区块链、低代码、元宇宙、AI智能；
01
【先来说说背景】
这个概念由来已久，但是在国内兴起，是最近几年；
低代码即「Low-Code」；
指提供可视化开发环境，可以用来创建和管理软件应用；
简单的说；
就是可以通过各种组件的拖拽，实现页面的创建，交互流程和逻辑，以及数据层面的管理，更加高效的实现需求；
早先在数据公司时；
见识过低代码的应用，也参与过部分研发，比如元数据平台，BI分析等；
不过，当时还是以数据管理的工具来定义项目，并非是低代码；
从「2020年底」开始；
实际上，那个时间节点，低代码平台的应用已经形成趋势了；
现在的公司，将「低代码」平台的使用「规划」到「业务体系」中；
后来看，这是一个非常正确的决策；
在当时的讨论会议上，大Boss给的理念；
非核心业务全面集成到低代码平台中，将核心业务的边缘流程，以实践的方式迁出小部分到低代码平台中；
并且给了理由，是基于「行业趋势」和「业务周期」的整体考虑，才做出的决策；
其实，所谓的降本增效，也会遵循上述的规律；
不过遭到技术部的「稍微」反对；
主管还当场给了理由，说明为何不支持这样的决策；
但是最终的讨论结果，出自部门老大的建议；
不动核心业务，先将「边缘业务」迁入，根据「效果」再决策后续规划；
当然大Boss最终认同这个结论；
以实践三年后的今天来看，人和人的「差距」确实挺大的；
组织内「Boss」层面的决策正确，「部门」层面的执行节奏，「员工」层面的后知后觉；
有感觉到明显的认知「差距」；
02
【聊聊最初的疑惑】
客观来说；
在研发领域内，大部分玩家对新事物都有一定的「排斥」情绪；
新事物意味「打破习惯」和诸多「不确定」因素；
主观来说；
个人虽然也有排斥新事物的心理，但是很少质疑有趋势性的事物，当低代码应用成为流行趋势时，个人选择跟随就好；
技术部为何下意识的反对低代码应用？
从最近三年的实践和采坑经验来说，以下问题可能都会成为「否定」的因素；
【问题1】平台选择；
这里重点考虑两个维度：普遍性和业务特性；
如果只是常规的业务数字化转型，建议优先从大的生态选择，比如「某微」或「某钉」，相对而言会更便捷；
如果有行业定制化的需求，则需要有针对性调研，比如财务系统，人事管理等；
【问题2】成本困扰；
思考一个问题：
简单业务需求从整体协作去考虑，涉及的时间成本、人力成本、以及产品技术的维护成本；
计算成本之后，和低代码平台的费用做对比；
客观的「数字」最有说服力；
这里依旧是降本增效的策略：更低的时间，更高的效率，更少的成本，更多的回报；
【问题3】业务适用性；
低代码应用刚火起来不久，并没有发展到各行各业都有成熟合适的解决方案；
所以针对低代码平台的使用；
最大的争议点就是，没有找到符合业务特性的平台，但是管理层急于追求数字化和降本；
这种情况下；
如果盲目引入到业务体系中，后期难免会成为烫手的山芋；
所以充分的调研，以及对市场上各种案例的参考，从而客观的分析公司当前的业务阶段，是否有必要引入低代码应用；
【问题4】复杂后的维护性；
涉及到一个决策问题，低代码应用到底谁来维护？
业务人员还是研发角色？
从实践经验看；
建议是由业务方将需求对接到研发团队，个人所在的组织中，是一个产品加一个研发，一起负责低代码平台的迭代；
值得注意的是；
低代码应用具有一定的使用门槛，在使用的时候需要遵循普遍的开发原则和规范，以此保证持续可维护性；
03
【简单聊聊原理】
在说低代码的实践之前，先来分析一下基础性的原理；
如果是普遍的共性业务；
常规就是页面的渲染和展示，数据层面的增删改查，计算层面的加减乘除，当然还要考虑模型整体的驱动和交互逻辑；
如果是行业特色的业务；
则需要低代码平台中进行深度定制化的功能，提供其特定的解决方案；
从技术角度进行原理的简单分析；
在低代码系统中，十分考验前后端的整体「封装」能力；
前端，页面中各种组件和工具的管理，交互时各种动态计算，页面整体的数据填充；
后端，提供整体的模型驱动能力，封装不同场景下的公共的交互接口，从而实现各个模块的流程和逻辑；
数据，比较常规的手段有两种；
【1】进行纵向的表结构设计，数据存储层面使用键值对的方式，构建搜索查询的逻辑比较复杂；
【2】数据采用JSON的格式，在数据体量大的情况下，要考虑查询效率问题；
【3】数据还要提供基础的分析和导入导出能力，以及API层面或者数据通道的搬运能力；
实际上低代码应用的现状，还会提供各种应用和生态的集成能力；
追求功能的全面性；
可以参考「某微」或「某钉」的低代码平台的集成能力；
04
【组织内实践案例】
明白低代码的基础原理之后，再来聊聊近「3年」的实践；
首先要明确一个「认知」；
如果只是从研发角度「纵向」看；
业务可能就是产品矩阵中所涉及的各种事务流程，以及参与流程管理和协作的各个角色；
角度没有问题，但是有点孤立；
但是，「横向」的从组织的整体来看；
即便抛开产品层面，还存在诸多的协作事项，业务流程的管理；
这些普遍不会被集成到产品矩阵中；
但是同样值得「信息化」和「数字化」管理，从而打造「标准化」流程；
在引入低代码平台之后，会形成如下的应用体系；
在工作中，如果涉及多部门间的「横向」交集；
那么会接触到很多第三方应用，而非单纯的研发部门搭建的产品体系；
有的应用极具行业的特色，有的应用倾向共性业务的管理，有的应用倾向私域客群的维护；
不同平台的共通点，都是可以提供定制化的低代码能力；
最为关键的是；
这些平台都提供「对外」的「交互」能力，可以是第三方应用之间的交互，也可以是与内部的产品体系交互；
在这种应用体系内；
组织在实践近一年之后，各种核心的业务流程，都全面的信息化和数字化管理，并且从应用层面打通了不同业务的交互路径；
最后，经过对比论证，业务流的「效率」得到极大的提升；
05
【实践带来的反思】
与低代码平台联系最密切的一个概念，就是「数字化」；
在数据公司时；
见识到数据层面可以挖掘的价值，智能化的分析决策流程，但是缺乏应用层面的数字化实践；
现在的组织中；
强烈的追求业务数字化管理，并且有幸见识到了完整的实践过程，才最终形成比较清晰的认知；
不得不承认，这是一个普通玩家，「后知后觉」的反思；
反思低代码应用；
各厂商基于自身所在的行业，以及技术和产品的实践经验，将其封装在复杂的低代码平台中；
从而提供，各种「相对简单」的业务流模型搭建；
这样可以支撑各种业务场景的数字化管理，并且低代码搭建的产品，本身具备很强的灵活可变能力，都有助于效率的提升；
在业务完成数字化之后，自然可以提升各个场景的统筹效率；
对于当下最热门的「AI领域」来说，其依赖「数字化」的基础，进而推进流程和决策的「智能化」管理；
反思技术的发展；
以前总觉得，所谓的信息化、数字化、智能化「遥不可及」；
但是区区几年的时间，就已经普及到各行各业；
成为当下最大的热点；
所以，面对新兴事物的时候，快速理解和衡量其价值，确实会给认知层面带来巨大的差距；
06
【最后聊几句问题】
随着低代码应用的普及；
越来越多的业务人员具备「简单」的开发能力，必然会给部分研发人员的带来负面影响；
无疑；
加剧互联网的「内卷」趋势，本就卷得一塌糊涂的行业，现在更是雪上加霜；
然而趋势的形成，不会以个人意志为转移；
就像现在的「AI智能」一样，领先的公司不会顾及反对的声音一路狂奔，落后的公司一边喊着反对又一边疯狂追赶；
真正的趋势，本着不可逆跟随就好的心态。