这个小系列更新到第七篇，还剩一篇就结束。
继续利用吃饭前这会儿码字，另外不敢写多了，洗稿的太可怕了，都是给他们添砖加瓦了。 另外有读者朋友留言问了些问题，我抽出时间写成小文章发出来。
知识星球已经建好了，等一些其它物料具备了再开放， 目前只是熟悉的仅限十几个好友在里面。
ps 最近研究了二次元AI 作画的本地部署， NovelAI 标准tag 还是可以，手工图、AI作图很多图片放到一起，熟悉了还是很容易分辨哪张是NovelAI画出来的， NovelAI 图的某些共性还是很高的，很容易找到。
不过novel AI 如果能够使用在上色那就更牛逼了，在游戏开发、动画设计，给出草稿上色这个如果有了那得节省多大的人力，是个不错的研究方向。
我是分割线：
数据产品经理那点事儿：
- 锄禾日当午，不如原型苦，对着可视化，一调一下午（画原型要求细致，精确到像素级那就是高标准了）
- 集合自己在数据产品经理领域经验，随着对业务的认知、外部行业数据产品的认知逐步的增加，冒出点子的几率，厕所25%、浴室25%、床上20%、散步15%、飞机汽车火车上10%、机场车站5% ..... 而会议室是可怜的0.1% 那就已经烧高香了。
- 大家都在强调数据产品经理在做需求分析时的忌讳
1. 假想或者创造用户需求；
2. 我是用户，我的需求就是用户需求 。
殊不知，在很多时候数据产品的建设是需要数据产品经理强推，强X用户说就是必须按照这样的方法走，必须这样分析才能做下去。这种是需要建立在数据产品经理对数据认知、工具产品认知、方法论认知达到很高的程度才能做。就怕是一上来就指手画脚。
例如很多数据产品经理的发展是踩在很多前辈的基础上而逐步成长， 见识到了成熟的上层应用、基于成熟的技术体系下构建的，或则是看了某篇教学就是这样做，对底层的原理与实践相差很远，当在推进建设时很容易出现明明是对的为什么就推进不下去。
现在数据产品经理的瓶颈之一，很多企业要求数据产品经理的单兵作战能力很强，而不是基于现有大数据成熟的技术体系下构建出来的一些某一个单一的东西去实施的，大数据的技术更新迭代非常快，不推进就落伍，也应了为什么国内的大数据平台工具这些年不断的重复造轮子，但还是在实施中有很多问题。
4. 在接一个数据需求时，按照路径是现实需求的确认（你要干什么）---数据的准备（有哪些数据）----数据的探查（数据之间的匹配、处理、补缺）----模型计算----业务应用（时间的比例：10%--50%--10%--10%---20%） 可见数据的准备收集是非常重要的，但是实际结果业务下午提需求，傍晚才有时间沟通，沟通完三个小时就要数据。
5. 接着第三点，大企业出来的一些数据产品经理，是在大体系某个角色下做的，而非全局，如果让他们考虑全局必然会有很大的问题，特别是刚起步的小公司。
新上任的数据总监，规划了一个很大的牛逼的架构， 但是在落地一年过去了只落地了15%-20%，大数据建设是一个系统化工程，既要满足大数据基础的计算、存储的能力建设、还要完成大数据资产化沉淀建设、还要面对日异多变的各种数据需求，面对来自业务线及管理层的各种诡异数据问题、量化数据工作所带来的价值等狂轰乱炸，继续推进大数据的体系化建设，所带来的问题就是什么时间点做什么事，如何拆解路径图， 如何拆解内容产品、工具平台产品，每种数据产品该如何搭协同演进与合并（从单个产品进化到服务型）是必须掌握的。
好，团队轻松、容易拿成绩、底层沉淀好、数据整理能力会提升；差，大家一起狂，当没有按照路径走下去时，大家一夜回到解放前，留下一个大坑继续让下一任填。反正是作者本人不是在填坑的路上，就是在填坑中。
6.把数据产品经理摆出来堆成个金字塔，绝大数的数据产品经理会只做到了知其然，小部分做到了知所以然，顶尖的做到知其然、知其所以然、知其所以必然，此时这个数据产品经理已经是个很高级别的了，这是另外一个话题。
7. 一个好的数据产品经理应该：
一是过来人，见证了大数据某个子领域的发展；
二是业内行家，对某个领域有深刻的理解；
三是预言家，对未来趋势也有一定的判断
四是强大的总结力，对陌生业务领域很快抽象并找到规律，找到问题点。
作者是Huhv