Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Le app sportive sono diventate pesanti. Le analytics dietro sono diventate complicate

La tecnologia sportiva viene venduta come una storia di dati. L'ingegneria più difficile sta nelle tubature: l'app Sports di Apple elimina tutto tranne i punteggi, Adaca ha ricostruito Google Analytics su Cloudflare Workers, e un adolescente ha trovato 17.000.000.000.000 di righe in un database Microsoft dopo che un controllo JWT è stato saltato.

SportAnalisiLuca EspositoPubblicato: 28 settembre 20268 min di letturaFonti 6
Le app sportive sono diventate pesanti. Le analytics dietro sono diventate complicate

La tecnologia sportiva viene venduta come una storia di dati. Le proposte che arrivano nelle redazioni questo mese parlano di intelligenza artificiale nei mercati sportivi, di dashboard per la crescita dei tifosi e di analisi delle prestazioni. Quello è lo strato di marketing. Lo strato dell'ingegneria è diverso, e più facile da ispezionare. Gran parte arriva come open source, resoconti di bug bounty o note di prodotto.

Prendiamo l'esempio consumer più visibile. Slate ha pubblicato a giugno un articolo secondo cui l'app Sports di Apple è la migliore app che l'azienda abbia rilasciato da anni proprio perché non fa quasi nulla. L'app, chiamata semplicemente "Sports", non contiene titoli di notizie, né guide allo streaming, e quasi nessuna pubblicità. Il recensore di Slate nota che mostra nomi e loghi delle squadre, record, orari delle partite e punteggi, più una pagina di classifiche. Le quote di scommessa compaiono sul tabellone, ma un interruttore nelle impostazioni le rimuove in modo permanente.

Questo è l'intero prodotto. La parte interessante per chi lavora nei dati sportivi è perché sembra veloce. L'app è ristretta per scelta progettuale, così la pipeline di dati dietro non deve mai riconciliare feed, contenuti editoriali e inventario video nella stessa schermata.

Il tabellone è la parte facile

Il giornalista di Slate descrive la personalizzazione come perfetta. Scegli campionati e squadre, compaiono in homepage e in una barra laterale, e i loro punteggi possono emergere come Live Activities sulla schermata di blocco. La copertura va ben oltre i Mondiali, fino alla MLS, alla NWSL e a circa altri 30 campionati di calcio, più il tennis maschile e femminile e il LPGA Tour. Cliccando su una partita si apre un box score essenziale, una classifica o una rosa.

L'app è stata annunciata nell'inverno del 2024. Slate cita un dirigente Apple che all'epoca esponeva la premessa: "Abbiamo creato Apple Sports per dare ai tifosi quello che vogliono, un'app che offre un accesso incredibilmente rapido a punteggi e statistiche." Nessuna impostazione da agente, nessuna promessa di avvicinare i tifosi all'azione.

C'è una lezione utile sepolta in questa sobrietà. La maggior parte delle proprietà sportive porta ormai anni di funzionalità accumulate. Il recensore di Slate indica l'app ufficiale della Major League Baseball, un tempo tra le preferite, per aver circondato punteggi e video di fronzoli. Indica anche l'app di ESPN per aver spinto la sua offerta di TV in diretta e un feed in stile TikTok chiamato "Verts" sopra la sezione dei punteggi. L'attrito non è un problema di dati. È un problema di prodotto travestito da problema di dati.

Ed è qui che le tubature diventano interessanti, e che il registro pubblico di questo mese è insolitamente ricco.

L'8 settembre una società di consulenza software chiamata Adaca ha pubblicato Adaca Analytics, uno strato di dashboard self-hosted per Google Analytics 4 e BigQuery, in esecuzione su Cloudflare Workers. Secondo il README del progetto su GitHub, i riepiloghi giornalieri dall'API GA4 Data o da un export BigQuery finiscono in un database D1 di proprietà dell'operatore. I dati in tempo reale restano su Google. Il repository include sei dashboard e un builder in quattro passaggi per quelle personalizzate.

I dettagli contano più della presentazione. Ogni numero nella dashboard apre una pagina di dettaglio con il proprio andamento e le proprie ripartizioni, precalcolate così da caricarsi in un solo round trip. C'è un filtro per l'intera dashboard, segmenti salvati e link di condivisione in sola lettura che possono fissare un filtro. I confronti avvengono con il periodo precedente, l'anno scorso o qualsiasi finestra. L'installazione richiede la creazione di un service account Google con accesso Viewer su una proprietà GA4, il download della sua chiave JSON, poi il deploy su Cloudflare, che fa il fork del repository e prepara D1 e KV. Il README dice esplicitamente che non c'è login. Consiglia agli operatori di mettere Cloudflare Access o il Basic Auth integrato davanti al deployment. Il progetto è con licenza MIT.

Leggete tutto questo accanto al contesto sportivo e la forma del problema diventa chiara. Un club, una lega o un broadcaster che vuole la propria vista analytics ora la assembla da componenti di base: un runtime per worker, un piccolo database, un service account con accesso in sola lettura e un cron job. La parte costosa non è il motore di query. È il modello di accesso e la disciplina operativa.

Quando manca il controllo del token

Tom's Hardware ha riferito il 28 settembre che un adolescente con lo pseudonimo Faav ha trovato un endpoint non autenticato dentro la piattaforma analytics interna di Microsoft, Titan. Il resoconto dice che un bot da lui costruito, chiamato Antares, ha trovato un URL di endpoint che restituiva un errore che richiedeva una VPN. Antares ha poi enumerato i sottodomini e ne ha trovato uno su un host Azure Cloud, insieme a un file Swagger/OpenAPI che elencava quattro rotte. Tre richiedevano l'autenticazione Azure Active Directory. Una no, e si chiamava /v2/Query. Accettava SQL grezzo.

Secondo il rapporto, Faav ha usato la Wayback Machine per trovare una versione del 2023 di una pagina di login che conteneva un file di configurazione Apache Superset che descriveva lo schema del database, incluse 56 definizioni di tabelle. L'endpoint respingeva le sue query per mancanza di un JWT, così ha eseguito Antares contro di esso per 10 giorni senza successo. Poi ha notato che le risposte del server implicavano che la firma digitale del token non veniva controllata. Ha presentato un token che dichiarava accesso da amministratore, ed è entrato. Un singolo SHOW DATABASES ha restituito 25.000 record di dati dei dipendenti, più record dell'organizzazione, dashboard e grafici.

Scavando più a fondo, ha trovato una fonte dati per le analytics di Bing. Sommando le righe tra le tabelle, riferisce Tom's Hardware, ha contato l'accesso a 17.000.000.000.000 di record in totale. Ha segnalato il problema al programma bug bounty di Microsoft e ha ricevuto 5.000 dollari. Nel suo post sul blog ha scritto: "L'IA e l'intuito umano si sono sommati qui. Antares ha fatto dieci giorni di lavoro che io non ho dovuto fare [...] La sua perseveranza, più un'intuizione umana, è ciò che ha reso possibile questa scoperta."

Due cose vanno tenute separate. La prima è la vulnerabilità stessa: un endpoint che accettava SQL grezzo e non verificava la firma di un token. La seconda è il metodo di scoperta. L'enumerazione brute-force dei sottodomini era automatizzata. L'intuizione che il controllo della firma mancasse, e che quindi una falsa dichiarazione di amministratore avrebbe funzionato, non lo era.

Starburst ha pubblicato l'11 settembre un'analisi che inquadra la stessa tensione dal lato dell'architettura. Il post illustra due modi per alimentare un agente AI aziendale: estrarre i dati e consegnarli, oppure dare all'agente accesso diretto al database e lasciargli scrivere le proprie query. La prima opzione, che l'autore etichetta "opzione 0", diventa costosa in fretta perché agli agenti che fatturano per singolo dato elaborato non si possono consegnare terabyte. L'autore la definisce impraticabile al di fuori di circostanze particolari.

La seconda opzione lascia che il motore del database faccia ciò per cui è ottimizzato, mentre l'agente invia richieste successive o parallele. Nota anche un rischio reale: gli agenti possono essere molto più esigenti degli utenti umani. Possono sopraffare un database con query speculative mentre affinano il loro obiettivo. L'esempio del supermercato nel post illustra bene perché la questione è difficile. Chiedere se una promozione sulle uova è stata redditizia richiede dati transazionali da un sistema, dati di fedeltà e demografici da un altro, e una catena di domande successive sulla composizione del carrello e sulle visite ripetute.

È la stessa forma del problema delle analytics sportive. Biglietteria, streaming, merchandising, telemetria delle app e dati degli impianti stanno in sistemi diversi, e le query che contano li attraversano tutti. L'articolo di Starburst sostiene che i sistemi di database moderni sono sempre più capaci di gestire carichi agentici. Aggiunge che gli agenti non eguaglieranno l'ottimizzazione di motori di database messi a punto per anni su terabyte di dati strutturati, almeno per un po'.

Gli strumenti silenziosi sono quelli da tenere d'occhio

Lontano dal livello enterprise, due progetti più piccoli mostrano dove sta andando il tooling. Plainoldanalytics, pubblicato su Hacker News il 13 settembre, è un middleware analytics self-hosted per applicazioni Go. Il suo README lo descrive come simile nello spirito a Umami, Plausible o PostHog, ma incorporato nell'app stessa. Il pacchetto core è agnostico rispetto allo storage, così importarlo non trascina mai un backend. Gli operatori scelgono un pacchetto di storage, come DuckDB o uno store in memoria, oppure implementano l'interfaccia da soli. Il traffico viene scaricato su disco circa una volta al secondo. Il middleware registra i parametri del percorso a meno che una rotta non sia avvolta per registrare invece il percorso letterale. Esistono adattatori per gin e chi.

DataZen, pubblicato il 29 agosto, va nella direzione opposta: un client desktop local-first per il lavoro tra database diversi. Il suo sito elenca PostgreSQL, MySQL, SQLite e Redis come integrati, con driver opzionali per MongoDB, ClickHouse, DuckDB e SQL Server. Offre SQL in linguaggio naturale, diagnosi degli errori con un clic, visualizzazione di EXPLAIN, workflow YAML e un server MCP integrato. Quel server espone query, ispezione dello schema e workflow come strumenti per agenti come Claude Desktop, Cursor e Cline. Il sito afferma che le credenziali sono cifrate con AES-256-GCM e conservate nel keychain del sistema operativo. Afferma che solo lo schema e il contesto delle query vengono inviati al provider AI, e che il codice sorgente completo è disponibile con licenza GPLv3. Nota anche che non serve un account e che non viene gestito alcun servizio di database cloud.

Mettete insieme i quattro e emerge un pattern che le previsioni di mercato tendono ad appiattire. Lo strato rivolto al consumatore si sta consolidando attorno a una semplicità radicale, come mostra l'app Sports di Apple. Lo strato sottostante si sta frammentando in componenti piccoli, verificabili e self-hosted che gli operatori possono ispezionare e controllare. E il registro della sicurezza, come mostra il caso Microsoft, dipende meno dal fatto che un'organizzazione abbia comprato una piattaforma analytics che dal fatto che abbia controllato la firma su un token.

Niente di tutto questo compare in un grafico di dimensionamento del mercato. Compare nel momento in cui un deployment va storto.

Commenti 0

Fonti

6
  1. 01We rebuilt the old Google Analytics on top of GA4's dataEN
  2. 02Teenager hacks open Microsoft database with 17 trillion total rows and 25,000 user accountsEN
  3. 03Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  4. 04Show HN: DataZen – a local-first client for cross-database workflowsEN
  5. 05An Analysis of Two Architectures for Agentic Data AnalysisEN
  6. 06Show HN: Plainoldanalytics: Analytics Middlware for GoEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Luca Esposito

Luca Esposito

Sport, auto e viaggi

Luca Esposito si occupa di sport, auto e viaggi per FLASH24, con un metodo basato su fonti dirette: comunicati ufficiali, cronometraggi e dati tecnici delle case automobilistiche. Per le gare verifica tempi e distacchi sulle classifiche federali, mentre per i veicoli confronta schede tecniche e consumi omologati. Sente regolarmente meccanici, piloti e addetti stampa, e in calendario attende i saloni dell'auto e le grandi corse a tappe. Segue anche auto elettriche, riparazioni in garage e tratte ferroviarie europee, temi che ritornano spesso nei suoi articoli. Non pubblica numeri o anteprime senza una seconda conferma indipendente.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.