人人都是产品经理,这句话从15年就开始说了,意思是每个人都可以对产品(比如你使用的app,网页)进行设计,只需要对整个产品了解就可以。
那人人都是程序员呢?
很多人都知道,程序员加班是日常,久坐、掉发、发胖是特征,可是,提到被轻易替代,咱可是靠技术吃饭的,怎么可能?(心理活动:最多华为干不下去,换个小公司,一样风生水起)
低代码平台的到来,仿佛打脸了:那些没学过的,也能学习SQL,甚至跳过这一步,然后用低代码工具做和我一样的事情。
Gartner预测,4年之后,低代码占比将超过65%,到时候内卷会更严重。
不过,程序员先别害怕,那些不懂代码却跃跃欲试的也别高兴地太早,低代码的利弊到底几几开?
低代码仅仅是一种工具,工具的价值来自使用它的人。设想一下,如果以后老板都是使用没有基础的人,那不还得乱了套?就拿阿里举例子,它们的中台,没有低代码平台就做不了。
但是要把整个平台交给零基础的,双12崩了的话,谁来负责?所以开发人员的知识是很有用的,可以进一步开发实现更复杂的功能。
更重要的是,因为专业的开发者熟悉数据库、结构等知识,工作起来会更高效。
除了提高效率,还有什么原因能让开发者或者零基础的人去使用低代码平台呢?我想了以下实用的几点:
1.数字化转型,这是个反复提及的概念了,传统企业肯定是不能像互联网公司一样搞成大数据平台、数据中台的,有低代码平台对他们来说就是创新了
2.IT预算,开发的人力成本永远是贵的,团队成本或者能让你做出选择
3.对于编程小白、或者开发项目是简单的、模式化的应用而言,开发效率绝对是成倍提升的
于是我看了一下低代码工具,这么多,怎么选?甚至连阿里都有类似的产品,是不是大厂入局的就适合我?还真不是!
我就从3方面来讲一下。
一、选型准备
1、明确用户,谁是开发者?
上面说了,有基础的和无基础的,也就是IT部门和业务部门,选型之前,应该共同参与决策。
2、明确场景:
看你想拿低代码平台做什么,这个在后面会说到。
3、平台的管理体系:和谁一起用?能不能兼容?这可以最大化地发挥低代码平台的作用。
二、平台分类
1、表单驱动型:
可以理解为“在线Excel”,主要用于搭建财务管理、进销存、等应用,如FineReport等。
2、流程驱动型:
一般包括表单开发、图表开发、流程设计等功能模块,主要用于企业内部应用的开发,如企业内部OA、业务管理系统(如HRM等),如简道云、宜搭等。
当然,上面提到的FineReport也可以做表单、图表的开发,所以整体来说是通用的。
3、模型驱动型:
通过业务模型再建模层图形化搭建,形成蓝图到系统的能力,最终满足企业端复杂的业务场景需求,如FineBI、Tableau。
三、架构选型
1、整体架构:
整体架构是采用B/S还是C/S,建议优先关注B/S架构,B/S在安全性、系统扩展、云支持等方面有着无可比拟的优势,是否支持Oracle、Mysql、Mongo等多种数据库。
2、兼容性与扩展性:
能否对接外部平台,有没有丰富的API接口,从而满足定制化的开发。
3、安全性:这点不用我多说吧。
说了这么多,是不是觉得很虚?那我就举个报表和BI的例子吧,以前做报表开发,都是得一行行代码写出来,需求随意变化,做好了表又不看,那是常有的事。
而有了低代码平台之后,熟悉Excel操作,再加了解简单代码即可轻松进行各种样式的报表设计,无须学会Java、php等各种复杂的程序语言,不心动?
以前我们请第三方来帮助我们开发报表,有时候我们需要的做不出来,因为他们对我们的业务和报表完全不能理解。
其次我们的报表需求变化非常大,今天是这样,明天可能就是另外一个样了,而软件公司的开发是一次性的,不满足我们的长期需求,而且速度也很慢。
最后我们使用FR搭建报表平台,有了这个报表平台,我们自己的人员就可以制作报表,很方便很快捷,不需要开发人员,省了不少人力成本。
FineReport作为低代码平台,优势就体现了,不需要专业的开发人员,随便来一个人,只要稍微懂一点数据库和SQL的东西,就可以做出报表,因为很多IT部门的人,不是纯粹的技术人员。
那我不会数据库,也不会SQL呢?没问题,另一个低代码乃至0代码的平台,FineBI,也能有一样的效果,所以我说低代码,不仅仅是给开发者用的。
如果财务、市场、销售人员也想用,也是肯定可以的。
你看上面的这个动图,看似随便拖拽一下就可以生成可视化,殊不知后面的很多功能都是被封装好了,以往一步就要写很多的代码,现在不需要了。
和报表工具一样,它也可以连接多种数据库,而且是浏览器里就能实时查看数据。
出现简单的需求时,自己直接就能分析了,以往都是找IT沟通,然后IT人员写代码给你结果,低代码平台完全改变了这样的工作模式。
既有挑战,也有机遇吧,如果想用低代码平台,先改变内心的看法吧。
本文只是简单提及了低代码平台开发过程中的一些主要方面的技术选型,细节内容是非常庞杂的,足够写几十篇来详细阐述,此处空间太小,不一一展开。
BI 可视化
原创文章,作者:3628473679,如若转载,请注明出处:https://blog.ytso.com/tech/bigdata/214538.html