以团队在卖力在做的阿里云飞天算夜数据平台为例，从在 2009 年写下第一行代码，现在已经是阿里大数据发展的第 11 个年头。我是 2011 年加入阿里的，之后就一贯在卖力做大数据干系的前端事情，基本上参与了阿里绝大部分大数据发展的历史进程。现在转头看，很光彩自己在一个历史的变革期间入行，更有幸见证了一些划时期意义的数据产品的出身，以及它们对前端技能带来的变革。
如果我们把 2010 年当做大数据 Web 产品运用的元年，会创造它是一个有趣的年份，为什么这样讲？
回看前真个发展历史，在 2005 年前后有一波大的技能变革，便是从 Web1.0 到 Web2.0 的过渡。
在此之前，前端更多地是做纯内容的静态展示，比如下图中的那个期间的苹果和雅虎的官网。
之后前端开始逐渐做成复交互的动态网页，这个中一个主要的历史性标志便是 Gmail 对 Ajax 等新技能的运用。
而在 2010 年前后，各种大数据运用进入一个爆发期间，阿里很多有名的运用基本都在那段韶光崭露锋芒，现在转头再来看那段历史，这个中很大的一个缘故原由，随着互联网的大发展，特殊是 Web2.0 之后，数据的有了大爆发的增长。
下图就很好地展现了这个趋势，如果说之前的 Web 运用更多在“产生”数据阶段，那在 2010 年之后如何更好的“展现”数据被提上了新的高度，很多前端技能也因之打开了新的篇章。
后面会结合自己的实践，以三条主线来讲讲数据智能浪潮对前端技能发展的影响，分别是数据可视化，软件泛 Web 化和交互多样化。
数据可视化大数据浪潮下，最明显的一个特色便是数据的指数型增长，从上图中就能看到这个趋势，随之而来的寻衅便是如何更形象地展现数据并进行交互展示，也便是我们常日讲的“数据可视化”。
回到技能本身，那数据可视化对前端最大的影相应当是大大促进了 SVG，Canvas 和 WebGL 的发展。
而这当中，除了浏览器底层技能的升级，在上层可视化库和可视化运用也呈现了大量精良的作品，个中佼佼者包括：
开源技能组件层面AntVEchartsHighLights重数据可视化的产品阿里云大屏可视化产品 DataV阿里云的 Quick BIBI 剖析工具 Tebleau特色领域的剖析产品，比如 Plantir在专业的细分领域，比如地理，安防，新零售，等领域中不同场景就有很多机会。详细比如在我们阿里云的一站式大数据开拓管理平台的 DataWorks[1] 产品就有用于做流程编排的 DAG，图剖析[2]，数据的血缘剖析等故意思的可视化。
软件 Web 化
大家最近该当把稳到一个征象那便是：Web 系统做得越来越繁芜，很多原来桌面真个复交互运用逐渐 “泛 Web 化”，乃至很多运用一上来便是 Web 的技能做初版。
这里说的泛 Web，从表现中又可以分为两种：
一是直接用前端技能去做桌面软件，个中标志性事宜便是 NW.js 和 Electron 在 2013 起步后的发达发展；大家熟习的 IDE VSCode 便是这当中的范例代表；阿里的桌面版钉钉 UI 层大量用到的 Web 的技能。
其余一种便是直接在 Web 上实现，比如 大家最近能看到各种 Web'X' 系统（ Google Docs ）。
这背后推动力，一是随着浏览器干系逐渐走向统一，用它的技能可以更便捷地实现跨端，另一个便是云打算大数据的兴起，特殊云真个存储和算力逐渐打破了原来确当地 PC 的性能边界，因而重塑了原来人机交互的入口。
关于跨真个好处自不用多讲，我想想重点讲讲第二点。要讲这个逻辑，我又得大略讲讲打算机的发展，从占地 170 平方米的天下上第一台通用打算机 “ENIAC”，到苹果和微软时期的个人 PC，移动时期的 iPhone 和 Andriod，再到云打算时期的大型打算集群。
对开拓者工具而言，之前前很多软件很多都是本地，由于它每每用本地 PC 的打算力就够了，但大数据的场景下打算本地算力肯定是不足的，它是依赖云真个打算集群（以我们阿里飞天算夜数据平台而言，我们已经 10 万台打算集群的规模），如何在用户侧用上更方便和灵巧地利用这些算力便是我们前端重点要做的，而这是原来软件的架构要不不能让你做定制，要不定制的本钱很高（有时候乃至超过了重新做一套的本钱），因此很多系统会选择重新起航做一版。
这个中，我们卖力阿里云的 Dataworks 中的两大件：WebIDE 和 WebExcel ，就非常范例的例子。
Dataworks 从一开始便是根据云原生的思路设计开拓的，后端须要通过云打算供应强大的算力更换原来确当地算力，前端须要实现更风雅的架构设计来对应日益繁芜的交互能力；详细到我们的运用，它包括但不限于：
架构层面状态管理插件化...复交互的组件EditorForm/ExcelTreeLogivew...交互多样化最近今年在以数据驱动的人工智能的大力发展下，特殊在图像识别，语音识别，自然措辞处理方面得到了很大的打破，让前真个新交互也得到了长足的进步。
UX
在面向利用者（UX）产品由 GUI（Graphical User Interface）变成 XUI，用户不仅可以用通过鼠标键盘办法操作图形界面，更可以通过面部表情，身体动作，语音交互等形式供应新的交互形态。
下图便是在 2016 年旁边，我们在阿里云ET中一些人机对话，互动游戏中的一些实践，详细可以看这里[3]。
这一轮的技能变革，有两个大的宏不雅观的背景。
AI 技能的第三波潮起
随着 2010 年前后，深度学习技能的成熟，打算力的提升，以及互联网时期积累的大数据财富，人工智能技能开始一段与以往大为不同的复兴之路；分别在语音识别，图像识别，自然措辞处理等干系技能上得到根本的打破。
例如， 2012 年到 2015 年，在代表打算机警能图像识别最前沿发展水平的 ImageNet 竞赛（ILSVRC）中，参赛的人工智能算法在识别准确率上突飞年夜进。2014 年，在识别图片中的人、动物、车辆或其他常见工具时，基于深度学习的打算机程序超过了普通人类的肉眼识别准确率。
下图就摘自李开复老师的《人工智能》就表示了这个趋势：
WebRTC
对付前端来讲，另一个必备条件便是 WebRTC （Web Real-Time Communication）技能的成熟，它于 2011 年 6 月 1 日开源并在 Google、Mozilla、Opera 支持下被纳入万维网同盟的 W3C 推举标准。通过它，前端可以便捷地处理图像，视频，语音等内容。大家目前看到很多故意思的交互底层便是依赖他。
DX
在面向前端开拓者（DX）：智能化手段可以提升我们的研发效率和体验，以我们阿里和蚂蚁自身的实现看，Imgcook（D2C：Desgin to Code），代码智能提示[4]，智能可视化 AVA[5]，前端机器学习 pipcook[6] 都是挺故意思的考试测验。
总结
以上便是我在实践中关于数据浪潮下前端技能发展的一些思考。当然前端技能技能这几年能得到这么长足进步，除了数据智能，其他大趋势（比如移动互联，5G，IoT）也深刻影响了前端技能的走向，但这些就不在本文谈论的范围内，有机会再跟大家谈论。
一贯很喜好吴军在《智能时期》一书中提到的一个不雅观点：“2% 的人将掌握未来，成为他们或者被淘汰”。期望各位前端同学都能在这波数据智能化的浪潮中找到自己的定位。
本文为阿里云原创内容，未经许可不得转载。