由於數據科學的興起，Web應用程序開發即將經歷壹場重大革命。到目前為止，開發者已經基於焦點小組、調查和對用戶需求的合理猜測開發了應用程序。這種舊的工作方式是有偏見的，不能包括統計上顯著數量的用戶的輸入。
由於物聯網提供了千兆字節的可用數據，這種情況正在扭轉。即時且持續的互聯網接入引發了壹波前所未有的用戶生成數據浪潮，這些數據可以轉化為可執行的見解。
網絡開發公司從設計階段就開始利用人工智能來理解所有這些數據點，並將這些發現整合到應用程序中。這種方法通過觀察目標群體的特定行為和偏好，幫助公司節省時間和成本。
數據重新定義了軟件生產領域目前，軟件開發涉及程序員編碼或重新利用現有模塊，以創建壹個可工作的應用程序，滿足壹些預先設定的需求。深度學習將徹底改變這壹現狀。
開發者將不再決定應用菜單的位置。通過分析類似應用的使用情況，可以得出哪些對用戶來說是必不可少的，哪些是應該強調的。與谷歌的自動補全功能相比，這是向前邁進了壹步。
新版本應用程序的升級也將取決於數據，而不是直覺或焦點小組的反饋。用戶通過與app互動或在論壇和社交媒體上陳述需求來表達自己的需求。為了使用這些信息，開發團隊應該收集這兩種數據流，並將它們轉化為可操作的見解。
事實上，英偉達副總裁兼總經理吉姆·麥克休(Jim McHugh)表示，升級將不再是戰略團隊的關註點，而是會自然而然地從數據中顯現出來。當有更多的數據可供訓練時，機器學習算法會變得更智能。當這種情況發生時，新的版本就會出現。
例如，壹個新版本的聊天機器人將不斷升級，使用用戶生成的輸入來包含以前沒有返回令人滿意結果的搜索或查詢的答案。在這種升級中，開發者幾乎沒有投入。
數據擾亂開發人員的工作模式由於當前的工作模式正在發生巨大的變化，網絡應用開發者很可能在未來幾年內擔心失去工作。然而，這並不是對程序員需求降低的問題，而是對壹套不同技能的需求。程序員和編碼員的需求將比以往任何時候都高，但他們可能必須升級數據科學和數據分析方面的專業知識。
Web開發不再僅僅是寫代碼，而更多的是結構化數據，清理數據，管理數據，並確保它準備好教授算法。這些技能與十年前面向對象或web編程的含義相比有很大的不同，但在這個行業，進步是必然的。現在的趨勢是用R或Matlab編寫Python腳本和進行數據分析。
隨著代碼變得越來越豐富，對於我們現在所知道的開發人員來說，這可能意味著壹個時代的結束。機器將有需要的代碼在手邊，他們也將知道如何整理這些片段到壹個工作程序。
數據驅動的web應用程序可以帶來什麽
目前，理解數據仍然可以給組織帶來競爭優勢，但它很快將成為最低操作要求。
數據科學可以在幾個領域產生真正的影響，包括生產力、效率和個性化。
生產力和虛擬助手網絡應用能夠記住我們的喜好，幫助我們重新開始，這樣可以節省時間和精力。人工智能可以了解我們的消費習慣、時間使用和生活方式。通過分析這些經歷背後的數據，它可以提供個性化的建議，簡化我們的選擇。
這些應用程序有潛力成為某種私人助理、值得信賴的合作夥伴、智能數據庫或智能存儲庫。有些應用程序會提醒妳重要的任務，找出妳日程表上的空白，妳可以利用這些空白，甚至可以阻止某些有害的習慣，比如拖延癥。
加強個性化人工智能應用很快就會像忠實的助手壹樣出現在妳身邊，但它們也比朋友和家人更能進入妳的腦海。如今，我們的智能手機已經可以根據地理位置、過去的喜好以及與特定品牌的互動，為我們提供出色的提示。
很像Netflix和Amazon，推薦引擎可以擴展到其他需要提供定制響應的web應用程序。
這不僅是消費世界的下壹個潮流，也是應用開發的總體方向。iPhone X和Galaxy S8等新壹代智能手機都內置了人工智能功能。
預測的影響在web應用開發中使用數據科學所引發的變化將對消費者和開發者產生同樣的影響。存儲在瀏覽器中的cookie，以及用戶在網絡會話期間提供的任何數據，將成為用戶偏好的暗示，以及用戶與之交互的應用的定制方式。對於開發人員來說，相同的數據可以作為升級和增強的主要來源。速度、可靠性和功能仍然有很高的要求，但將用戶自己的數據整合到應用的外觀、感覺和功能將產生不同。