在长期的工作中，我们一直试图寻找「新品牌是如何借助数字化技术实现快速崛起」的答案。

为此，我们走访了大量知名企业，与上千位技术专家、创业者、前辈同行等一线精英们交流学习。看他们是如何利用数字化技术来创造新的商业机会，打造新的爆款产品。

我们希望把这些技术影响商业创新的案例分享给你们。

关注我，每天给你讲一个商业方法论。

今天我们要给你讲的是——为什么低代码沉寂了这么多年，这两年又翻红了？

前不久，钉钉上出现了一个低代码版的“App Store”——钉钉搭。

这件事虽然并不大，但背后反映的却是一个传统产业长期难以解决的问题：

业务需求与开发能力的不匹配，以及数字化人才的缺乏。

事实上，传统产业在推进数字化转型过程中，实际业务经过改造之后，在具体工作执行上会发生变化；

或者需要进行新的系统、软件、App的开发，但企业或组织并没有相应的人才。

比如刚刚脱贫的古蔺县，整个县城根本找不到程序员。而县城学校又希望通过数字化手段来管理教学教务，在没有低代码的时候，这个需求真的很难实现。

实际上，不只是贫困县的教育教学，在工业制造业中，大部分企业也会遇到这种问题。

因为这些企业在过去很多年以来都是采取的粗放式管理方式，产供销、进销存流水线也都非常传统，很多管理流程都依靠纸质单据，相关人员也并不具备数字化的工作理念与技术。

显而易见，这种传统工作方式已经很难适应如今的市场竞争环境。

好在，这些问题正在通过一些技术手段来解决。

随着近几年工厂数字化的步伐加快，许多企业开始对工厂数据做采集、分析及应用。

对数据进行分析后，若再结合低代码、无代码技术的应用，可以帮助用户更快建构企业专属的分析应用，快速体现工厂数据分析价值，提升工厂运作效率及良率。

这两年低代码、无代码平台在许多行业的成功就是很好的例证，现在工业领域也搭上了这班列车，开始了大规模的应用。

低代码和无代码并非新的技术，实际上这些技术早在20年前就已经出现了。

随着数字化需求的爆发，企业内有限的开发人力无法快速跟上业务需求变化，业务人员自行利用低代码或无代码平台进行软件开发的案例已并不少见。

前文提到的古蔺县城学校，一位完全不懂代码的老师，通过自学低代码，在钉钉上开发了数字化教学管理系统、培训报销系统等等。

低代码与无代码平台的爆发，降低了数字化技术的开发与使用门槛，这也催生了“平民开发者”的大量出现。

针对工业制造业数字化转型中的人才问题，讯能集思智能科技CEO张宗尧博士也向首席数智官表达了自己的观点。

十多年前在富士康将机器学习方法用于产线良率改善，做为最早将机器学习用于良率分析的人之一，张宗尧博士对于产业数字化转型的困难与机会有自己的一番见解。

他发现，工业企业对数字化转型的认知，在经历疫情之后有了非常明显的统一，数字化转型的需求也越来越明确与迫切。

在人才缺乏导致组织断层的情况下，一些新一代的分析工具问世，促使了“平民数据科学家”及“平民开发者”开始出现并填补缺口。

未来，分析与开发技术“平民化”将掀起工业制造业的转型浪潮。

本文系讯能集思智能科技CEO张宗尧独家投稿，首席数智官经授权编辑发布。

以下：

讯能集思智能科技CEO张宗尧

过去几年，当我向工业或制造业企业询问数字化转型的意愿时，大家表现得都很积极，高谈自己心目中理想的工厂以及工业4.0。

然而，当我们再往下深入到数据准备的情况及相关预算投入时，上一秒还很热闹的会议室瞬间安静了下来。

这就是我过去几年几乎每一次遇到的情况。

不过，这一切在过去的一年多当中有了明显的改变。

不可讳言，疫情的突袭，让许多企业老板们开始认真思考数字化转型的迫切性，并让大家感受到，过去那一套做事方式似乎真的需要做出改变了。

而我也看到了其他的变化让工业的转型突然间加速了。

01 低代码平台将重新定义数据分析‍

过去一年，在美国与中国几乎每周都有一家新的AI平台或无代码（No-Code）的公司融资。

Gartner的报告显示，低代码（Low-Code）或无代码（No-Code）的市场，光在今年就增长了25％，原本市场规模已经相当庞大的分析软件市场，也在一年内成长了20%。

此外，他们也发现了市场正在发生变化。

在接下来的4年中，购买低代码平台以及增强型分析工具的部门，将有一半会是IT以外的部门。

而这也代表着：那些过去是专门为了协助IT团队分析问题及简化开发流程的软件工具，其定位开始产生了巨大的变化。

这类强调简单易用的软件，到底为产业带来什么改变？当非IT端的人员能够自己做数据分析甚至是开发应用程序时，对数字化转型又意味着什么?

02 工业企业对数据价值的共识‍

过去几年，工业数字化转型的速度，虽然远未达到大家的期望和效果。但是，许多企业主意识到，未来商业环境中数据是转型少不了的一环，几乎所有想得到的环节都需要大量数据与分析为基础。

例如：如何将过去数周的产品良率分析流程减少到几小时，同时还能够更大幅提升良率；

亦或是，在如今超快供应链变化下如何以最小化缺料风险同时还能满足最低成本库存。

因此，不少制造业老板们虽然对于数字化转型仍处于观望阶段，却愿意投入些许资源在企业的数字化，也就是数据的收集上。

有了这样的基础，虽然企业的数据价值仍然未被有效挖掘，但这些企业手上至少有了一座数据金矿了。

那么，该用什么样的工具来挖掘这座金矿强化企业价值呢？

工业场景中的分析需求是非常复杂且有各式长尾问题，其中包含产、销、人、发、财等各种大大小小的问题。

如果用过去数据分析项目制的标准做法，大量的问题交给公司内为数不多的IT与分析团队，却又因为大量需求堆积在IT与分析团队手上，效率过低导致能解决的问题十分有限。

在资源的不匹配下，工业中推动数字化转型势必需要不一样的做法。