這種情況正在被扭轉，因為物聯網提供了千兆字節的可用數據。即時和持續的互聯網訪問引發了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意見。
網絡開發公司已經使用人工智能從設計階段開始理解所有這些數據點，並將這些發現集成到應用程序中。這種方法通過觀察目標群體的特定行為和偏好，幫助企業節省時間和成本。
數據重新定義了軟件生產領域。目前，軟件開發包括程序員編碼或重用現有模塊來創建工作應用程序，以滿足壹些預設的要求。深度學習將徹底改變這種情況。
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，可以得出哪些是用戶必不可少的，哪些是應該強調的。與谷歌的自動補全功能相比，這是壹個進步。
新版本應用的升級也將依賴於數據，而不是直覺或焦點小組的反饋。用戶通過與應用程序互動或在論壇和社交媒體上陳述他們的需求來表達他們的需求。為了使用這些信息，開發團隊應該收集這兩個數據流，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重點，而是會自然而然地從數據中浮現出來。當有更多的數據需要訓練時，機器學習算法會變得更加智能。當這種情況發生時，壹個新的版本將會出現。
例如，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滿意結果的搜索或查詢的答案。在這次升級中，開發者的投入很少。
數據擾亂了開發者的工作模式。因為目前的工作模式正在發生巨大的變化，網絡應用開發人員很可能在未來幾年內擔心失業。然而，這不是減少對程序員需求的問題，而是對不同技能的需求。對程序員和編碼員的需求將比以往任何時候都高，但他們可能需要提升自己在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，更多的是結構化數據，清理數據，管理數據，確保做好教授算法的準備。這些技能和十年前的面向對象或者web編程的意義有很大的不同，但是在這個行業，進步是必然的。現在的趨勢是用R或者Matlab編寫Python腳本，分析數據。
隨著代碼越來越豐富，對於我們現在所知道的開發者來說，可能意味著壹個時代的結束。機器手邊會有所需的代碼，它們也會知道如何將這些片段組織成壹個工作程序。
數據驅動的web應用能帶來什麽？
目前，理解數據仍然可以為組織帶來競爭優勢，但它將很快成為最低的運營要求。
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。
生產力和虛擬助理網絡應用程序可以記住我們的偏好，並幫助我們重新開始，這可以節省時間和精力。人工智能可以理解我們的消費習慣、時間使用和生活方式。通過分析這些體驗背後的數據，它可以提供個性化的建議，簡化我們的選擇。
這些應用有潛力成為某種個人助理、可信賴的夥伴、智能數據庫或智能知識庫。壹些應用程序會提醒妳重要的任務，並在妳的時間表中找到缺口。妳可以利用這些間隙，甚至停止壹些有害的習慣，比如拖延癥。
強化個性化的人工智能應用很快就會像忠誠的助手壹樣出現在妳的身邊，但它們也比朋友和家人更能進入妳的腦海。如今，我們的智能手機可以根據地理位置、過去的偏好以及與特定品牌的互動，為我們提供出色的提示。
與網飛和亞馬遜非常相似，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趨勢，也是應用開發的大方向。新壹代智能手機，如iPhone X和Galaxy S8，都內置了人工智能功能。
預測的影響在web應用程序開發中使用數據科學引起的變化將對消費者和開發者產生同樣的影響。瀏覽器中存儲的Cookie，以及用戶在網絡會話過程中提供的任何數據，都會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，相同的數據可能是升級和增強的主要來源。速度、可靠性、功能還是有很高的要求，但是把用戶自己的數據融入到應用的外觀、感覺、功能中，會有所作為。