关于低代码数据科学家的迅速崛起

低代码软件开发，最近才被吹捧为下一个大趋势，现在已经到来，它已经成为主流。根据Gartner的数据，到 2025 年，组织开发的 70% 的新应用程序将使用低代码和无代码平台创建，高于 2020 年的不到 25%。如果您还没有使用低代码平台，那么您很快就会使用。

低代码和无代码开发使没有技术背景的人可以创建数字产品，这就是“公民开发者”一词的由来。然而，公民开发商的想法有点误导。虽然您确实不必通过培训来使用低代码工具来成为技术人员……..一些可转移的技能肯定会有所帮助。正如数据科学家和低代码传播者 Rosaria Silipo 所说，“ 无代码并不意味着无数学。”

此外，虽然组织和所谓的公民开发人员当然会从更容易获得数字开发中受益，但技术人员也是如此。行业研究表明，很大比例的专业开发人员——很可能是三分之一，可能接近三分之二——正在使用低代码解决方案来加快他们的工作或创建变通方法。

低代码人工智能：供需故事？

企业比 IT 更需要的唯一技能是数据科学。当谈到低代码 AI 解决方案时，同样的市场力量通常会推动低代码的采用。

对于希望启动和运行 AI 项目的组织而言，缺乏人员并不是唯一的挑战。当涉及大型或复杂的数据集时，人工智能开发通常需要很长时间并且是资源密集型的。换句话说，它的成本很高。除此之外，对数据科学家的竞争非常激烈，而且报酬丰厚。大数据和人工智能项目涉及金钱和时间方面的严肃承诺。

到现在为止，就是这样。低代码有助于显着加快时间进度，同时不仅降低每个项目的成本，而且降低员工人数 - 越来越多的证据表明，低代码解决方案通过减少总人数来帮助弥合技能差距招聘企业需要做的。在最近更新的现代数据基础架构的新兴架构中，Andreesen Horowitz 指出，机器学习行业正在围绕以数据为中心的方法进行整合，低代码机器学习解决方案（如 Continual 和 MindsDB）使机器学习建模过程自动化。

适合每项工作的低代码工具

虽然这对数据科学家来说可能听起来是个坏消息，但值得记住的是，数据科学家本身正受益于使用低代码 AI 工具的速度和易用性的提高。

低代码运动通常被描述为所有数字化事物的“民主化”，打破了发展和转型成果的障碍。从数据输入到数据转换再到机器学习，这种民主化已经逐渐发生在数据科学的各个层面。

有一种低代码、更简单的方法可以完成许多以前高度复杂或需要很长时间的工作。使用低代码解决方案，项目时间表加快，数据科学家不再发现自己被锁定在基于他们碰巧拥有的特定编程技能集的工具和流程中。

以 SQL 为例，这是一项经典技能，也是数据库的核心语言。然而，为了处理数据，数据科学家过去需要精通许多其他语言、BI 工具和 ML 解决方案。仅此而已：与其从数据库中提取数据，将其上传到 BI 工具，然后是 ML 工具，运行模型，然后将结果加载回 BI 工具，还有一个快速增长的运动，试图在其中发生奇迹数据层，使用已建立的通用数据语言 SQL。

此示例来自数据库内机器学习领域，展示了数据科学家现在如何使用标准 SQL 命令查询预测并从数据库内部构建 ML 模型。由于dbt Labs等公司提供基于 SQL 命令的数据转换产品，数据管道是流程被彻底简化和加速的另一个例子。

长期以来一直在争论不同编程语言和工具的相对优点的数据科学家越来越发现，不起眼的 SQL 可以让他们快速轻松地到达目的地。

使用数据库内工具加速转型

对于数据科学家来说，这是一个令人不安的事实，但分析很容易成为减缓数字化转型的瓶颈。这背后有充分的理由——缺乏技能、成本、复杂性。低代码数据科学工具从根本上加快了从数据中提取可操作情报的过程。在经验丰富的数据专家手中，数据库内低代码解决方案的速度、简单性和成本效益带来了非凡的可能性。通过使海量数据更易于访问，数据科学家只需受限于他们的想象力，而不是通常的事情无法完成的原因（成本、集成问题、时间问题、技能差距）。低代码解决方案正在帮助创新的数据科学家大放异彩，因为他们可以更快地交付 ROI，并在越来越多的场景中展示 ML 的强大功能。

它们还有助于增加组织的整体数字输出。毕竟，大流行导致世界转向数字解决方案，而且已经没有回头路了。 四分之三的首席信息官报告称，对新的数字产品和服务的需求有所增加，此后一直在增长。对于已经过度劳累、过度紧张和压力过大的数据和 IT 团队来说，低代码解决方案的推出恰逢其时。

低代码世界的挑战

尽管低代码数据科学工具的采用率正在迅速上升，但这种类型的开发仍处于早期阶段。可以理解，组织担心非专家处理数据（和其他）项目的安全性和合规性影响。随着开发和数据科学变得越来越去中心化，组织面临的最大挑战之一将是培养一种文化，在这种文化中，创新可以自由发生，但仍然具有战略性、相关性和安全性。大多数专家同意，公司政策需要更新以反映低代码实践。

数据科学家使用低代码 AI 解决方案时，可以提高工作效率，但最终可能会间接增加他们的工作量。虽然“公民发展”听起来像是独立于 IT 团队运作，但数据科学家的现实将意味着越来越多的人呼吁帮助整合、拯救或以其他方式支持在其他地方创建的数字工具。

低代码数据科学家的生活

低代码工具代表了迄今为止数字化方式的重大破坏。像所有破坏性力量一样，它在威胁现状的同时创造机会。

对于数据科学家来说，低代码现在已成为生活中的事实，这是一种人工智能开发的混合方法，由于其无可否认的速度和简单性，应该被接受。此外，IT 的民主化和去中心化是不可阻挡的。对于数据科学家来说，现在的问题不是是否采用低代码，而是如何做到最好。我已经看到低代码快速跟踪了许多数据科学职业。像他们一样了解他们的领域，他们已经比他们的非数据同事拥有优势。在数据科学家手中，低代码解决方案可帮助数据科学家更快、更智能地工作，同时更灵活、更有创造力。