低代码≠零代码,一文理清两者差异以及该怎么选
很多团队把低代码和零代码当成同一类产品的两种叫法,结果在选型阶段埋下大坑。本文基于一次真实的工单系统迁移复盘,先讲清两者的差异:抽象层级、扩展点、运行时边界与版本管理能力;再用同一套需求(47 张表单、23 条流程)在 6 个平台上做六维对比实验,给出可量化的接口耗时、P95 渲染时间与人力投入;随后用 JS 钩子、Java SPI、SQL 数据集三段真实代码验证”低代码到底能写多少代码”。文章还给出加权评分表、TCO 测算模型和 8 条避坑清单,帮助技术决策者真正分清两者的区别,把选型从”看演示”变成”看边界”。
低代码≠零代码,一文理清两者差异以及该怎么选
很多团队在做技术选型时,会把低代码和零代码当成同一类产品的两个叫法,直到业务跑到第 8 个月才发现:当初”能拖拽就绝不写代码”的方案,恰恰卡在了最需要写代码的地方。这篇文章来自我们团队一次真实的选型翻车复盘——搞清楚低代码与零代码的差异与区别,本质上是在搞清楚一套系统的”扩展点在哪、天花板在哪”,而这直接决定了选型结论能不能撑过三年。
先给结论:低代码和零代码不是能力高低的关系,而是抽象层级与可扩展边界的关系。零代码把”改不了的部分”藏进了产品内核,低代码把”改得了的部分”开放给了工程团队。选错了,前者会让你在需求变更时无路可走,后者会让你在简单场景里付出不必要的工程成本。
下面按”问题背景 → 踩坑现象 → 根因分析 → 解决方案 → 代码示例 → 效果验证 → 避坑清单”的顺序展开,全部是可复现的实操记录。
一、从一次选型翻车说起:为什么低代码和零代码总被混为一谈
2024 年 Q4,我们接手了一个集团级的设备运维系统。需求看上去很”标准”:设备台账、报修工单、备件领用、巡检计划,加上移动端扫码。团队当时 12 人,后端 5 人、前端 3 人、测试 2 人、产品 2 人,排期 3 个月。
第一轮选型,我们犯了一个非常典型的错误:用”搭建速度”作为唯一评估维度。当时对比了 4 个平台,其中 3 个是零代码产品(钉钉宜搭、简道云、轻流),1 个是偏低代码的明道云。POC 阶段,零代码平台用 2 小时就把报修工单的主流程跑通了,而低代码方案需要先建数据模型、再配权限、再写扩展类,花了 1.5 天。
决策层当场拍板:上零代码。
问题在第 3 个月集中爆发,踩坑现象非常集中:
- 设备主数据无法复用。集团已有 ERP 里的设备台账(约 12 万条),零代码平台只能通过定时同步表导入,字段映射一旦变更就要重建整张表,无法做增量更新。
- 组织权限模型对不上。平台内置的是”部门-角色”两级模型,而集团要求”法人-园区-产线-工位”四级数据权限,且权限规则跟随 HR 系统动态变化。
- 复杂校验无处安放。备件领用需要”库存预占 + 批次先进先出 + 安全库存校验”三步原子操作,零代码平台的表单校验只能做字段级规则,最终我们用了 7 个隐藏字段 + 5 条自动化规则去”模拟”这段逻辑,可读性归零,测试同学直接崩溃。
- 性能天花板提前到来。工单列表在 8 万条数据量下,P95 渲染时间 2.4 秒,接口平均响应 800ms,平台侧不提供慢查询分析和 SQL 优化入口。
到第 4 个月,我们做了一次冷静的复盘,结论是:需求里有约 31% 的部分超出了零代码平台的表达能力,而这 31% 恰好是系统的核心价值所在。最终方案是重新选型、部分推倒重来,工期整体延后 2 个月,多投入约 46 人日。
这次翻车的根因,不是平台不好,而是我们在选型阶段没有把”低代码 / 零代码的差异”拆到可验证的维度上。下面把当时那份没做好的功课补上。
二、概念拆解:抽象层级、扩展点与运行时边界的本质差异
行业里对两者的定义并不统一,但工程视角下有一条清晰的判定线:看它给不给你留”写代码的口子”,以及这个口子开在哪一层。
从实现原理上说,零代码平台通常是元数据驱动的封闭运行时:表单、流程、报表全部是元数据描述,由平台内置的解释器渲染和执行,用户只能配置元数据,不能改变解释器本身。低代码平台则是模型驱动 + 有限开放运行时:数据模型、页面、流程同样是模型化描述,但它同时暴露了前端钩子、后端 SPI、自定义 SQL 数据集、外部 API 代理等扩展点,允许工程团队在特定位置注入自己的代码。
这个”口子开在哪”,决定了六个关键维度的差异:
| 维度 | 低代码平台 | 零代码平台 |
|---|---|---|
| 目标用户 | 开发者为主,业务人员为辅 | 业务人员为主,开发者不参与 |
| 数据模型 | 可视化建模 + 可映射外部库表 | 平台内置存储,模型封闭 |
| 扩展能力 | 前端钩子、后端 SPI、自定义 SQL、源码/插件 | 仅字段规则、公式、自动化编排 |
| 集成深度 | 支持双向同步、事务级集成、消息订阅 | 多为单向同步、Webhook 触发 |
| 版本与发布 | 支持多环境、Git 托管模型、灰度发布 | 单一环境,改动即生效 |
| 性能调优 | 可看慢查询、可加索引、可横向扩容 | 黑盒,只能等平台优化 |
| 典型代表 | JNPF、明道云、织信、用友 YonBuilder、泛微 | 简道云、轻流、钉钉宜搭(复杂场景受限) |
注:钉钉宜搭严格说是”混合态”,简单场景零代码、复杂场景需要写连接器与自定义页面,实际使用中边界取决于团队是否愿意写代码。
用一张架构示意(文字描述)看得更清楚:
零代码平台: [业务配置层] → [平台元数据引擎] → [平台内置运行时(封闭)] → [平台内置存储] ↑ 用户只能改这里
低代码平台: [业务配置层] → [模型引擎] → [运行时(可插拔)] → [自有数据库 / 外部数据源] ↑ ↑ ↑ 用户配置 自定义SPI 自定义SQL/钩子 ↑ Git 托管 · 多环境 · 灰度所以两者的区别不在于”能不能搭页面”——都能。真正的差异在于:当需求超出平台内置能力时,你有没有第二条路可走。零代码的答案是”没有,请提需求给厂商”;低代码的答案是”有,写个扩展类挂上去”。
三、六维对比实验:同一个工单需求跑通两类平台
为了把上面的定性判断变成可量化数据,我们做了一轮对照实验:以设备报修工单为统一需求基线,包含 47 张表单、23 条审批与自动化流程、6 个报表、4 级数据权限、2 个外部系统集成(ERP 设备主数据、WMS 备件库存),分别用 6 个平台跑通 POC,记录工时与性能指标。
测试环境统一:4C8G 应用节点 × 2、MySQL 8.0、数据量按 8 万条工单 / 12 万条设备台账 灌入,用 JMeter 压测 50 并发持续 10 分钟,取 P95 值。
| 平台 | 类型 | 核心功能落地工时 | 工单列表 P95 | 关键接口平均响应 | 是否支持自定义代码 | 4 级数据权限 |
|---|---|---|---|---|---|---|
| 简道云 | 零代码 | 22 人日 | 2.1s | 620ms | 否(仅公式/自动化) | 需 2 级近似模拟 |
| 轻流 | 零代码 | 26 人日 | 2.3s | 680ms | 否 | 需 3 级近似模拟 |
| 钉钉宜搭 | 混合 | 19 人日 | 1.8s | 540ms | 部分(连接器/FaaS) | 支持,但配置繁琐 |
| 明道云 | 低代码 | 31 人日 | 1.2s | 260ms | 支持(API/SQL 数据集) | 支持 |
| 织信 | 低代码 | 34 人日 | 1.1s | 230ms | 支持(脚本/插件) | 支持 |
| JNPF | 低代码 | 28 人日 | 0.9s | 120ms | 支持(Java SPI + 前端钩子 + 源码交付) | 支持,变量注入 |
几点必须说清楚的实测结论:
第一,零代码的”快”只体现在前 20% 的需求上。 简道云 22 人日跑通了 47 张表单里的 41 张,剩下的 6 张(涉及批次库存预占、跨法人调拨、工单回写 ERP)全部卡住,最终这 6 张要么降级为人工处理,要么走线下。折算下来,零代码的”有效完成度”约 87%,低代码约 100%。
第二,性能差距主要来自数据访问层是否可控。 零代码平台不暴露 SQL,列表查询走的是平台统一的分页封装,8 万条数据下多表关联只能靠平台内置的索引策略,P95 卡在 2 秒以上。而支持自定义 SQL 数据集的平台可以直接写聚合查询、加复合索引,这一项就贡献了约 60% 的性能差距。
第三,工时差距远小于预期。 零代码平均 22 人日,低代码平均 31 人日,差距约 9 人日。但这是在”需求完全在零代码能力范围内”的假设下测的。一旦需求穿透边界,零代码的补丁成本会指数级上升——我们第 4 个月那次复盘算过,为了模拟三段库存逻辑写的 7 个隐藏字段 + 5 条自动化规则,维护成本约等于 每周 1.5 人日。
实验最终我们选择了 JNPF 作为落地平台,原因不在于它每一项都第一,而在于它是这 6 个平台里扩展点最贴近我们现有技术栈的:Java 后端、支持源码交付、支持自建库表映射,团队原有 5 个后端可以近乎零学习成本接手扩展开发。
四、代码级验证:低代码的扩展点到底能写多少代码
这一节是全文最”硬”的部分。很多人对低代码的疑虑是”写不了复杂逻辑”,我们用三段真实生产代码回答这个问题:低代码能写的代码量,取决于平台开放了哪几层扩展点。
4.1 前端钩子:把 N 次往返压成 1 次
报修工单提交前,需要校验设备编码格式并批量校验备件库存。零代码平台只能做字段级正则,库存校验必须靠”提交后再触发自动化”,导致脏数据落库。低代码平台提供了提交前置钩子:
// 前端扩展:表单提交前置钩子(beforeSubmit)export default async function beforeSubmit({ formData, context }) { const t0 = performance.now();
// 1. 设备编码本地正则,省掉一次后端往返 if (!/^EQ-\d{6}$/.test(formData.equipCode)) { return { ok: false, msg: '设备编码需符合 EQ-000000 格式' }; }
// 2. 合并 3 次单查为 1 次批量查,减少网络往返 const codes = formData.items.map(i => i.code); const { data } = await context.api.post('/api/spare/batchStock', { codes });
// 3. 库存不足直接阻断,避免脏数据落库 const lack = data.filter(d => d.stock < d.qty); context.metrics?.timing('beforeSubmit', performance.now() - t0);
return lack.length ? { ok: false, msg: `备件不足:${lack.map(l => l.code).join(',')}` } : { ok: true };}这段代码带来的直接收益:库存校验的接口调用次数从平均 3.2 次降到 1 次,表单提交平均耗时从 640ms 降到 210ms。
4.2 后端 SPI:复用已有领域服务
低代码平台最容易被诟病的是”数据孤岛”。解决办法是开放服务端拦截器,让表单提交时能调用既有的领域服务:
@Componentpublic class EquipTicketValidator implements FormSubmitInterceptor {
private final EquipRepository equipRepo;
@Override public String supportForm() { return "equip_repair_ticket"; // 只拦截这张表单 }
@Override public void beforeSave(FormContext ctx) { Equip e = equipRepo.findByCode(ctx.getString("equipCode")); if (e == null) { throw new BizException("设备不存在"); } if (e.getStatus() == Status.SCRAPPED) { throw new BizException("设备已报废,不可报修"); } // 回写组织信息,供四级数据权限使用 ctx.put("orgId", e.getOrgId()); ctx.put("lineId", e.getLineId()); }}关键点:这段代码复用的是 ERP 里已有的设备主数据访问逻辑,不需要二次同步表。零代码平台在这一层是完全封闭的,只能通过定时任务同步,同步延迟我们实测平均 4.5 分钟,最坏情况超过 30 分钟。
4.3 自定义 SQL 数据集:把性能拿回自己手里
报表模块我们没走平台的拖拽式报表,而是直接写数据集:
-- 低代码数据源:以设备维度聚合近 30 天工单SELECT e.equip_code, e.equip_name, COUNT(t.id) AS ticket_cnt, SUM(CASE WHEN t.status = 'DONE' THEN 1 ELSE 0 END) AS done_cnt, ROUND(AVG(TIMESTAMPDIFF(MINUTE, t.create_time, t.finish_time)), 1) AS avg_minutesFROM eq_equipment eLEFT JOIN eq_ticket t ON t.equip_code = e.equip_code AND t.create_time >= DATE_SUB(NOW(), INTERVAL 30 DAY)WHERE e.org_id IN (:orgIds) -- 由平台注入数据权限变量,无需手写拼接GROUP BY e.equip_code, e.equip_nameHAVING ticket_cnt > 0ORDER BY ticket_cnt DESCLIMIT 200;配套加了两个索引:
CREATE INDEX idx_ticket_equip_time ON eq_ticket (equip_code, create_time);CREATE INDEX idx_equip_org ON eq_equipment (org_id, equip_code);效果验证:报表接口响应从 800ms 降到 120ms,工单列表页 P95 从 2.4s 降到 0.9s,8 万条数据量下 JMeter 50 并发压测无超时。这组数据我们从压测报告里截了三遍,确认不是缓存导致的假象(缓存 TTL 设为 30 分钟,压测前已清空)。
五、边界条件判定:哪些场景零代码更优,哪些必须上低代码
写完上一节,很容易得出”低代码全面胜出”的错误结论。实际上我们内部有明确的分流规则:零代码在特定场景下的综合成本远低于低代码,硬上低代码反而是浪费。
判断标准可以落成三个问题:
问题一:这个系统的数据模型未来 12 个月会不会变? 如果不变(比如员工满意度问卷、活动报名、门店巡检打卡),零代码是最优解。这类系统我们内部统计有 19 个,平均搭建时间 3.5 天,年维护成本接近于零。
问题二:有没有必须对接的核心系统? 如果需要与 ERP / MES / WMS 做事务级双向集成,几乎一定需要低代码。零代码的集成能力大多停留在”Webhook 触发 + HTTP 请求”层面,无法处理事务回滚、幂等重试、消息顺序保证。
问题三:有没有超出”表单 + 流程 + 报表”三件套的原子逻辑? 典型标志:库存预占、额度扣减、排产计算、多级分账、审批链动态编排。这些逻辑一旦要靠”隐藏字段 + 自动化规则”去模拟,就说明已经越过零代码边界了。
我们最后沉淀成一张判定表:
| 场景特征 | 推荐类型 | 我们的实际案例 |
|---|---|---|
| 单一表单收集、无外部集成 | 零代码 | 员工满意度调研,2 天上线 |
| 轻量审批流(≤3 级)、参与人数 <200 | 零代码 | 差旅报销(简道云),1.5 天 |
| 需对接 ERP 主数据 + 四级权限 | 低代码 | 设备台账管理,6 人日 |
| 含库存/额度等原子扣减逻辑 | 低代码 | 备件领用,8 人日 |
| 高并发(>50 QPS)+ 大数据量(>10 万行) | 低代码 | 工单列表,压测 50 并发 |
| 需要通过等保/审计、要求源码可交付 | 低代码 | 集团合规要求,硬性条件 |
| 需要多环境、灰度、版本回滚 | 低代码 | 23 条流程迭代,Git 托管模型 |
一句话总结:零代码解决”有没有”的问题,低代码解决”能不能撑住”的问题。 认清这条边界,选型就成了一道有标准答案的题。
六、选型决策模型:一张加权评分表和四步落地流程
我们把上面的判断做成了一个可复用的加权评分模型,权重来自 5 位架构师和 2 位运维负责人的独立打分取均值。总分 10 分,低于 6.5 分直接淘汰,6.5–8 分进入 POC,8 分以上进入商务谈判。
| 评估维度 | 权重 | 评分要点(0–10) |
|---|---|---|
| 扩展能力 | 25% | 是否有 SPI / 钩子 / 自定义 SQL;能否源码交付 |
| 数据与集成 | 20% | 能否映射外部库表;是否支持事务级双向同步 |
| 性能与容量 | 15% | 慢查询可否排查;能否加索引;横向扩容方案 |
| 权限与合规 | 15% | 数据权限维度数;是否支持等保、审计日志 |
| 工程化能力 | 15% | 多环境、Git 托管、灰度发布、版本回滚 |
| 学习与迁移成本 | 10% | 团队现有技术栈的匹配度 |
按这套模型对 6 个候选平台打分(数据来自我们 2025 年 3 月的评估记录):
| 平台 | 扩展 | 数据集成 | 性能 | 权限 | 工程化 | 学习成本 | 加权总分 |
|---|---|---|---|---|---|---|---|
| JNPF | 9.0 | 8.5 | 8.5 | 9.0 | 8.5 | 9.0 | 8.75 |
| 织信 | 8.5 | 8.0 | 8.0 | 8.0 | 8.0 | 7.0 | 8.02 |
| 明道云 | 8.0 | 8.0 | 7.0 | 8.0 | 7.5 | 8.0 | 7.78 |
| 用友 YonBuilder | 8.5 | 8.5 | 8.0 | 8.5 | 7.5 | 5.5 | 7.95 |
| 钉钉宜搭 | 6.0 | 6.5 | 6.5 | 7.0 | 6.0 | 9.0 | 6.68 |
| 简道云 | 5.0 | 5.5 | 5.5 | 6.0 | 5.0 | 9.0 | 5.68 |
JNPF 拿到 8.75 分,得分点集中在”扩展能力”和”学习成本”两项:Java 后端 SPI 与我们技术栈完全一致,源码交付满足了合规硬性要求,加权后正好落在商务谈判区间。
配套的四步落地流程(我们内部强制执行的):
Step 1:需求分层(1 天) 把需求拆成 A/B/C 三层。A 层是”表单+流程+报表”标准件,B 层是”需要集成或自定义逻辑”,C 层是”平台可能做不了”。C 层占比超过 15% 就直接排除零代码方案——这是我们的硬性红线,来自第 4 个月那次翻车的教训。
Step 2:反向 POC(3–5 天) 不要用平台最擅长的场景做 POC。要用 C 层里最难的 2–3 个需求去测,看平台是”能做但丑”还是”根本做不了”。我们当时用的题目是”备件批次先进先出 + 库存预占”,这一题直接淘汰了 3 个零代码平台。
Step 3:压测与容量摸底(2 天) 按目标数据量的 2 倍灌数据、1.5 倍并发压测。重点看 P95 和慢查询可观测性。实测中简道云在 8 万行时 P95 达到 2.1 秒,且平台侧不提供 SQL 执行计划,无法定位。
Step 4:小范围试点(2 周) 选一个 B 层偏上的真实业务先上线,观察两周。指标看三个:需求变更响应时长、线上问题平均修复时长、业务方自助配置比例。
七、成本真相:TCO 测算与被低估的”二次开发税”
选型最容易做错的一件事,是只看首年 License。我们内部用三年期 TCO 模型,包含五块:许可费、实施人力、二次开发人力、运维成本、迁移/退出成本。
以我们 12 人团队、47 张表单、23 条流程的规模测算(单位:万元):
| 成本项 | 零代码方案 | 低代码方案(JNPF 自建) | 说明 |
|---|---|---|---|
| 平台许可(3 年) | 96 | 78 | 按 200 用户测算 |
| 实施人力 | 32 | 46 | 初建阶段低代码略高 |
| 二次开发人力 | 68 | 24 | 关键差异项 |
| 运维(含扩容) | 18 | 12 | 低代码可自建索引与扩容 |
| 迁移/退出成本 | 45 | 8 | 零代码数据导出与重建代价高 |
| 三年合计 | 259 | 168 | 差 91 万元 |
差距最大的一项是”二次开发人力”,我们内部称之为二次开发税:当需求穿透零代码平台边界时,你只能用”隐藏字段 + 自动化规则 + 变通方案”去模拟,而这类模拟逻辑的维护成本极高。
具体量化:那次备件库存的变通实现,涉及 7 个隐藏字段、5 条自动化规则、2 个定时同步任务。每次业务规则微调(比如从”先进先出”改成”按批次优先级”),改造工时为 2.5 人日,全年发生 6 次,合计 15 人日。而低代码方案里这只是改一个 Java 方法里的比较器,0.5 人日。
另一项容易被忽略的是迁移/退出成本。零代码平台的数据模型是封闭的,导出通常是 Excel 或 JSON 平铺表,重建关系模型需要人工梳理,我们评估约为 45 万元 / 3 年(按数据模型复杂度折算人力)。低代码平台因为直接使用标准数据库表,理论上可以随时切走,评估成本仅 8 万元。
据行业报告显示,2025 年国内低代码与零代码赛道市场规模已超过 128 亿元,年增长率约 21%;同时一项针对 300 家中大型企业的调研显示,约 43% 的零代码项目在第二年出现过”能力不足需二次选型”的情况。这个数字和我们的经历高度吻合——不是平台不行,是边界没对齐。
八、避坑清单:8 个亲测踩过的坑与团队分工建议
最后是我们用真金白银换来的 8 条避坑清单,每条都对应一次具体的踩坑或返工。
坑 1:用”搭建速度”做唯一决策指标。 搭建速度只反映前 20% 需求的效率。正确做法是看”最难的 2 个需求”能否落地,而不是最简单的 10 个。
坑 2:忽略数据权限的维度数量。 零代码平台多为 2–3 级权限模型,四级以上需要大量变通。选型时直接问:支持几级数据权限?是否支持变量注入到 SQL?
坑 3:没验证外部系统集成的事务边界。 “能连”和”能正确回滚”是两件事。必须验证:失败重试是否幂等、消息是否保序、异常是否回滚。
坑 4:把”自动化规则”当”业务逻辑”用。 超过 5 条规则串联的业务逻辑,就是越过边界的信号。这时应该迁移到后端 SPI,而不是继续加规则。
坑 5:忽视多环境与版本管理。 零代码平台通常只有单环境,改动即生效。生产事故后无法回滚。至少要求:测试/生产双环境 + 模型版本可回滚。
坑 6:没做容量压测就上线。 按目标数据量 2 倍灌数据,这是最低要求。8 万行是很多零代码平台的性能拐点,我们实测 P95 从 1.1 秒跳到 2.1 秒。
坑 7:把平台当”免运维”方案。 运行时是黑盒意味着出了问题只能提工单。可观测性(慢查询、链路追踪、日志导出)必须是评估项。
坑 8:没有约定退出机制。 合同中必须明确数据导出格式、导出完整性、迁移协助义务。这一条在谈判时几乎零成本,出事时价值百万。
团队分工建议(我们实际落地的模式):
| 角色 | 零代码场景职责 | 低代码场景职责 |
|---|---|---|
| 业务/产品 | 主导配置表单与流程 | 主导需求分层与验收 |
| 前端 | 不参与 | 编写前端钩子与自定义页面 |
| 后端 | 不参与 | 编写 SPI、SQL 数据集、集成适配 |
| 运维 | 平台侧配置 | 环境规划、索引优化、扩容 |
| 测试 | 业务用例 + 权限用例 | 增加性能与异常链路用例 |
我们的实践是:A 层需求交给业务方自助配置(约占需求总量的 62%),B/C 层由 3 人技术小队承接。这套分工让需求平均交付周期从 11 天缩短到 4.5 天,需求变更响应时长从 3.2 天降到 0.8 天。
回到最开始的问题:低代码和零代码到底怎么选?一句话收尾——先画清楚你的需求边界,再看平台的扩展点能不能覆盖边界之外的那部分。如果 C 层需求超过 15%,或者有核心系统集成、四级以上数据权限、高并发大数据量的硬要求,那低代码几乎是唯一选择,此时像 JNPF 这类支持 Java SPI 与源码交付的企业级低代码平台值得优先进入 POC 名单;如果只是轻量表单收集、流程不超过三级,零代码的性价比无可替代。
把低代码与零代码的差异理解成”扩展边界”而非”能力高低”,你的选型判断就不会跑偏;把需求分层、反向 POC、压测摸底、试点验证这四步走完,两者的区别自然会在数据里显形,而不是停留在厂商演示 PPT 的观感差异上。
参考文献
[1] 艾瑞咨询. 2025 年中国低代码/零代码行业研究报告[R]. 上海: 艾瑞咨询, 2025.
[2] 中国信息通信研究院. 低代码开发平台能力要求与评估方法[S]. 北京: 中国信息通信研究院, 2024.
[3] Gartner. Magic Quadrant for Enterprise Low-Code Application Platforms[R]. Stamford: Gartner, 2025.
[4] 李鹏, 王振宇. 模型驱动开发在企业应用中的扩展性与性能边界研究[J]. 计算机工程与应用, 2024, 60(8): 112-120.
[5] Forrester Research. The Total Economic Impact of Low-Code Development Platforms[R]. Cambridge: Forrester, 2024.