越是面对重重迷雾，越是面对至关重要的事情，企业家越想看得更远，看得更早，看得更清晰。看清趋势，不仅对企业重要，对于产品经理也是如此。
雷军说：
我相信过很多东西，比如：聪明加勤奋天下无敌。但40岁时发现，1％的灵感超过了99％的汗水。主流教育告诫大家要勤奋，我觉得勤奋是基本功，重点还是要把握大势。
做产品要顺势而为！
正如我们站在任何一个历史时间点上所看到的那样，AI趋势正在裹挟着一切。企业主渴望用预判需求和趋势，来抵消内心的不安全感以及对未来的无知，通过这些趋势和预言，老板们希望能够减少无谓的开发浪费，提高产品生命的效率，提早为可能到来的变革做好准备。
越是面对重重迷雾，越是面对至关重要的事情，企业家越想看得更远，看得更早，看得更清晰。看清趋势，不仅对企业重要，对于产品经理也是如此。
一方面，比如：AI技术应用于淘宝类的千人千面系统、AI技术应用于抖音的个性化偏好系统、AI技术赋能智能客服造成部分客服人员结构性失业、AI技术应用于美颜相机、AI技术应用于协助医生看片子，AI技术赋能AGV机器人造成部分工人结构性失业、AI技术赋能金融投顾等等。
另外一方面之前火热的区块链虚拟币产品、P2P产品的瞬间阶段消融，以及游戏产品因为发行权制定调整的趋冷，小程序类产品在存量里找增量等。
下面是笔者拜访完BAT/TMD/等等一系列大小厂家一线产品负责人后，观察到的2019年包含AI在内的小趋势！供产品经理提早预判行业边界的消亡、抓住产品载体迭代里的机会！
2019年将是产品经理由外功开始重视内功的年份，下图是笔者根据与BAT/TMD和众多厂商一线产品负责人交流，由我总结得出的产品经理功力表：
有内功的产品经理明白趋势知道时下应该提出何种需求，而不是异想天开的提需求而造成需求与企业的发展阶段不匹配。
产品经理只有判断清楚趋势了解公司的环境才能提出恰当的需求，只有需求恰当才能减少与开发的矛盾，产品方案才能获得公司全体的力量支持。
例子：
笔者与美团快驴产品负责人交流快驴为啥2018年才重视B端商家菜米酒盐供应链的需求，而不是像在2012年就有创业公司帮饭店提供柴米油盐的供应，然后创业公司项目失败了。
原因有4：
是有内功的产品负责人发现美团快驴具备了内功且竞对饿了么有菜已经提供了这项服务。
C端外卖流量至顶，再打C断ROI不如B端效率高。
各冷链物流近几年发展沉淀能够承载饭菜对生鲜菜品的述求。
“快驴”的商家后台系统，早已为美团外卖商家提供财务对账、商品管理等服务已经有了B端基础的沉淀。
聪明的产品经理一定已经发现，这些原因皆是内功。有内功的产品经理会明白即使你的交互、界面、功能比微信好你的IM类产品也依然灭不了微信，因为微信产品的内功不是这些，内功是腾讯多年强大的社交网络效应，能够快速支撑微信建立这种网络效应，从而打败当时同期火热的米聊。道理一样，一般的企业产品提出为饭店提供菜米酒盐的平台一定先要了解自己的内功。
内功和外功之间的重要性，就像后世《武林外传》里的钱掌柜说的一样：“为什么同样的招数，有的人使出来平平无奇，有的人使出来却惊天动地”。
2019年没内功的产品经理与有内功的产品经理，将是区分普通产品经理与牛逼产品经理的一道坎！
二、学会处理“数”和“术”
“数”大数据，“术”AI算法，2019及以后的产品经理是处理“数”和“术”方面产品的高手。
一定时期内如果我们把人工智能看成一个嗷嗷待哺拥有无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。
与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以往传统的算法相比，这一算法并无多余的假设前提（比如：线性建模需要假设数据之间的线性关系），而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据，而拥有自优化的能力。
笔者与阿里大数据部门交流发现，时下Alibaba怎么处理部门间数据互通这件事情的呢？
很简单，首先是找出大家有意愿共用的部分，暂称为企业内的公共数据，然后安排资源把这一部分先建设起来。选择公共数据也有一定的技巧，简单归类就是：各部门已经在高频率但低效率的单线流通的数据，被野蛮重复复制到各部门的相同数据，大家都有意愿首先标准化的数据。
当这些带有公共性质的核心数据建立起来之后，大家就能更容易地感受到数据高质量流通的意义及好处，要保证这些数据的质量和新鲜度也相对变得容易了。
数据产品经理要明白数据第二使用权的合规性在大厂里变得非常微妙，大数据背后的逻辑是数据积累越多越好。在过去两三年，很多企业都相信有了大量数据资源后，就能对企业的业务产生更大价值。
但人们往往很快就会发现，除了技术能力之外，如何妥当地管理、利用这些资源并非易事——安全合规是一方面，降低数据使用的阻力及风险也是困难重重。
笔者总结“数”和“术”的观点是在大厂“术”（算法）比“数”（数据）重要，小厂反之！
三、由单独的纯软/纯硬到AI赋能软硬协同化产品
时下进入2018年的尾声，笔者受邀到深圳某独角兽公司分享产品经理知识，这家产品线负责人先问笔者：有没有软硬一体的书或者课程。笔者就推荐了笔者的新书《AI赋能-AI重新定义产品经理》和《入门成为AI产品经理》课程，因为笔者以前出过一本《AI+时代产品经理的思维方法》一书主要讲的是思维方法，而新书是把软件产品和硬件产品逐个分析后首次在国内把软硬件产品系统协同化看待。
以下是独角兽公司产品负责人与笔者聊天记录，相信也是部分读者关心的问题。
由单独的纯软件产品或者纯硬件到AI赋能软硬件整体产品是2019年及以后的产品趋势，原因有2：
其一、产品只有软硬整体化且由AI赋能软硬件整体产品，终端用户体验才能更棒，后台的AI能力即算法数据能够直接迁移到终端，终端更懂用户，从而用户体验更棒。
其二、软硬整体化后科技网络公司能够获取更生态的用户数据，即用户画像更精准。例如：谷歌既有终端应用智能手机、智能音响，也有操作系统，还有芯片这样谷歌就能获得更精准的用户画像。
AI赋能软硬协同化的热门例子：
不仅360，其他大厂也有在应用软件层面做到头后可以做软硬一体产品的趋势，例如：阿里在电商软件应用到达一定地位甚至至极后，开始做底层芯片“平头哥”，做操作系统阿里OS。然后整体推出阿里新零售、阿里云等软硬整体系统产品。
背景不同：产品经理不是由高校专业培养的，社会对产品经理的需求尤其是对AI产品经理的需求十分紧张，导致产品经理是应急上岗，理论储备和实践能力储备不足。而程序员在高校，一般经过系统的逻辑的理论和或多或少的训练，这两者之间的知识背书不同。
关系不同：产品经理往往是需求的提出方，且有些需要产品经理脑洞很大，而程序员是需求的接收方，实现方。受和攻如果没有磨合好矛盾自现。
业务理解不同：这一点也是最关键的，试想如果是一家公司的BOSS自己是产品经理，程序员不会跟BOSS产品经理大打出手的原因仅仅是一个他即是老板又是产品经理吗？明显不是，主要原因是BOSS产品经理对业务的理解十分深刻。
而未来年份AI趋势里AI产品经理自身的基本素养，即AI产品经理上山下乡，笔者在前面的文章《AI产品经理的三重门》一文中有细说。这样AI产品经理就是最懂业务的，另外由于AI产品经理包含传统产品经理，这样AI产品经理也有了一定的与程序员沟通的经验了自然与程序员天敌之说就可以避免不少。
五、几种需求小趋势
小趋势一：2C类产品小于2B类产品的需求，这里2B类产品包含AaaS（Analytics as a Service）/AI_SaaS等B类产品。
小趋势二：教育类知识付费类产品讲出现聚类，即例如起点学院一类的产品将越来越细分。比如：讲解AI产品经理课程，笔者将从产品经理的基本知识、数据挖掘、AI赋能、AI产品创业、AI即将出版的书籍《AI赋能—AI重新定义产品经理》。将传统AI和产品经理的实战和理论，从而能够战训结合帮助PM。
小趋势三：支付宝、微信、百度小程序类产品需求的小趋势是周边生活服务类、轻体验类、脑洞大的小游戏类，试图代替传统强势APP的小程序将消失。
小趋势四：AI赋能将深度下沉和实用，例如：AI赋能于金融、医疗、辅助驾驶、教育、营销等。
想知道原因的期待与笔者沟通交流，笔者相信在移动互联网C端流量见顶后，企业将更加需要有内功的产品经理，我们一起学习，因为知识永远比时间更长。
