本文结构如下：
一、产品经理需要有判断力
二、系统化思维—项目流程全闭环
- 需求调研（5W2H模型）
- 需求分析（概率思维）
- 需求立项（基于数据与价值，达成一致）
- 需求闭环（评估数据和产出，用数据复盘）
三、用“人工智能”修炼判断力
1、建立自己的知识图谱（输入与输出）
2、建立系统化思维（原理是什么）
一、产品经理需要有判断力
理论上，一个理性的人，都需要有判断力，那为什么专门指出产品经理需要有判断力？因为笔者从事产品经理职业，且在工作实践中发现，产品经理是最容易被坑的群体。
A、老板说这个功能很重要，是行业的标配；
B、商务说这对接的合作方很靠谱，上线后预计有多少多少的产量，让其他需求让让优先级；
C、运营说这个功能很多用户需要，上线后能极大提升用户体验，同时节省多少多少的人效；
以上场景是不是很熟悉，产品经理每天会收到很多需求反馈，第一步是进行需求的调研与分析，只有调研分析过的需求才能真正进入需求池，否则只是待调研需求。
二、系统化思维—项目流程全闭环
1、需求调研（5W2H模型）
5W2H分析法又叫七何分析法，是二战中美国陆军兵器修理部首创。由于该分析法概括了why定义原因，what定义问题，who定义对象，when定义时间，where定义地点，how mucn定义程度（或数量或成本），how to定义实现路径;从而可以广泛应用于定位并解决问题，包括写报告、写代码、需求调研、理解leader布置的任务、项目管理、合同管理等几种场景，实乃产品新人入坑、农民进城防骗的第一指南；另外还有升级版可以加上三个参数，resource定义资源, risk定义风险，result定义结果，即加上3个R升级为5W2H3R的10字母模型；
回望自己的职业生涯，确实踩过不少的坑。
产品经理是最有资格抱怨而最不应该抱怨的人，因为产品经理的价值就是解决问题。
而解决问题需要有足够的判断力。
A、老板说这个功能很重要，是行业的标配；
多问几个问题：
- why老板想解决的是什么问题；
- what 这个功能是什么，有什么用
- who 解决谁的问题，与我们现有产品的用户群体是否一致
- result 解决这个问题有什么收益，与核心目标KPI是否相符
- how 如果要解决这个问题，有几种解决思路
- how much 这几种思路对应的方法，成本是多少
2、需求分析（概率思维）
前面说了第一步是需求调研，调研完是不是开始做了呢？第二步是分析；之前我做需求分析，最喜欢用投入产出比来分析需求，并初步判定优先级；后来发现这里有个误区，所有分析都应该是建立在概率分布中的，且需要有数据支持；
B、商务说这对接的合作方很靠谱，上线后预计有多少多少的产量，让其他需求让让优先级；
多问几个问题：
1、合同是否谈妥了（如果没谈妥，会有哪些风险，我们的收益是什么）
2、产量是怎么预计的，是否有历史数据或行业数据支撑；是用线性还是非线性模型预计的；
3、对方会采购我们的概率是多少，对方会采购我们XX产品的数量和占比又是多少；
C、运营说这个功能很多用户需要，上线后能极大提升用户体验，同时节省多少多少的人效；
多问几个问题：
- why运营想解决的是什么问题；
- what 这个功能是什么，有什么用
- who 解决谁的问题，该类型用户占比是多少
- 这个功能改进涉及的功能会有多少人用，现有数据是什么
- 是否有其他解决方案，分别成功概率是多少，成功后的收益是多少
即任何投入产出比都是建立在概率的前提下的，机器学习中经常用到的贝叶斯统计就排上了用场。
如何通俗地理解贝叶斯统计？
举个例子：生病的几率
一种癌症，得了这个癌症的人被检测出为阳性的几率为90%，未得这种癌症的人被检测出阴性的几率为90%，而人群中得这种癌症的几率为1%，一个人被检测出阳性，问这个人得癌症的几率为多少？
猛地一看，被检查出阳性，而且得癌症的话阳性的概率是90%，那想必这个人应该是难以幸免了。那我们接下来就算算看。 考虑先验概率和后验概率
阳性得癌症的概率为：0.083 , 阳性未得癌症的概率为：0.917
换成新仪器引进的例子也是一样，如果你是医院的院长，有人推销一种仪器售价1000万，检测某疾病的准确率为95%，而此疾病的发生率仅为0.01%，则需要考虑一下发生此疾病且检测准确的概率了。
做产品和做投资都是有赌性在的，赌的就是成功的概率，这里面要判断项目能成的概率，是否属于你的重点项目，你预计投入多少时间精力和资源，这个项目能否超出预期从而成为你的成功案例；
3、需求立项（达成一致）
好，调研和分析都完成了，是否可以开始执行了？此时还需要一个立项会。发现没有，这就是老油条和新人的区别，新人一般会急吼吼的开始进行项目，而老油条一边设计线程一边争取项目相关方达成一致。
- 要拉项目相关方都参与项目立项会，且需要提前梳理5W2H3R，在会上阐述项目的背景、目标、价值、分工与配合、各部门负责交付的东西和时间节点、所需的资源、风险、成功的概率和收益等；
- 不确定的点都要在会上达成一致，且形成书面记录并追踪执行情况。即决议前充分讨论，决议后忠实执行。
4、需求闭环（评估数据和产出）
初阶产品经理：能按时保质的完成需求的输出，且跟踪项目的执行与产出；这里面也涉及到如何协调项目相关方，让参与方统一认知且有认同感，考虑异常场景与上线后的运营推广计划等；
而初阶与高阶的区别，是你是否是这个项目的owner，即你是否有主人翁意识。
这个项目或者是你自己提出的，或上级为了KPI交到你手中的，你是只承担了这个项目中产品设计者的角色，还是这个项目的总负责人。（这里有个职场现实规则，机会往往是自己争取的，特别是对于产品经理这种只有职位没有实际职权的岗位来说，很可能你就是这个项目的产品经理，总负责人是你上级或其他部门负责人，或者没有明确任命的总负责人）
此时你能否做到除了关注自己负责工作内容部分外，承担起项目最终成败的责任？
这里举一个反面的例子，有次上级问我某个项目没有达到预计的目标产量（当时的目标产量也是相关商务预估的，没有太多数据支撑），产品的责任占了多少；我没有理解这个问题，我以为问的是原因占比，我答产品因素至少占了60%（当时想已经往高了说）；后来上级和我说，即使你只承担了1%的原因占比，你也应该负100%的责任。这句话真是醍醐灌顶，如果我是站在一个项目owner的角度，从自己这个原因出发，我完全可以去推动其他人，去更早的思考项目的投产闭环：调研目前的现状和原因，提出解决策略；哪怕有些策略不是产品侧能解决的；忙不是借口，身兼多个项目不是理由，如果是自己的重点项目，就一定要想办法超出预期。
想明白这个问题，你才能从功能负责人成长为业务负责人。
三、用“人工智能”修炼判断力
1、建立自己的知识图谱（输入与输出）
结构化输入：这里推荐一个工具——有道云笔记（免费，服务器稳定，移动端和桌面端完美兼容，未收广告费）；
如我最近在学习人工智能相关知识，如果只是看过可能很快就忘了，如果我能边看边记笔记，并自己画出思维导图的话，才算基本掌握了概念；
结构化输出：一个完善的系统，除了有输入，还需要有输出；如一个知识，只能你能自己应用并可以教给别人，才算真正掌握了这个思维体系；尝试输出新的“新的input”，或是“刺激他人有新的思考”；
2、建立系统化思维（原理是什么）
前面谈到几个思维框架
- 需求调研（5W2H模型）
- 需求分析（概率思维）
- 需求立项（基于数据与价值，达成一致）
- 需求闭环（评估数据和产出，用数据复盘）
这和机器学习的套路是一样的，选定一个目标，喂数据，定义价值和激励函数，从而得到更好的结果，这里面既要降维解决具体问题，关注微观细节的东西；又要升维思考抽象问题，关注宏观系统的东西。
冰山一角（了解宏观层面）
以上说的判断都是冰山上的东西，其实很多大方向的判断在冰山下面。产品经理不能只是正确的做事，还要做正确的事。如果不能判断什么是正确的事，你就是一个执行者，一个做功能的。
一个合格的产品经理要完成项目需求分析、价值分析、项目闭环，且还要能站在更高维度去思考：
- 产品今年规划是什么？
- 公司全年规划和目标是什么？
- 公司处于产品链上下游中什么位置，创造什么价值，核心战略是什么？
- 公司在行业中排名多少，准备打哪个方向？
- 未来的趋势和前景是什么？个人是否有竞争优势？
就如同选择职业一样，如果大部分人只看到薪资待遇、岗位要求与自己相符，而不考虑个人发展方向、个人性格和优势、行业或岗位发展前景等，和迫于生计压力随便选一个糊口职业没有太大差别，都没有系统的职业规划；
如我之所以选择产品经理这个职业，也是因为个人热爱学习与分享，希望做一个超级连接者。
把个人的成长也看做一个学习曲线，祝大家都能在新的一年里不自我设限，把握机会与创造机会，做有意思的事情。
来源：PMCAFF
