資料流 dataflow

即使再愛寫程式, 仍然相信未來的數位應用是不需要寫的。

如果不用寫, 那會是:

1. 程式產生器, 像填寫問卷或描述摘要一般, 再生出對應程式。
2. 強化版 IDE 或 Scratch/Alice 拖拉。
3. 人工智慧 加 對話介面 (Siri+)。

前兩項侷限在某些範圍, 最後一項雖然部分已達成, 但普及(廣度/深度)仍然需要時間。

比較相信的方式是透過資料驅動 (data driven), 雖然這詞已被定義在特定範圍, 這裡以更廣的角度來看 …

用時事舉例, 偏黑色的例子: 如果一個名字出現在高層的『黑名單』, 不用特別吩咐, 組織裡就會有特別的處理方式。在這情境下, 名字資料, 有機會驅動許多非正規服務的運作。服務的多寡, 端視人心有多黑。

愈寫愈冷, 換點正常的舉例。

有一陣子, 在商業/工作流程的產品上開發。流程、表單、管理, 組合得好, 客戶也開心 … 幾乎相信這是數位化的聖杯。直到某年夏天安裝冷氣, 師傅們能在 12 樓凌空裝支架固然讓人驚嘆 (工作加表演, 合法嗎?), 完工後立即用 Line 拍照回報, 才發現之前產品有些地方是到達不了的。整個過程能辨識身分(IM User), 在特定通道(開群組)資料不會亂, 而使用者要準備的資料只有照片 (手機應用的普及又比客製程式優) … 不用專屬產品, 卻綽綽有餘。雖然做功能評比, 產品可能會有優勢, 但實務上是能忽略。

另外, 豐富的雲端應用, 也消彌客製開發的必要。

例如, Google Forms 讓問卷填寫、搜集更容易。遇到排班表的需求, 雖然表單難做, 但可直接使用 Google Sheets 像真實的班表開放給大家填。配合清楚的規則(有填寫紀錄), 以及 Line 即時使用協助, 只要填上姓名資料即可。原本預計幾天才能做完(傳統紙本), 結果不到一個小時就收工。

這三個範例, 都只有少量且必要資料, 就足以成事。形式上分別類於反應式 (reactive, 資料到服務), 流處理 (stream processing), 以及資料協作 (collaboration) 的例子。前兩者明確定義類等於資料流 (dataflow), 最後一項是目前數位化應用的主力之一 。

從已往開發的角度來看, 會需要採買或打通一些產品, 外加一些寫程式的工作。現在, 依附已有的應用, 在適當規劃下, 都只要一些資料就可達成目標。

未來利用資料流的方式, 當是愈來愈多。