大B企业中台+低代码平台融合的一些思考

简介: 低代码开发平台有自身的优势如何与业务中台相结合来适应市场快速变化说一些个人的分析和思考。


低代码开发毋庸置疑是所有应用软件开发追求的目标,但是专业开发也是必不可少的。随着软件的开发的发展可能开发人员会严重两极分化,分为简单开发和资深专业开发,中间层开发人员很少或消失。

目前市场上的代码平台在使用可能在某些应用场景上还不那么顺手,但是在业务相对比较简单或对软件要求比较低或个性化要求不高,还是看不错的选择。

   比如阿里宜搭,通过页面拖拉拽可以实现系统开发,大大降低了软件开发成本。

主要有下面几方面的优势:

l 可能页面配置就是需求提出人自己实现的,大大减少了沟通成本和传统开发中的信息传递的不准确。

l 系统架构设计完全不需要关注,由平台专业的系统架构师负责。

l 页面UI设计也不需要关注,平台提供页面风格的选择。

l 具体代码开发基本没有、数据存储也不用关注,代码开发人员和DBA都省了,这些完全有平台自动完成。

l 系统开发完成以后即可上线,通过平台DevOps直接发布。

l 系统后期运行维护也由平台来负责。

但是对于一些大B企业业务复杂度比较高难满足了。有这个几个方面:

l 大B企业在界面的风格上都有本企业统一的要求和规范,需要深度定制。

l 业务需求比较复杂,如平台不能满足就无法实现,灵活性太差。

l 大B企业打造的大中台和市场上得低代码平台融合如何。

l 对系统的性能要求比较高,对后端服务横向扩展是可以根据业务去调整的。

l 对数据的安全性要求较高,必须存储在特定的存储磁盘上。

l 大B一般核心软件系统上线都需要研究院进行代码、性能、安全测试才可以上线,对软件完全可控。

  目前国内很多大B企业为了适应市场的变化,信息化统一规划。以客户全物联为基础、共享大中台为核心、灵活开发微应用为支撑建设系统。参与过某大B企业对核心系统改造,尝试中台和低代码平台的结合,主要解决大B企业软件系统开发的痛点:1.需求快速开发交付适应市场变化。2.满足新应用或复杂业务的快速支撑 3.降低对大部分开发人员的能力要求。 4.软件完全可控不能是个黑盒,符合集团规范。5.降低软件开发成本。

系统升级优化的关键改造点:

l 低代码平台作为系统基座基础。

l 低代码平台一般页面对象和数据库物理表是强一致性的。大B企业一般都有自己数据存储规范,实际中很多也不能完全和页面对应。所以需要把低代码平台页面对象和数据库物理表解耦。

l 企业中台建设会沉淀出来很多领域对象和服务能力,低代码平台页面对象和领域对象建立关系获取中台的服务能力,领域对象和物理数据模型建立关系最终实现数据的持久化存储。

l 对业务领域沉淀的服务能力可以再编排组合生成一个新的服务能力。

l 低代码平台中另外一个重要功能BPM流程编排,定义的流程节点可以直接绑定沉淀的服务能力和配置页面实现业务流。

l 低代码平台支持开发人员直接编码开发页面或直接嵌入页面。

l 专业开发人员可以对低代码平台页面控件或组件进行扩展。

但是在尝试过程中低代码平台的页面设计一直都是客户最大痛点,不够灵活,很难满足个性化要求,这些也是未来需要优化的重点任务以及衡量低代码平台是否好用重要的一方面。


   以上只是一些个人看法,文笔也有限,欢迎大家批评指正!

相关文章
域名注册流程和费用:2025最新阿里云域名购买、信息模板实名认证教程
本文详细介绍2025年最新阿里云域名注册流程、费用、实名认证及优惠口令使用方法,涵盖域名查询、信息模板创建、价格说明与注册步骤,适合新手快速掌握域名注册全流程。
|
JSON 小程序 应用服务中间件
微信的openid是用户的唯一id吗?
【10月更文挑战第4天】微信的openid是用户的唯一id吗?
4681 5
|
Oracle 关系型数据库 分布式数据库
《PolarDB的Oracle平滑迁移之路》电子版地址
【DTCC】PolarDB的Oracle平滑迁移之路 - 赵殿奎
423 0
《PolarDB的Oracle平滑迁移之路》电子版地址
|
2天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1200 1
|
25天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9591 32
|
11天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
10天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
788 1
|
6天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
523 0

热门文章

最新文章