技术下午茶:产品经理是如何工作的?如何才算一份好的需求文档?如何设计一个简单的列表,它应该具备哪些基本功能?

简介: 技术下午茶:产品经理是如何工作的?如何才算一份好的需求文档?如何设计一个简单的列表,它应该具备哪些基本功能?

技术下午茶:产品经理是如何工作的?如何才算一份好的需求文档?如何设计一个简单的列表,它应该具备哪些基本功能?


前言

经常会被产品童鞋问到关于求职面试相关的问题,作为一只从业经历5年的B端产品汪,再回过头来看待这些标准的面试问题,总是有些不同的感悟。

那么今天就来分享下在产品求职面试中会被经常问到的几个问题,供刚入职不久的产品萌新,或者想要转岗的童鞋作为参考。

如有歧义,以你为准。

1、产品经理是如何工作的?

我们先来看看计算机是如何解决问题的,首先从具体的问题抽象出一个适当的数学模型,然后设计一个求解该数学模型的算法,最后用某种计算机语言编写实现该算法的程序,调试和运行程序,直至最终得到问题的解答。

产品经理的工作方式也类似,首先将具像化问题抽象出一个可以描述用户痛点的用户场景,然后设计一个最优的可以解决用户场景中的痛点的产品方案,最后编写详细产品设计方案,经由开发实现、测试、交付直至最终解决用户的痛点。

image.png

2、如何才算一份好的需求文档?

我们先来看看如何评价一个算法的好坏:能正确地实现预定的功能,满足具体问题的需要;易于阅读、理解和交流,便于调试、修改和扩充;即使输入非法数据,算法也能适当地做出反应或进行处理,不会产生预料不到的运行结果;应当考虑算法的时间性能和空间性能。

一份优秀的需求文档参考维度也类似。

首先是正确性,需求文档需要正确地描述产品的功能及其满足的用户场景;

其次是易读性,需求文档是面向于开发人员、测试人员,其书写的逻辑结构必须容易理解并且可实现,而且产品功能不能固化写死,需留出后期扩展的空间;

再次是健壮性,需求文档应该描述各种输入内容下经由产品功能处理后的输出结果,并且考虑到各种用户输入性错误处理和系统判断规则处理,简单的如非空判断,格式错误,编码不存在,编码未启用等;

最后是时空性,需求文档规划的功能需要考虑其时间复杂度和空间复杂度,即时间效率和空间效率。

时间复杂度是产品功能逻辑所带来的系统计算量,运算过程会消耗时间,示例:计算机读取数据效率为1000条/秒,假设读取的数据为组合结构,商品+颜色+尺码,则500个商品,每个商品5个颜色,每个商品20个尺码,数据量为5W,则读取该数据需要50秒。当使用并行20个POD节点,则需要2.5秒即可完成。

空间复杂度则是在系统运算时所占用的存储空间,包含程序运行占用的空间、输入的数据占用的空间,以及一些辅助运算的算法占有的空间。示例:多人同时使用系统,所带来的操作占用了系统进程,后来的操作就需要排队才能执行。

image.png

3、如何设计一个简单的列表,它应该具备哪些基本功能?

我们可以先来看看线性表的基本功能:初始化一张不包含数据元素的空表,求表长、读取表中的元素、定位表中的元素、插入一个新数据元素、删除表中的数据元素。

一个常规的列表应该包含增删改查4项基本功能。

  1. 增为增加,即用户根据列表字段规则输入内容,完成后系统在列表中插入一条数据;
  2. 删为删除,即用户首先定位列表中的数据行/列,然后删除定位的数据;
  3. 查为查找,即用户根据某一指定的数据,列表读取并筛选符合条件的数据并更新列表;
  4. 改为修改,即用户首先定位列表中的数据行/列,然后修改其内容,系统重新赋值更新数据。

了解了基本功能后再考虑基本的交互逻辑,设想下用户常用的操作场景,首先点击菜单入口打开一个列表页面,查看列表数据或是通过筛选条件查看指定数据,找到某条信息后修改或者删除数据,若没有符合的数据,则通过新增数据的方式插入信息。

除了基本的增删改查外,还可以引入批量操作的功能,对某些具有相同业务场景的数据进行批量修改。

另外,列表页面可以有2种设计方式,一是展示一个缺省图,即空白列表,需要用户输入指定筛选条件才能查询数据,常用于数据报表等列表设计。由于其数据量大,查询效率低下且不具有一定业务查询确定性,则可以让用户先提供条件,再根据条件进行查询。

另一种则是页面初始加载指定数据,系统已经按照用户常用使用场景预设好一定的条件规则,并且在页面打开时便展示列表数据供用户查看。这一种列表设计方式常用于数据量少,且具有高频业务场景使用的情况。

image.png

未完待续

以上观点仅为个人闲暇之余对于一些面试题的思考。想起以前做面试官的时候,开场来来回回问的也就这些,也没有什么新意,后面问具体做过什么项目以及项目细节才是核心。

在此写下了并分享,算是有做了一次个人复盘,对比以前的回答也有了些许的不同,这应该算得上是一种进步吧~

相关文章
|
存储 数据采集 人工智能
AI时代:云存储加速多模态数据存储与管理创新
阿里云存储产品高级解决方案架构师欧阳雁(乐忱)分享了中国企业在全闪存高端存储市场的快速增长,指出AI大模型的发展推动了企业级存储市场。去年,高端企业级存储闪存占比约为25%,相较于欧美50%的比例,显示出中国在AI领域的巨大增长潜力。演讲涵盖AI业务流程,包括数据预处理、训练和推理的痛点,以及针对这些环节的存储解决方案,强调了稳定、高性能和生命周期管理的重要性。此外,还介绍了数据预处理的全球加速和弹性临时盘技术,训练阶段的高性能存储架构,推理场景的加速器和AI Agent的应用,以及应对大数据业务的存储考量,如对象存储、闪电立方和冷归档存储产品。
42269 22
|
应用服务中间件 PHP nginx
|
4月前
|
人工智能 并行计算 物联网
大模型训练全攻略:从GPU选择到模型调优,一篇搞定
AI博主maoku详解大模型微调:从显存估算、GPU选型到LoRA实战,覆盖硬件配置、精度权衡、过拟合应对及完整训练代码,助你低成本高效入门大模型训练。
大模型训练全攻略:从GPU选择到模型调优,一篇搞定
|
4月前
|
存储 人工智能 物联网
给AI模型“瘦身”:LoRA微调技术,让你用消费级显卡玩转大模型
LoRA(低秩自适应)技术让大模型微调变得高效且低成本。它通过冻结原模型权重,仅训练小型适配矩阵,大幅减少显存占用与计算资源。相比全参数微调,LoRA在保持接近原模型性能的同时,可将可训练参数量降低至0.1%以下,使个人开发者用普通GPU也能微调7B级大模型。结合QLoRA、多任务融合与权重合并,LoRA已成为大模型落地应用的核心工具,真正实现“轻量化定制”。
|
监控 安全 Linux
网络安全事件应急响应
应急响应是针对网络安全事件的快速处理流程,包括信息收集、事件判断、深入分析、清理处置、报告产出等环节。具体步骤涵盖准备、检测、抑制、根除、恢复和总结。
|
Java Python Windows
软件安装(四):Pycharm安装详细教程
本文提供了一个详细的PyCharm安装教程,包括下载、安装和使用步骤,特别强调了在Windows环境下安装时不要选择关联.py文件的选项,并说明了如何配置系统环境变量Path以及激活账号密码。
531 1
软件安装(四):Pycharm安装详细教程
|
自然语言处理 算法 数据可视化
9-4|Python在一群人聊天记录中提取关键字 需要什么步骤
9-4|Python在一群人聊天记录中提取关键字 需要什么步骤
|
存储 关系型数据库 数据库
服务器数据恢复—ESXi无法识别原数据存储和VMFS文件系统的数据恢复案例
一台某品牌服务器,通过FreeNAS来做iSCSI,然后使用两台同品牌服务器做ESXi虚拟化系统。 FreeNAS层为UFS2文件系统,使用整个存储建一个稀疏模式的文件,挂载到ESXi虚拟化系统。ESXi虚拟化系统中有3台比较重要的虚拟机,这几台虚拟机情况如下: 1、windows server操作系统,运行门户网站,采用ASP.net+PHP混合构架,部署的SqlServer和mysql数据库 。 2、FreeBSD操作系统,运行Mysql数据库,供其他多台虚拟机使用。 3、windows server系统,存放新开发的程序代码。
|
监控
产品经理------需求文档(上)
产品经理------需求文档(上)
927 0