Development

Software-ontwikkeling
low code

Low code verlaagt ook drempels voor developers

Low code vergemakkelijkt data science en back-end-ontwikkeling.

25 mei 2022

Low code vergemakkelijkt data science en back-end-ontwikkeling.

Met low code en no code worden drempels binnen softwareontwikkeling verlaagd. Niet langer is development alleen iets voor IT’ers, maar kunnen ook citizen developers apps en diensten bouwen. Maar low code en no code verlagen ook drempels voor IT’ers zelf, bijvoorbeeld op het gebied van data science en back-end development.

Wie in IT werkt, weet dat er veel kennis nodig kan zijn voor bepaalde taken. Tech-professionals moeten bepaalde programmeertalen beheersen, netwerken kunnen beheren of enorme datasets kunnen verwerken. En wat er precies aan vaardigheden nodig is, verschilt per professie. Binnen de data science zijn er bijvoorbeeld wetenschappers én mensen met techkennis, maar lang niet iedereen is beide. En wie bijvoorbeeld als front-end developer werkt, kent niet per se ook alle ins en outs van de back-end.

Low code en no code kunnen een uitkomst bieden voor het wegwerken van dergelijke drempels. Met deze technologieën is programmeren niet of nauwelijks nodig, maar worden apps en diensten gemaakt aan de hand van visuele interfaces. Maar low code en no code lenen zich niet alleen voor front-end-toepassingen. Ook voor de back-ends in de cloud en data science verschijnen steeds meer opties. En daarmee wordt ook voor IT’ers zelf de drempel lager om een taak in een ander domein uit te voeren.

Data science zonder code

Eén van de vakgebieden waar lowcode- en nocode-oplossingen voor verschijnen, is data science. Niet verrassend, want de populariteit van data science neemt toe, terwijl er een enorm tekort is aan data scientists. Bovendien is het werk wat lang niet door iedereen uitgevoerd kan worden: er wordt gewerkt met programmeertalen als Java en Python en met clusters in Hadoop en Spark. Niet iedereen heeft die vaardigheden en ze aanleren kan lang duren.

Low code en no code kunnen helpen dit probleem op te lossen, door aan de hand van visuele tools data te presenteren of voorspellingen te doen op basis van data, bijvoorbeeld via machine learning. Onder meer het KNIME Analytics Platform maakt dit mogelijk. Dit is een visueel systeem dat werkt met blokken, waarmee data bijvoorbeeld verzameld of verwerkt kunnen worden. Maar het is ook mogelijk om modellen te bouwen of te trainen, zonder dat hiervoor geprogrammeerd hoeft te worden. De kennisbarrière wordt zo dus deels weggenomen, ook voor data scientists zelf die niet willen of kunnen programmeren.

Ook AWS biedt oplossingen voor het probleem, bijvoorbeeld via Glue DataBrew, dat nu twee jaar bestaat, en SageMaker Canvas, dat vorig jaar tijdens AWS Re:invent verscheen. Glue DataBrew is een visuele omgeving waar data geïmporteerd kan worden en vervolgens op verschillende manieren getransformeerd kan worden.

SageMaker Canvas is bedoeld voor data science, vertelt Sébastien Stormacq, principal developer advocate bij Amazon Web Services (AWS). “Je importeert datasets en Canvas analyseert ze. Jij vertelt het systeem over welke kolommen je voorspellingen wil doen en het systeem geeft je een aantal verschillende algoritmes als optie, die je zelf nog kunt aanpassen. Het gekozen model wordt vervolgens automatisch getraind.” Dit systeem is echter niet op data scientists gericht, maar op andere IT’ers en mensen aan de business-kant. “Je hoeft niets te weten over Tensorflow, Python of deep learning.”

En er zijn meer tools. Denk aan nocode-platformen die automatisch algoritmes trainen op basis van ruwe data, zoals Google Cloud AutoML of Obviously.ai.

Cloud-back-end voor front-enders

Daarnaast zijn er steeds meer oplossingen om met geen of weinig programmeercode systemen in de cloud te bouwen, mét een veilige en stevige back-end. “Als je als front-end developer een app voor de cloud wil maken, moet je ook nadenken over de back-end voor de cloud. Dat betekent dat je een load balancer nodig hebt, een database en een host voor de API’s. Daar is veel kennis voor nodig”, aldus Stormacq.

Maar ook hier zijn inmiddels tal van lowcode-oplossingen voor, zoals Xano, AWS Amplify Studio en Airtable. Laatstgenoemde is een tool waarmee via een visuele interface een database opgezet kan worden, die ook verbonden kan worden met teams en workflows.

Xano is een nocode-dienst waarmee een schaalbare server, een database en een API gebouwd kunnen worden, zonder dat daarbij geprogrammeerd hoeft te worden. Zo kunnen dus zelfs mensen zonder programmeerkennis een back-end opzetten.

AWS Amplify Studio – dat sinds april dit jaar algemeen beschikbaar is - is vergelijkbaar: het biedt een console voor dergelijke ontwikkelaars waar een datamodel gedefinieerd kan worden, waarna onder meer automatisch een database en een API opgezet worden. “Dus dat vermindert de hoeveelheid kennis die je nodig hebt om een back-end te maken in de cloud voor de applicatie. Je hoeft niets te weten over serverless werken, Lambda-functies, NoSQL-databases”, vertelt Stormacq.

Beperkingen

Een bekend nadeel van low code en no code is wel dat er een grens zit aan wat mogelijk is, ongeacht waar het voor gebruikt wordt. Zodra er echt complexe dingen gevraagd worden, blijkt ‘high code’ – traditioneel programmeren – toch vereist. Bovendien blijft ook bij low code een goede architectuur vereist, bijvoorbeeld om de kwaliteitseisen te bewaken.

Dat erkent ook Stormacq: “Als je 3 TB aan data moet analyseren, of met supercomplexe datasets of eisen werkt, dan is een tool als SageMaker Canva waarschijnlijk niet de juiste. Dit is meer voor kleinere datasets, met mindere complexiteit.”  

Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.