价值着陆，行稳致远 中国企业级无代码开发白皮书 2023.4 iResearch Inc.2 2023.4 iResearch I核心观点 来源：艾瑞咨询研究院自主研究绘制。不能灵活而快速地搭建企业级软件，是大多数企业面临的痛点，在技术、市场环境 加速变化的今天尤其如此。这种痛点，不仅导致了开发效率低，而且因环节多、周 期长，进一步导致开发过程中信息传递衰减，本该的慢工出细活却成了夜长梦多，企业长时间、重资金投入却不能得到趁手的好软件。柔性的无代码可有效解决这一 痛点，因技术能力封装、复用，开发效率大幅提升，甲乙方不同角色间进行圆桌式 开发，软件的使用者真正参与进来，软件质量和体验得到显著提升。后期软件维护、优化简单，常可在一线闭环完成，研发侧不再处理这些“碎活”，时间和精力用于更有意义的事情。应用 数据越来越多，越来越乱，是企业面临的另一痛点。这一痛点并不会因传统意义的 低无代码而消除：业务侧软件开发变得容易，数据反而加速熵增。数据治理即是为 消除这种熵增而出现，但一来较重，二来与应用不能天然打通，企业构建一款新软 件，仅能依靠规范进行对接，但仅仅依靠规范并不持久，必须借助系统及外部“能量”共同形成负熵流：让散的数据串起来，让乱的数据结构化起来。数据驱动的无 代码应运而生：数据产生即治理，治理即可被复用，只要基于该平台构建的软件，底层数据天然贯通。软件直接“生长”在统一的数据底座上，无感知的数用一体的闭环形成。在生长逻辑下，软企服务生命周期也变长，一锤子买卖变为陪伴式成长。数据 当软件开发快速而灵活、企业数据贯通而“整齐”，企业另一个痛点 领域知识 和员工智慧常存在于个人大脑中，并不能沉淀到企业系统中 也迎刃而解。因软 件开发简单，员工不再压抑自己的需求、想法、创意，形成“因爱而试，因试而爱”的正向循环，公民开发理念得以落地。因数据实时治理，历史数据尽可用来分析、决策，数据分析不再是管理者和分析师的专权，数据直接赋能每一位业务人员。人 工智能尤其是通用大模型的出现，将进一步加速知识的显性化和沉淀：有经验员工 的自然语言、操作动作，被记录、被分析，进而转成数据、脚本、系统，沉淀为企 业资产。另外，数据分析有助于进一步的流程优化。企业软件系统不再只是 IT 骨架，而具有了领域知识和智慧的血和肉。智慧3穷则思变：中国软件产业困境与出路 1上下求索：不同软企的转型探索之路 2守正出奇：企业级无代码的实施路径 3身体力行：企业级无代码行业实践 4因势而动：企业级无代码未来展望 54 2023.4 iResearch I 2023.4 iResearch I数字化关键承载体应用软件的理想状态 业务契合、体验良好、灵活扩展、根基稳定 近年来，数字经济蓬勃发展，不管是整体规模，还是在整体 GDP的占比都稳步上升。数字经济包括数字产业化和产业数字 化，其中产业数字化为重中之重，占比更高，且占比逐年上升。企业软件可分为垂直型和通用型，通用型又可以分为基础型和应用/管理型。其中，应用/管理型软件占比较大，是产业数 字化，进而是数字经济的关键承载体。应用/管理软件，尽管跨不同行业，但本质可抽象归一，因此有相对统一的评价标 准：第一，其属于应用领域，与业务相关，因此要与企业实际业务（不仅是招标显性需求）高度匹配；第二，用户直接使 用，因此除稳定性外，还要具有良好的、人性化的体验；第三，企业业务多元且变化，这就要求软件具有开放性、自适应 性与成长性；第四，安全、先进、高度抽象的底层架构和数据底座是前三点的保障。来源：艾瑞咨询研究院自主研究及绘制。企业应用/管理软件的理想状态 稳定性 易用性 开放性 自成长 安全性 先进性 抽象性 功能性 前台（显性特征）：01功能-匹配实际业务需求。02稳定易用-给予用户良好、人 性化的使用体验。03开放、自成长-及时响应由复杂多变外部环境引起的需求变动。后台（隐性特征）：01抽象性-高度抽象复杂业务需求，支撑前后台解耦。02先进性-创新应用前沿技术。03安全性-在数据、网络安全方面具备完整的防护措施。来源：中国信通院，艾瑞咨询研究院整理及绘制。2005-2021年中国数字经济规模 2.64.69.516.227.231.335.839.245.514.2%15.2%20.3%26.1%32.9%34.8%36.2%38.6%39.8%2005 2008 2011 2014 2017 2018 2019 2020 2021数字经济规模（万亿元）数字经济占 GDP 规模的比重（%）5 2023.4 iResearch I数字化转型的当下供需双方面临的挑战 在需求明确、软件修改、系统集成等方面存在多种卡点 在数字化转型过程中，软件需方（甲方）和软件供方（乙方）之间存在多种卡点。具体表现为：（1）乙方常希望甲方需 求极为明确，但甲方的数字化转型本身就是摸石头过河的过程。（2）甲方希望软件后期可以修改，但乙方绝不允许付出 大量劳动的软件推倒重来，除非甲方另行付费，因此乙方一般不愿意开发过程中尤其是后期甲方的参与。（3）甲方往往 拥有多个乙方（不管是不同时期的，还是同一时期的），这些软件系统往往体验不一致、数据不一致，集成工作复杂，且 一旦集成完就又是一种“写死”。（4）甲乙双方都希望员工稳定，即使不稳定也能保证项目衔接顺利，不带来大量重复 对接工作，更不能烂尾，但现有开发模式下，双方其实都高度依赖员工个人或者具体实施的小团队。来源：艾瑞咨询研究院自主研究及绘制。软件需方和供方间的卡点 希望甲方需求极为明确 体验/数据不一，集成工作复杂 高度依赖个体员工或小团队 数字化转型 摸石头过河 不同/同一时期拥有多个乙方 希望员工稳定，项目衔接顺利 希望软件后期可以修改 不愿意开发过程中甲方的参与 软件 需方 软件 供方 S D6 2023.4 iResearch I软件需方经营之痛：横向的数据熵增 市场加速变化、软件系统变多，造成企业数据熵增 企业经营存在数据熵增。在早期，企业使用单一的标准软件，且连续多年变化不大，此时，数据相对统一，但业务发展往 往受限。随着信息化的逐步推进，企业引入越来越多的软件系统，这些软件可能自主开发、外包开发或直接采买，数据孤 岛开始形成，数据治理变得复杂。单纯低无代码的出现，并不能天然消除数据孤岛，反而因为开发变得简单，软件数量开 始井喷，数据急剧熵增：软件良莠不齐、大量僵尸软件、数据标准不统一、数据关系混乱。系统熵增必须依赖耗散结构予以消除：数据驱动的无代码，除用户体验侧继承无代码的统一性外，在底层数据侧，依靠共 识、约束、自动治理和智能关联等外部“能量”，产生负熵流，使得数据产生即被治理，治理即可复用，最终形成底层数 据贯通、流动，表层样式和交互多元丰富的无感知数用一体闭环。来源：艾瑞咨询研究院自主研究及绘制。数据驱动的无代码助力消除系统熵增 我们想根据自己需求开发一款软件。业务 公司的 系统根本满足不了我们的业务需求，并且太难用了，我们还是要自己做。业务 总不能因噎废食或者削足适履吧，给公司赚钱的是业务好吧！业务 不，你不想。公司现在的 系统不可以吗？IT/数据 那你知道“软件构建一时爽，数据治理火葬场”吗？IT/数据 负熵流外部“能量”：人(规范)/设计(系统)/数据与智能 共识 约束 自动治理和 智能关联 理解软件标准、规范 关系的字段（属性）归一，字段类型统一，字段选项集（域）统一 实体关系的可视化，数据血缘分析，非 规范数据自动标注或治理 数据范式不 合理 字段（属性）的同名异义和异名同义 实体关系的 不可观测 数据无生命周期 数据血缘的 不可观测 数据须复杂人工治理方 可复用 数据权限不统一，无法全局多系统 共用自主存取控制和强制存取控制 消除的问题7 2023.4 iResearch I软件供方开发之痛：纵向的信息衰减 环节较多、周期较长，共同造成了软件开发的信息衰减 软件开发流程存在信息衰减。造成这种衰减的原因有：（1）软件开发环节较多。软件开发包括需求分析、设计、编码、测试、部署与维护、优化与改进等多个环节，这些环节往往涉及不同人员、不同部门、甚至不同公司，其间的信息传递必 然存在衰减。（2）软件开发周期较长。传统软件开发，短则几个月，长则一两年，即使是同一人、同一部门也往往会与 最初的想法不完全一致，并且在此过程中，还往往存在人员的入转调离等。防止这种信息衰减的方法有：（1）增加沟通带宽，保持多环节间密切的、多形式的沟通。（2）增加保真度，能用草图 的不用文字，能用原型图的不用草图，能用可运行软件的不用原型图。（3）缩短开发时间，尽量消除时间维度上的衰减。在传统开发中，以上几种手段往往相悖，例如高保真原型必然增加开发时间。无代码开发，可以一举而实现以上三种，为“圆桌式开发模式”（见后文）提供可能性。来源：艾瑞咨询研究院自主研究及绘制。无代码开发赋能防止信息衰减 软件开发流程存在信息衰减 防止信息衰减的方法 软件开发环节较多 需求 分析 设计 编码 测试 部署 维护 优化 改进 员 门 软件开发周期较长 则 长则 1-2 可运行软件 原型图 草图 文字 无代码 增加沟通带宽 缩短开发时间 增加 保真度8 2023.4 iResearch I打造好软件的瓶颈 需求模糊多变，合适人才难招，长期只能做低端外包 尽管 ToB 应用/管理领域的好软件标准已相对明确，且 PLG 渐被业界津津乐道，但软企为客户打造好软件并不容易，主要由 以下内外部原因造成：第一，应用软件自身的不确定性，加上客户自身的 IT 素养，导致需求的模糊、多变、紧急成为常态。第二，软企的内卷和甲乙方一直以来的定位导致软企甘愿以重度集成、重度二开、拼人头等形式为甲方提供项目制服务。第三，人才地域分布的不均和层次分布的不均，使得不少软企难以以较为合理的价格招聘到合适的人才。第四，传统的开 发模式下，行业认知得不到沉淀，使得软企陷入了“只能做工程实现上的外包，没能力输出行业认知”的恶性循环。来源：艾瑞咨询-2021年中国 IT 人才供需报告，智联招聘，艾瑞咨询研究院自主研究及绘制。内外部原因共同导致的软件不可能三角 软件“不可能”三角成本 效率 质量人才分布不均 二三线城市和非头部软企，难以以合理的价格找到合适的人才，尤其是能承担架构工作和复杂需求的人才。加上甲方需求的模糊、多变、紧急，常导致软件质量不高。传统商业模式的桎梏受产业环境影响，软企习惯以“铺人头”的方式满足甲方复杂多变的定制化需求，长此以往，大 量企业资源聚集在项目交付、二次开发过程中，攀升的人力，使得中国软企的成本较高、毛利较低，企业发展受限。复用程度低，对接工作繁杂我国传统开发模式，不仅各个部门、环节内部的封装和复用程度低。而且，部门间、环节间存在大量的对接。这些因素，共同导致开发效率低下。高端/中/低端人才占比 较低专业素养 或无工作经验 51.03%供过于求，但身处三四线城市的中小型软企仍存在招聘难题 通用技术人才 40.57%供不应求，需求端增速放缓，供需缺口缩小 掌握新一代技术 或从业经验丰富 8.40%供不应求，厂商竞争激烈，薪 酬大幅上涨 高端人才 中端人才 低端人才 77%互联网技术人才需求 集中在一线、新一线城市，北上深以 高需求、高供给、高薪资 成为三大热门城市。人才地域分布的不均会提升招聘成本，加剧 不同等级人才 的供需矛盾。不同等级城市互联网技术人才需求占比 一线城市,43.8%新一线城市,33.1%二线城市,16.2%三线城市,4.2%9 2023.4 iResearch I穷则思变 供需双方思维之变 从局部到全局，从工程到认知 面对“成本 效率 质量”的传统不可能三角，不少企业进行过各种尝试，例如企业使用开源或自研的框架、组件，提 高开发中代码复用率，从而降本增效。但这些并没有解决根本性问题：第一，这种框架、组件、低代码式的提效，往往只 覆盖到狭义的软件开发环节，前期的需求调研、原型设计，后期的产品运维等，并没有纳入进来；或者每个环节都有各自 的提效方式，但并没有串联起来，各环节之间的衔接，成为效率的瓶颈。第二，也正因为这些框架和组件，只聚焦于开发 环节，因此没法大量沉淀与行业相关的认知，行业认知（也常称为 Knowhow）这一宝贵财富，仍分散于售前工程师、售 后工程师、咨询顾问、产品经理等多个角色中，并常随他们的离职而丢失。软件开发的思维之变 局部 开发的量变式创新 效率 是软件开发技艺的持续改 进，通常发生在 局部的、单个 业务场景或开发环节。框架、组件或前沿技术应用必然能提 升狭义开发效率，但缺失全局 思维，环节间提效的不衔接将 成为提效的瓶颈。全局 开发的质变式创新 效能 是基于科技创新，对原有 技术、流程、方法与工具的重 新组合、创新及优化，通常发 生在 全局的、开发全生命周期 环节。工程 项目交付增效 软件工程 指软企基于产品、技术、工具及配套设施，将 行业认知运用到业务链，实 现客户价值落地的能力。认知 业务拓展引擎 行业认知 指软企在一个行业、或一类场景中沉淀成熟的案例 与实践经验（包括业务需求、领域模型、服务模式），并能 通过其自身产品与服务向行业 客户持续输出产品、反哺自身 的能力。产品研发 项目管理 技术领先 交付实施 质量管理 产品成熟度 行业领域模型 运营服务能力 项目咨询能力 需求 调研 系统 设计 系统 开发 集成 测试 实施 运维 内部：从局部到全局 外部：认知与工程螺旋式上升 单个开发环节 全 生 命 周 期 来源：艾瑞咨询研究院自主研究及绘制。10 2023.4 iResearch I穷则思变 需方建设模式之变 企业使用的软件系统一般具有诸多不统一：底层数据存储不统一，底层数据标准不统一，开发语言不统一，视觉、交互等 体验不统一，部署方式不统一。不少企业，采用数据中台的方式，来“缝合”数据层面不统一的问题，但是一来带来大量 的人工工作，二来能力和体验也并没有统一起来。将数据、技术、业务结构，将数据和应用形成闭环的企业级无代码，可 以强稳态、活敏态的方式，打造持续生长的数字化平台。企业数据由原来的分散变为自统一，而软件打造由原来的缝合变 为自生长。从分散到统一，从缝合到生长 来源：艾瑞咨询研究院自主研究及绘制。打造持续生长的数字化平台 IT系统建设现状 持续生长的数字化一体化平台 应用系统 应用系统 应用系统 应用系统 数据打通/治理 数据打通/治理 数据打通/治理 数据打通/治理 财务供应商 智能制造 供应商 营销供应商 OracleDB2SQLServerSQLServerMySQLGaussDB达梦 金仓 需 求 反 复 需 求 反 复 需 求 反 复 需 求 反 复 项目一 项目二 项目三 项目四 活 敏 态 强 稳 态 临 时 应 用 通 用 应 用 专 业 应 用 个 性 应 用 管 理 应 用 创 新 应 用 服 务 应 用 集 成 应 用 多租户多角色 DFX能力 集成能力 IT 基础能力 数据模型 智能算法库 数据治理 数据域能力 管理域能力 分析域能力 运营域能力 组件流程 逻辑编排 图表组件 分析算法 领域组件 接口服务 可持续发展的数字化组装平台11 2023.4 iResearch I穷则思变 供方开发模式之变 从瀑布式到圆桌式，从高代码到数据驱动的无代码 好软件是磨出来的。随着理念的更新和技术的进步，软件开发模式已经出现较大变化：从早期的瀑布流模式逐渐演化为敏 捷交付、持续交付和 DevOps 等，Git、容器技术等加速了这种演化。这些，已基本可满足以 ToC 产品为主的互联网公司。但 ToB 软件，终端客户（甲方）作为需求的提出者和软件的使用者，在研发链中，却始终参与度较低，因此，行业需要甲 方参与度更高的“圆桌式”研发模式。传统高代码模式下，终端客户参与的门槛较高，软企也无法容忍其全过程的“掺和”。因此，所见即所得、Demo 即产品 的无代码，是圆桌模式的保障。在企业级软件中，数据驱动和无代码天然相伴，其不仅将软件中的“内容”视为数据，而 且将软件过程也视为数据，将各个环节的无代码以“数据配置”的形式传递与打通，这不仅有利于无代码的全局化落地，而且有助于后期流程的分析与优化。来源：艾瑞咨询研究院自主研究及绘制。软企的开发模式之变 软件 需 求 分 析 配 置 开 发 实 施 运 维 系统设计 集 成 测 试 产 品 经 理 需 求 分 析 师 配置工程师 开发工程师 测 试 工 程 师 实 施 工 程 师 运 维 工 程 师 项目经理 产品经理 集 成 工 程 师 圆桌范式开发 开发阶段：覆盖需求、设计、开发、测试、和运维交付的软件开发全生命周期。模式特征：所见即所得、Demo 即产品。强调共创共建，削弱传统高代码模式下，软企与终端客户间的协作障碍，减少需求流失；并行协作，项目交付人效全面提升。开发阶段：以用户需求进化为核心、迭代、循序渐进的开发方法。第一阶段为设计，第二阶段开发与测试并行，第三阶段部署。模式特征：颠覆传统瀑布流模式下固化、耦合的开发流程，增加开发流程的延展性与灵活性，能够 更敏态地应对实时变化的用户需求。侧重团队交流、改进，可持续测试集成，提高复用性，降低风险。敏捷式与 DevOps 开发 持续对接用户需求 产品 设计 需求 分析 软件 A软件 B代码 编写 反馈 构建 单元 测试 最终 集成 最终 测试 部署 运维 敏捷开发 持续交付 应用交付121上下求索：不同软企的转型探索之路 2守正出奇：企业级无代码的实施路径 3身体力行：企业级无代码行业实践 4因势而动：企业级无代码未来展望 5穷则思变：中国软件产业困境与出路13 2023.4 iResearch I共识：转型是战略而不仅是战术问题 找到从 想成为 和 现在是 之间的卡点和实现路径 软企转型需要顶层设计，这样才能不“见一个工具爱一个工具”，不重复建设，并尽量少地引入新的问题。企业应从战略 角度分析“我想成为”和“我现在是”，然后找出两者之间的卡点，再进一步去探寻实现路径。而不少软企，由于主导者 权限等，缺少战略层面的前期分析环节，而只从战术层面局部提效，导致转型不彻底，不能解决企业经营的根本问题。来源：艾瑞咨询研究院自主研究及绘制。软企转型示意图 树 立 目 标 盘 点 资 源 找 到 卡 点 解决卡点 考虑要素 客户需求 竞品 技术 考虑要素 资金/人才 品牌 行业/地域 架构 实现 维护 质量 成本 效率 风险 竞争 阶段性检验大循环 日常优化小循环 选型 POC小范围使用 大范围使用 执行环节 由于主导者权限等要素，不少软企只是在局部地做 执行环节 的动作，而缺乏整体设计、反馈、检验14 2023.4 iResearch I盘点：项目型软企痛点与需求分析 敏捷、开放、降低人员风险 首先，项目型软件不同于产品型软件，缺乏最原始的抓手，需求来自于招标文件、项目需求书等，而这些往往是甲方多部门、多角色需求的简单堆砌和杂糅。这就导致，从执行角度看，乙方在接到项目时，需求实际是模糊的，此时，一般通过Axure、Figma 等设计原型做对齐，但这些原型工具过细，并无实际功能（只用于对齐确认），且也没法引入测试数据。其次，项目型软件开发，常需跟甲方的既有数据、既有系统和既有设备做较重的对接，如架构不足够合理，常牵一发而动全身。再次，也正因为早期需求的不明确，导致后期更改较多，这些改动常不能在“一线”闭环完成，而必须传递到研发线：一来周期长，响应不及时，客户满意度低；二来打破研发人员既有节奏，让他们“随需逐流”，而无法做更有意义的事情。最后，由于各环节是瀑布流式传导，导致一个角色并不知道另一个角色的具体工作内容和方法，因此，软企对关键角色依赖严重，而这些角色员工一旦离职，不仅影响后续项目，当前项目也可能陷入“泥泞”。来源：艾瑞咨询研究院自主研究及绘制。项目型软企开发流程痛点分析 需求提出 设计 编码 测试 维护 研发线 需求分析 反 馈 响 应 应用系统 数据打通丨数据治理 时间周期长 数据类型多样，数 据接入耗时耗力。瀑布流式开发，对后期需求的变化难以调整。前期需求零散，乙方接收需求模糊；中后期需求多变，反馈时间周期较长。15 2023.4 iResearch I盘点：产品型软企痛点与需求分析 解耦，提高产品质量下限，补足数据能力，低成本验证 从客户需求来看：产品型软企，都有成型的产品（基线），对于中大型客户，还会在成型产品基础上做二开（定制），但 传统开发模式中，不管是数据接入，还是软件本身，解耦程度较弱，往往会导致定制影响基线，最终的结果就是失去基线，不断重构，重复工作变多，而且软件失去灵魂。从软件架构本身来看：即使并非定制导致基线丧失，软件也因技术的不断 进步而需不断重构，例如单体 SOA 分布式 微服务 Serverless 的演化，每次演化都消耗大量的人力，更为关键的，不少软企难以招到统揽全局的架构师。从代码本身来看：由于缺少封装与复用，软件代码本身的规范性和统一性难以得到 保障。从数据能力来看：不少中腰部企业不具有足够的大数据能力，例如多源数据库的接入、湖仓一体、数据治理等。从 新产品推出来看：VUCA 时代，软企承担不起“押重兵走错方向”的风险，需要 PMF快速验证，小步快跑，大胆试错。来源：艾瑞咨询研究院自主研究及绘制。产品型软企痛点及需求剖析 代码不规范 数据能力单一 技术选型困难 人力易损耗 基线难保证 用户需求复杂，软企往往需要在成型产品的基础上反复做二次开发，导致基线丧失。软件架构往往随时代进步及需求变化快速迭代，开 发人员面临重复性繁琐工作；同时，软企也亟需高端 IT 人才来进行业务梳理、复杂逻辑分析及统筹全局。代码数量多而杂，若没有封装成函数调用，则会出现重复编写或漏写而导致空指针，代码质量难保障。部分中腰部软企不具备全链路的数据服务能力，因 此下游需求企业只能通过多家供应商分别采购从数据接入、治理、分析及可视化的相关产品。各种语言、框架，推陈出新，企业难以完全跟上技术的发展。而这其中，还 存在如果选型困难，则损失惨重。需求 响应 模块化封装 能力完备 快速试错 人才价值重塑 产品解耦 产品亟需提高解耦程度，以松耦合系统灵活应对用户需求变化。软企需明确产品的价值主张，快速验证产品的技术和市场可行性，以 响应用户的需求变化。提高全链路数据能力，为下游需求端尤其是技术水平较弱的企业提供大数据一站式服务。产品研发话语权需向业务人员倾斜，减轻开发人员在产品演进中的重复工作负担，更专注于需求梳理，改善用户体验。减少代码编写工作量，提 升模块化封装及复用能力，降低 bug 率，提高开发代码质量。16 2023.4 iResearch I赋能：无代码全面提升 ISV 效能 数据驱动无代码不仅解决效率问题，而且还解决效能问题 传统低无代码提效，常仅可以解决个别部分、个别环节问题。数据驱动无代码改变底层逻辑，全面解决各部门、各环节本 身问题，同时解决部门、环节间的衔接问题。使得企业效能得到大幅提升。来源：艾瑞咨询研究院自主研究及绘制。数据驱动无代码解决 ISV的效率和效能问题 场景 传统信息化 运维升级 数据能力 增强 新产品研发 个性化定制 交付 解决方案 交付与积累 产能增加 面向部门 维护部门 研发部门 市场/研发 部门 交付部门 解决方案/交付部门 研发/交付 部门 合作方式 辅助构建 运维平台 产品集成 研发 快速开发 工具 定制交付 工具 交付工具及 组件能力中 心 研发/交付 工具 主要痛点 架构不统一，体验不一致，数据割裂，迁移困难 虽系企业增值能力，但能 力缺乏导致开发周期长 开发周期长，质量不可控，迭代响应慢，成本和风险 较高 产品交付难避免定制化需 求，能力受限且拉高成本 项目制存在“重复造车”问题，依赖个别员工，无 法形成企业资产 人员招聘困难，中高级人 才成本较高，项目交付节 奏不稳定 关注能力 集成、运维、部署形式及 资源消耗、环境适配 数据从接入、存储、处理、分析、展现到应用的端到 端能力 丰富可视化效果、个性化 界面满足、复杂业务逻辑 处理、即改即用 主题适配、个性化界面满 足、权限集成、服务和数 据对接 界面、数据、服务、权限 等集成能力，组件开发及 即插即用能力 应用软件研发全栈能力 合作价值 降低运维成本，快速响应 需求变化 更低成本享有成熟产品竞 争力，加速产品上市节奏 缩短研发周期，降低研发 成本，快速获得市场反馈 降低交付成本，充分发挥 实施交付人员价值，减少 前后方交互频次 知识经验转为企业无形资 产，企业竞争力和交付效 率都大大提升 聚焦核心业务能力构建，弹性高质量交付17 2023.4 iResearch I应用：无代码协同行业数字转型发展 以数据为核心的企业级无代码，构筑数字化应用底座 因具有 柔性及快速构建，数据天然贯通及数用一体，显性化并沉淀企业知识与智慧 等典型特征，企业级无代码适合作为绝 大多数行业和不同规模企业的开发平台和数字化底座。企业级无代码在多个行业的实际落地，也证明其具有广泛的适应性。来源：艾瑞咨询研究院自主研究及绘制。数据驱动的无代码赋能千行百业 1数据连接能力 关系型数据库 非关系型数据库 消息队列 文本/图像 2 便捷交互能力 预置布局/组件 应用画布 样式模板 多终端适配 3便捷交互能力 大数据计算 实时计算 事件逻辑编排 业务流程处理 4 丰富可视能力 多主体切换 上百种组件 组件联动/下钻 智能分析 5 集成开放能力 老系统集成/收集 数据服务 权限集成 模型调用 6企业级特性 高可用 高性能 安全隐私 灵活可扩展 城市家具管理 网格化管理 智慧城市 APS 与生产调度 工艺管理系统 工业制造 设备巡检 网格化管理 能源电力 数字孪生园区管理 招商管理 智慧园区 招生就业管理 实训课程 智慧教育 公立绩效考核 出生证明管理 智慧医疗 统一开发平台及数字化底座 领域知识及行业应用18 2023.4 iResearch I估算：全局粗粒度定性考量 从商业价值、业务价值和战略价值等角度估算 不管是项目型，还是产品型软企，其转型（及后期相应的选型）都不是局部的事情。从价值对象看，可以分为对外价值和 对内价值。从价值类型看，可以分为商业价值、业务价值和战略价值。来源：艾瑞咨询研究院自主研究及绘制。转型价值三大评估点 商业价值 业务价值 战略价值 项目投标 项目交付 产品采购 节流 节省人力成本：开发人员无需驻场，完全省去其差旅费用，需求公司内部可自主完成配置。节省采购成本：提供从数据治理到 BI分析及无代码业务管理的全套大数据产品，极大程度节省采购费用。新产品研发 增收 缩短研发周期：与公司现有产品做集成融合，或在无代码基础上直接构建解决方案，减少单一产品工作量，增 加研发项目数量。产品定制及交付效率 提效 定制效率：通过项目沉淀来实现能力复用。交付效率：聚焦前端业务拓展，自建软件工厂，帮助实现快速灵活的应用交付。横向业务拓展 无 有 纵向业务创新 旧 新 混合式：完善行业无代码产研平台，与原有产品集成，规划构建新产品，集成数据和应用，实现数用一体化。替代式：构建行业组装式平台，标 准化模块持续沉淀，实现规模化交付，降低产品交付边际成本；灵活调整需求以应对政策性变动，降低定制化改动成本。新应用：升级原有的产品架构，增 强大数据、无码化能力；同时将新规划的产品由新平台进行构建，优 化服务体系。大数据：升级产品架构，加装大数据基座，建立数据中台，优化大数据接入及全周期管理能力，辅助客户快速挖掘数据价值。模式创新 生态 基于行业无代码产研平台，革新行业软件生产模式，聚合产业生态合作伙伴，使其聚焦细分领域核心优势。应用创新 产品 工具创新 研发 应对市场竞争，培育可复制、可推广的行业新产品、新业态、新模式；创新大数据、人工智能、知识图谱等相关应用。运用数用一体无码化工具，提升交付效率，释放内部研发人员，使得研发部门可以投入于新技术、行业知识的研究，也进一步加大行业解决方案的沉淀和集成。19 2023.4 iResearch I测算：全局细粒度定量考量 将估算的细分维度转成成本、增收和品牌进行测算 在节省成本部分，可以直接通过人天以及旧模式下单独外采不同软件进行测算。在增收部分，主要看如果能力增强、效率 提升后，在横向（同类型项目）和纵向（新类型项目）上，可以承接的新项目。可以先锚定一侧进行测量，也即：如果仍 然承接目前的项目，可以砍掉多少人；或者，新模式下如果保持目前的成本，可以多承接多少项目。也可以将以上两种方 法按比例拆解，但勿重复计算。企业声誉、口碑、行业经验积累等可以先不考量，也可进行一定系数进行经济指标折算（类似于财务上的“商誉”）。来源：艾瑞咨询研究院自主研究及绘制。新旧模式的成本、增收、品牌对比方法 成本大项 成本细项 人员工资（人天）投标、开发、实施、现场二开不同阶段的人 员工资，不同级别人员分开计算 实际中，需拆为更多子行 人员差旅费用（人天）投标、开发、实施、现场二开不同阶段的：城际交通费和市内交通费、住宿费、出差补 助等，不同级别人员分开计算 实际中，需拆为更多子行 开发中产品购买费用 数据标注 数据安全 数据质量 ETL数据分析 可视化与大屏 SaaS或无代码项目管理系统 增收类型 类型说明 横向确定项目 在效率提升的情况下，每年可以多交付的项目数 量（这些项目是目前积压，无须销售另行开拓）横向可能性项目 在效率提升的情况下，每年可以多交付的项目数 量（这些项目仍是线索，须销售另行开拓）纵向可能性项目 在能力更强的情况下，可以多接的域外项目类型（非历史常规项目）战略价值类型 类型说明 经验积累与沉淀 主要看能够积累到系统和企业（不随员工离职而 流失）的项目经验和行业领域知识 内部战斗力 主要看在新模式下员工的沟通机制以及因此而产 生的团队士气、个人能力提升等 外部声誉 主要看因更高响应度和更快问题解决能力以及复 杂问题解决能力为自己带来的客户信任和美誉度201上下求索：不同软企的转型探索之路 2守正出奇：企业级无代码的实施路径 3身体力行：企业级无代码行业实践 4因势而动：企业级无代码未来展望 5穷则思变：中国软件产业困境与出路21 2023.4 iResearch I选型：考量要素 目标 vs 现状 痛点 产品 企业 选型不应从局部视角看，它实际上是整个软企转型的一部分，其最终目的应该是解决企业当前的大部分痛点，并进一步实 现企业的转型目标（增加效益、降低成本、降低风险、打造护城河）。所以，企业在选型时，应该将转型目标、当前资源，以及其中的痛点，清单式地列出来，然后用市面上各种平台、工具的功能清单与其一一对应。当发现较为适合的平台/工 具，再去研究产品的企业背景，如创始团队、融资轮次等。这种金字塔选型方式，使得每一步的动作实际上是对上一步目 标的拆解，而每执行完下一步，要对上一步的目标实现度进行检验，确保选型不走偏。来源：艾瑞咨询研究院自主研究及绘制。金字塔式选型示意图 选 试 用 连 树立目标 盘点资源 找到卡点 考察产品 考察企业 客户需求，竞品，技术 资金/人才，品牌，行业/地域 架构，实现，维护，质量，成本，效率，风险，竞争力 与痛点匹配度 抽象性，开放性，稳定性，安全性，复杂适应性 产品 体验，学习成本，产品 价格 成立时间，注册资金，创始人背景，融资轮次 行业案例，企业口碑 优22 2023.4 iResearch I 2023.4 iResearch I数据驱动的企业级无代码 较为全面地覆盖多个痛点 近几年，低无代码平台如雨后春笋般成长，其中，数据驱动的企业级无代码，区别于表单驱动和模型驱动，区别于团队或 个人级，区别于高代码和低代码，可解决企业多环节核心痛点。其核心能力为：（1）应用过程设计全过程无代码。（2）甲乙双方间、设计与开发间圆桌式对话。（3）企业复杂逻辑可视化装配。（4）数据驱动的业务能力自沉淀。（5）大数 据能力（数据接入与集成、数据治理、数据分析）开箱即用。（6）基于先进架构的 DFx 设计。跟表单驱动、模型驱动 类似，数据驱动的 无代码开发离不开领域建模、交互界面配置、业务逻辑开发三项内容，不同之处在于：数据驱动+无 代码赋能 领域建模自动化、交互界面配置无码化、业务逻辑开发智能化。数据视角 开发视角 成本 效率 时间 人力 行 业 软 企 认知 模式 能力 延 伸 软件快速开发与上线，缩短 项目周期，降低时间成本。降低参与人员数量，改变 人员层次结构。数据驱动业务应用的自动化构建。高可复用的历史模块，减少定开。持续沉淀高可复用的行业应用构建模型，并基于此实现业务高效高质拓展。圆桌式开发模式，降低过程信息衰减，提高外部客户参与度，保障产品与需求 的契合度。补足软企自身、终端客户的大数据能力。生态视角 数据驱动的企业级无代码核心特征 数据驱动的企业级无代码核心价值 支持实时、海量、多源异构 数据接入、处理与计算。具备符合 DAMA 规范的通用 数据治理能力。根据场景化插件配置数据接 入能力。提供可动态扩展的数据处理 引擎。无需代码或 SQL 即可完成复 杂数据集成。提供多种智能分析算法，融 合增强分析，与无代码天然 陪伴。覆盖软件开发全生命周期，基于数据与深度学习等算法，自动或半自动化建模、配置 交互界面、开发应用。提供逻辑控制、服务编排能 力，支持复杂逻辑应用的无 码化开发。除游戏、交易、操作系统、中 间件等特殊领域外，无代码覆 盖 90%以上企业业务场景。全方位 DFx 设计，提供安全机 制、高并发处理、负载均衡 等能力，保障开发有序运行。具备高开放 生态与集成 能力。具备丰富二 开组件库、模型知识库，支持开发者 基于场景动 态扩展开发 平台功能组 件。来源：艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院自主研究及绘制。选 试 用 连 优23 2023.4 iResearch I从自身业务和边缘业务做起 平滑引入，减少阻力和风险 尽管企业级无代码可以解决一般软企在多方面、多环节的痛点，但引入时，仍不宜操之过急。一般来说，从以下几种类型 项目引入，可以减少阻力和风险，并为后期全面推广积攒足够的经验。第一，企业可从内部系统开始进行引入，一方面企 业对自己的痛点梳理更加清晰，另一方面，后期可以持续反馈与优化，在这种场景下，软企可以逐渐找到圆桌式开发的感 觉，并后期用之来服务客户。第二，为投标阶段或者早期和客户沟通的 Demo 产品，这个过程一般时间紧、需求模糊，正 可发挥企业级无代码平台“快速、敏捷”这一核心优势。第三，为缺乏经验的新行业和新领域，此时，既没有固有开发模 式的经验可参考，同时也没有路径依赖和技术负债。第四，为一些中腰部软企在补足数据能力：不少中腰部企业在进行软 件开发时，只能应对小规模的结构化数据，不具备大数据能力，利用企业级无代码，可自下而上贯通，补足大数据能力。来源：艾瑞咨询研究院自主研究及绘制。企业级无代码平台较为适合的试用场景 内部系统 企业根据自身业务需求和痛点对内部系统进行企业级无代码升级，在精准定位自身需求的同时做到持续沟通与反馈 早期 DemoDemo 产品的需求存在以下特点：时间紧、需求模糊等，企业级无代码便捷、敏捷、迅速的特点正好与之契合 新行业/领域 进入新行业或新领域总要面临开荒期，企 业级无代码可以为其提供低成本的技术支持，同时适应探索期的快速响应需求 补足数据能力 中腰部软企的技术积累与资金支撑较弱，所有在某些数据能力上有所欠缺，企业级无代码的技术要求低、上手快，能够快速补全数据分析能力 选 试 用 连 优24 2023.4 iResearch I聚焦于增收的核心方向 发展的问题在发展中解决 企业级无代码平台可以帮助企业降低成本、降低风险、提高效率、增加营收，等等。但是，在企业内推广的早期，必须抓 住最核心的问题，那就是增加营收。营收一旦增加，企业便有足够的时间和资金去进一步优化，很多牵涉到人员、组织、思维等深层次的问题，也都可以迎刃而解。很多内部提效类软件不如外部获客类软件更受企业重视，也正是如此。利用企 业级无代码平台进行软件的开发，可从以下几个方面快速增加营收：第一，补足数据能力，承接原来因大数据能力缺乏而 无法承接的新项目。第二，敏捷改进，快速固化客户认知与经验，拓展不熟悉的行业与领域。第三，一线闭环交付，缩短