用了，没有延续性。
管理层要有一套AI产品落地方法论，进而才能踏实的去积累数据（业务）和团队能力方面——知道自己要什么（是现实的），不受外部影响。
最重要的是深刻理解用户的业务场景，设计一个能逐步盈利的路径，不断把阶段性的成果去商业化。
演化力就是最主要的执行力，演化力是公司成败的第一关键。
（2）《深度对话俞军：关于产品经理的价值、天赋、能力、成长及未来，最系统的分享》
（3）《俞军关于企业本质的读书思考》
产品经理是个年轻的领域，没有很多学习资源，产品大佬的一些输出就算是零散的也对个人产品能力的提升和认知十分有帮助（有人带的产品经理除外，大部分产品经理没有人带，包括我）
俞军和他的产品团队在12月份整合过往的输出出了一本书，预售就买了，目前读到第三章交易模型，感觉很舒服。
（4）《白鸦内部培训：企业服务类产品的底层逻辑，和“有赞产品设计原则”》
看了文章发现，是和我原来理念就很契合的B端产品的产品设计方法论，有赞是目前市面上做的最好的B端产品之一，多学习有赞产品设计思路，以后做B端产品都可以参考有赞（不过有赞的销售bd经常打电话给我，应付实在是太烦了）。
（5）《梁宁：一个产品经理的奥德赛之旅》
其实我之前不知道梁宁，第一次看她的文章，觉得她思维逻辑真的很牛。然后去翻资料，发现也是产品经理行业标杆，虽然不是执行层面的。
奥德赛时期：稳定之前必定经过漂泊时期。（很有道理的废话。。。）
不要相信别人，而相信自己对别人评估能力。（你说的话我不信，你怎么评估我倒是真实的 ）
冲突才是认识一件事物真正的开始。（冲突是催化剂，催化剂催化事物出现真实模样）
（6）《吴悦宁：零售的持久力要看体验和效率》
传统零售门店是通过人与人之间的纽带来构成整个组织架构的体系，非常依赖店长和区域负责人，人员的变动会影响到单店乃至区域业绩。但我们的架构是以系统驱动且高度标准化的，当标准化高到一定程度的时候，其实对人的依赖性就没有那么强。
相关的文章还有蛮多的，就不一一列举。
3.2 输出
2019年在公众号一共输出了8篇文章 ，其中5篇是体系化的（有一篇已删），3篇定期的总结。
新零售采购系统1.0设计复盘
一文了解新零售下的 AI智能货柜
CV领域“识别错误”场景介绍及解决方案（以智能货柜为例）
记一次有关“AI行业红利”的简单对话
什么是“好”的信息架构？这篇文章会告诉你。
10月份的思考，与产品、学习、沟通、创业相关。
11月份的思考，与产品、思维、商业和AI相关。
关于碎片化思考的输出，是我从入行产品经理半年后就开始的习惯，目前有九个维度的积累，以下将分享每个维度其中的一些思考。
（1）零售
对智慧零售门店的思考：
真正的竞争对手：智慧门店真正竞品是能对线下门店提供管理能力、获取数据、处理数据，从而对业务产生真正落地的价值 ，抢夺企业投入资源的产品。如pos系统、会员营销系统、电商系统-有赞。不同门店都有这些对应系统的头部。也有可能是新型新零售坪效特别高的商店，小米。
细分业态的中小企业能抓住零售本质与核心+管理+数字化，将核心业务做专、做精，也极具竞争力。
在零售的运营闭环中，还有没有能赋能的业务点？
方向建议：
上述理论的思考和不断执行。
找到：弱’S+超级适合场景=强AI。
数字可视化后台、数字中台。
连接数字收银、进销存系统。
在闭环环境中找到业务价值的突破，找到能动点去连接人货场。
saas工具+知识服务。
（2）AI
弱’S+超级适合场景=强AI。
在AI技术只能照顾到90%的场景的时候,剩下的10%场景可以增加“二重防护”甚至“三重防护”:例如增加重力感应、RFID感应的手段兼顾辅助,去完善产品体验.最终呈现出来的体验效果是ok的,是符合用户预期的.当然同时会增加一些成本。
tob的AI产品,有时候会放弃c端用户体验,优先考虑b端商家.(大部分情况下有一方得到利益,另外一方利益必定受损)
例如智能货柜:识别错误情况多了以后对于货柜运营商家来说承受的货损和运营成本就会增加，商家就会怀疑技术能力甚至撤离货柜布点和取消合作。不仅如此,也会造成顾客认为机器经常乱扣钱，导致其不会回归购物场景。
一定要折衷的话，前期会偏向“宁愿扣款错误，后续退款给用户，也不让商家承受损失”。毕竟c端用户只要在一定时间内能及时退款，或者是不及时扣款,是可以通过售后流程去把控的,但是商家(特别是小商家)对货损十分敏感。
AIPM要想办法通过某些渠道提前控制使用者对产品的预期.2B的AI产品要在培训时点明现阶段支持什么,不支持什么,哪些场景靠AI是不靠谱的.不然客户购买了产品回去心理落差很大.又要有技巧的通过一些话术使得客户有期待.在商务会议场景下,又要适当的“放大”产品能力.2C的AI产品通过前端交互引导、品牌认知广告一些方式,引导用户的对产品技术和体验的心智发展。
（3）商业和战略
职业经理人的价值：如果纯粹靠数据堆起AI落地，那其实谁都可以做，但是职业经理人需要从商业价值和成本上去考虑。
看大环境大趋势，不要看小现象。
一个以技术为核心的公司，重要的是利用技术(AI)能力形成产品的效能规模，实现正向增长循环飞轮：识别准确率越准，用户体验越好，带来更多复购、更多客户、更多自有资源战略运营、更多商业合作模式探索。
只有某个领域没有“一提就能想的到”的品牌,，证明有无数小商家和成为头部的机会。例如健身房，现在没有一个被大众所认知的健身房品牌，只有线上的keep（好奇为什么keep没有开展线下健身房业务线，是无作为还是专注，没有深入接触过不得而知）。
公司有一个重重要的成长因素是连接能力，为自身业务构建连接，为客户价值构建连接。
现有落地项目是最重要的，不能纯粹的内部驱动打磨，用外部驱动去推进团队的成型、项目商业模式的迭代。
（4）团队管理
成熟的团队不会经常把矛盾归咎一个点上(一个人能影响的覆盖面总是有限的)。
优化和问题，应该从整体去复盘。矛盾和对立产生，都是太过考虑独立个体，这是正常的。但是用综合和整体思维，站在整个技术团队上去思考，有助于快速找到解决方案，减少矛盾。
好团队判断的标准之一就是消化能力有多强，对需求，对变化能否消化掉，消化好。
问题响应率、bug出现率为什么重要。
快速解决当下问题、站在客户角度为什么重要。
不强求认知达到同一水平线， 只需理解产品经理的管理客户的工作角度。
产品经理不是在管理团队和需求池,真正在管理用户/客户的预期和体验。
（5）职场
一个项迭代久了自然需要新鲜的血液和声音。
前期先保证数量，有能力后再保证质量。因为在能力没达到前，前期花很多时间也不会提高很多质量。
理解上层的思维模式，也让上层理解你的思维模式，时时刻刻做好向上管理。
（6）沟通
沟通有几个层次。第一个是浅层沟通，停留在表面，看人不看事。第二个是中层沟通，看事不看人，双方会明确该次沟通是基于什么底层之上，甚至会强调。第三个是深度沟通，我知道你在想啥，你知道我在想啥，我们都知道应该讨论出啥。（到了这里要看人自身的能力和沟通的人的默契程度了）
人类看到的是共享的世界，因为看问题的角度一样。我们彼此从对方的角度看问题，双方互相了解对方看到的东西。有了共同的东西，才能建立模型。决策函数，即我知道你在这种状态下应该如何做，我应该如何做。价值函数，即我大概知道你应该怎么做，以及我认为你会怎么做，以及你认为我怎么做，有共同的情境和知识，就会有共同的价值观。最后通过交流的过程，我们达成了共识。-朱松纯
（7）产品设计
在需求是可以被创造和需求本来就存在的两个说法中，更偏向于后者了。应该不是需求不存在问题，需求是一直有的，只是物理或者认知上还没到达条件 所以人就认为自己没需求。
需求本来是存在的，在特定的场景下，根据用户体验和成本计算触发，在这种时候用户底层背景(价值观等)也是重要影响因素。
在一个场景，成本公认最低的人，最容易“被”去负责一件事情。
产品经理不能失去自己的嗅觉。如果自己的嗅觉失去半年以上，那要花很多成本，这是很痛苦而且是要尽量避免的事情。
产品经理是一个服务岗位。
产品经理到一定阶段要会算数了：数据分析、财务模型。
产品经理是理性和人文思维的显性，随着社会和人类的发展显现出来。
个性化推荐的本质含义是：针对不同的用户群体推荐对应用户群体可能喜欢的内容（人、物体、内容）推荐对象的个性化需要建立在对用户的理解-》分群-》产品框架设计上：
个性化推荐基于数据的规模和维度足够
数据的规模和维度基于产品框架设
产品框架设计基于对用户的理解
搭建数据导向模块的前提是搭建能提供相应数据支持的产品框架和模块。
内容流产品要不断加强匹配效率 （运营+算法）。
（8）思维
接触一个人一年前和一年后，他的认知差异是非常大的，特别是他在一个职场的前期或者是很快的上升轨道，所以你和他之间的认识不能只基于很久之前的那一次谈话。
我有一个想法，就差一个程序员。这句话本来是讽刺拍脑袋。
但如果这句话是张小龙说说的呢：不用程序员，我自己搞定。
但如果这句话是马云说的呢：没有程序员会质疑你的想法。
还是看想法承载人的能力，不能一竿子打死人。
任何一个体系、组织的存在都有核心网络节点，会形成独有的群体氛围，氛围没有好和坏，只有需不需要去适应，不要太狭隘。
本来一件系统存在悖论 ，通过系统的输出（或者在该系统下）事物肯定也存在悖论，会有不完美，但只需要有效。数学领域有很多难题（也算是悖论一种）没办法解决，人文领域有很多哲学思想相悖，但是不影响数学和哲学推动人类文明快速发展。技术（人工智能）、经济、管理（产品）都由数学和哲学系统衍生而来，在原系统上开枝散叶。认识原系统的悖论、认识边界，在边界内寻求发展和突破瓶颈，在边界外寻求可生存之地。
（9）学习
时间不是拿来消耗的，是拿来投资的。
作为互联网从业者，庞大的信息输入是常态。
平时需要创造自己独立思考的条件。
3.3 重大错误
今年犯了的很多错误，重大型错误大概有3~4个，中小型错误大概有7~8个，都记录了下来。因为敏感的原因（潜意识回避），就不一一说明了，好奇又善良的朋友们可以加我微信私聊。
不犯错便很难有变革性的成长（就算有人带的情况下，错误数最多变少而不是不会发生）。个人设立的基准是：小错没有必要去犯，影响自己的职业信誉；中大型错误要提防，但是可以去犯，一年控制在5次以内；重大型错误一年控制在3次以内，但是不能触及到企业和个人底线。
3.4 战略勤奋
所有产品经理的愿想都是能从战略层上执行。其实自己就是最接近的产品。个人战略层面的制定执行，主要由两方面的思维体系构成。第一个是雷军的战略勤奋说，第二个是梁宁的点线面思维。
战略勤奋有什么意义：使命、愿景、战略、战术、价值观，既可以用在企业规划中，也可以用在个人规划上。使命是你存在的价值，愿景是你要做成什么，战略是你的方向和路径，战术是你的方式方法，价值观是你的判断依据。
而点线面思维，要能回答三个问题。
点依附在哪条线上?
线依附在哪个面上?
面依附在哪个经济体上?
具体的思考过程就不细说了，年末的时候制定了自己人生战略的雏形目标。
使命：让智能化社会保留美好的人性。
愿景：做一款产品(基于任何形式)实现我的使命。
战略：可以做掌舵者或者二把手，或者偏向咨询、整合。
战术：野蛮、快速试错；细分领域top5%；AI。
价值观：honest至上
但也仅仅是制定，在2020年前，需要细化出符合自己战略的职业模式和增长飞轮。后续如果有机会，也会跟大家分享。
四、最后
产品经理这个职位，说累是挺累的，很多时候啥活儿都要干，很容易过成了一个需求接受机器；说不累也有道理的，毕竟 不需要实际写代码，加班的时候都是开发出活儿。但抛开一些产品核心竞争力、核心技能来说，其实这个职位很难，很难做好，并且很难持续做好。
不过我还是喜欢这个职位，喜欢这个职位给我人生和思维上带来的变化。相信未来就算有一天title不叫产品经理了，但做的还是产品经理做的事情。
等待和希望，大概是目前对整个市场、公司、个人最贴切的词，故也将其作为文章的副标题，并且希望能传达知识和乐观到在读这篇文章的人，那就足够了。
最后分享年末一位leader的给我的建议，个人感受很深，希望能帮助到大家：
坚持输入，坚持复盘输出，多学习梁宁、经济学、心理学的一些知识。
去大厂或者是有前景有足够利益的创业公司。
多点从老板的角度思考问题。
如果创业的话，要做规模大的事情，要相信自己做的事情。
人是本质第一性原理，找对人了事情才有机会干成 ，踩过最大的坑是人。
