评论:用低代码开发来提升你的业务

数字需求在全球范围内不断增加，对更多软件的需求为无代码开发成为主流铺平了道路。

在2021年,Gartner预测到2022年，低代码应用平台仍将是低代码开发技术市场的最大组成部分，比2020年增长65%，达到58亿美元。坦率地说，这是值得庆祝的:低代码和无代码环境已经在帮助企业转型，同时也将开发范围扩大到非技术人员的职权范围。日复一日，这意味着越来越多的人可以访问数据并利用数据进行创新。

然而，尽管低代码和无代码开发的直接商业利益是明显的，我们经常看到有关分析师和其他业务专家的成功故事的证据，但很少有人涉及如何将低代码和无代码开发平台和方法系统化，或者实际上是企业能够正确地进行这种开发的长期机会。

系统化一个低代码和无代码的平台和方法

可以肯定地说，低代码和无代码并没有立即跨越鸿沟。直到最近，许多技术领导者都被迫在购买现成的AI解决方案和纯构建方法之间权衡和选择。当然，前者通常被认为伴随着失去竞争优势和知识产权资产的风险，而后者则是人为错误和执行不力的风险。

这意味着许多公司觉得他们需要在授权业务分析师和授权数据科学家之间做出选择。许多人还感到，围绕AI部署建立合规和流程的必要性令他们不知所措。

更多关于人工智能的报道

然而，在过去的几年里，随着组织扩大对高级分析的使用，并创建更多AI项目，AI的开发和部署必须包括来自组织不同部门的更多人员，包括业务分析师、新手数据科学家、it运营和业务用户，这一点已经变得越来越清楚。

利用日常的人工智能机会

想要利用低代码和无代码的潜力的企业的第一步应该是什么?通常，企业必须首先将数据从竖井中取出，放入一个中央的、统一的、准备好分析的环境中，并选择最合适的内部业务用例。

从这里开始，公司可以使用低代码和无代码的方法，并在设计和管理其AI项目时部署中央、全球和全公司范围的解决方案。实际上，这意味着他们正在系统化地使用数据和人工智能，并加快执行速度。通常，这涉及到尽可能使用预构建组件和自动化来简化工作和流程。

最成功的组织将识别数据科学资源密集型任务，并将其映射到低代码和无代码方法可以提供帮助的地方。这可能会扩展到智能数据摄入、清除复杂文本字段、处理日期和时间、组合数据集，甚至创建新的机器学习模型——所有这些任务都可以通过低代码或无需代码的解决方案完成。许多业务用户甚至冒险使用无代码的数据流水线、数据准备和模型训练，以便使用这些新工具在生产中扩展模型。

业务用户和数据科学家新手可以使用低代码和无代码工具做的其他例子可能包括应用模型断言来捕获和测试已知的用例，以及应用假设分析来交互测试模型敏感性。

为数据科学家提供了扩展机器学习和人工智能的机会

用低代码和无代码的可视化工具为业务和其他非数据科学角色赋权只是机会的一部分:您的数据科学家可能还能够利用低代码和无代码的解决方案来更快地操作更多的模型，而不是只使用代码的方法。

模型维护是这些工具可以显著帮助数据科学家的一个领域。有了用于数据流水线、数据准备、模型训练和mlop的可视化和协作接口，数据科学家可以以透明和可跟踪的方式轻松地在生产中扩展他们的模型，而不会出现故障或中断。通过对模型性能指标的可见性以及设计和生产环境的明确分离，数据科学家能够轻松和自动地监视关键性能指标。

低代码和无代码工具还减少了数据科学家的重复工作，特别是在代码竖井很常见的情况下，以及在工作可能只是因为数据科学家不知道以前是否已经完成而被重做的情况下。集中的、低代码和无代码环境可以作为代码的存储库和目录，为数据科学家提供对整个组织所做工作的可见性，节省时间并开放资源进行实验和创新。

高级副总裁兼总经理格雷戈里·赫伯特Dataiku