目录
万物互联、源网荷储、可持续发展等等概念吸引笔者硕士毕业后便投身新能源+物联网赛道,成为一名ToB AIOT产品经理,在设备故障诊断领域体验了一把从“与数据斗”到“与人斗”的小闭环。踩过坑,也有幸趟出过几条路。
在即将离开之际,经前辈提醒故将这三年的成长路径做个总结,恰好切换视角梳理思路本身就是一件有趣的事,分享对于分享者本身更具价值,所以便写下此文。
整个回顾总结篇将首先介绍产品概况帮助读者代入和理解,从个人能力和产品认知两方面总结经验,最后反思总结改进点。本文聚焦产品技能树开枝散叶,如果读者对新能源赛道感兴趣,笔者后续可考虑开专题文章探讨。
1. 产品简述
请你想象一个场景:此时你是一个工厂厂长,厂里有不少价格昂贵的设备,负责精密器件的生产与加工。
你一定会非常关注这些设备的状态:
1. 当前运行的状态是否良好(因为工作状态不佳会影响产品质量)
2.设备是否有局部磨损、需要加油等异常。(因为小问题不及时处理会导致大的故障风险)
当你管理的设备足够多/分布足够广的时候,你一定希望有一个系统能在线监视这些设备的运行状态,并在它们需要维检时立刻提醒你。
这是传统工业里典型的故障诊断场景,现在请你将机械加工设备类比为新能源设备,虽然检修成本更高、数据接入和分析难度更大,体制内组织结构更复杂,但核心需求并没有太大区别。
要满足这些需求,需要解决的核心问题包括但不限于:
- 数据从哪里来?如何获取?——e.g. 物联网技术;相比深挖单一数据类型,主动拓展更多数据类型可以在同类竞争中获取更多优势,是自己投入成本还是外购取决于产品心智(产出比大概率是算的过来的,但产品本身的立足点不能丢)
- 故障案例从哪里来?——e.g. 关联历史工单和故障数据,发现负样本;与公司内部其他团队、客户、供应商建立共创关系可让案例数量迅速增长
- 分析结果如何呈现?——e.g. 离线报告/在线推送;数字化建设领域往往有“演示场景”,不要轻视这个场景,对于你的客户来说可能比一个100%准确的算法模块更重要
- 如何持续获取反馈?——e.g. 离线追踪/在线闭环;更多是产品自身策略/模型迭代需求,但要巧妙转化成客户需求才能推进,客户不会做对他来说没有价值的事
以上列举了我们在做一款新能源领域的故障诊断产品时遇到过的一些问题和解决思路,而“新能源”三个字更多影响的是客户群体组织结构复杂性:这个赛道的客户几乎都是大中型国企,他们更在意组织效率的提升(但不会主动求变),对响应积极性要求高,针对需求和问题大概率不会主动推动与发声,但某个团体一旦发出负面声音造成的影响短期内很难消弭——所以没有服务/运营/配套的纯SaaS模式很难在国企活下去(甚至没有活一段时间的机会)。
新能源和传统工业最大的区别在政策导向、在执行政策的人ÿ