L'app Sports di Apple è a malapena un prodotto di dati. Ed è proprio il punto
L'app Sports di Apple non ha quasi funzioni, non ha feed di notizie e non ha meccanismi di coinvolgimento. La recensione di Slate di giugno sostiene che a farla funzionare sia la velocità, non la scienza dei dati.

Il mercato della tecnologia sportiva viene venduto come un problema di dati. I titoli recenti parlano di monitoraggio delle prestazioni, analisi dei biglietti e intelligenza artificiale nello sport. Tutto punta a pipeline più grandi e modelli più intelligenti. Uno dei prodotti sportivi più usati degli ultimi due anni va nella direzione opposta.
Slate ha recensito l'app Sports di Apple a giugno, con un titolo che dice che "non fa quasi nulla". L'articolo descrive un'app senza titoli di notizie, senza guide allo streaming e senza elementi di design pensati per trattenere gli utenti al suo interno. Ci sono nomi e loghi delle squadre, i record, gli orari delle partite e i punteggi delle gare in corso o concluse, più una pagina di classifiche. Il prodotto è questo.
Il costo sta nella query, non nell'indice
Il contrasto con il modo in cui i fornitori di analytics inquadrano il problema è netto. Un post pubblicato ad agosto da Cassis, azienda che produce strumenti per i dati, espone un quadro semplice. Si chiede dove finisca il costo umano necessario a rispondere a una domanda sui dati. Il post divide quel costo in indicizzazione e interrogazione. L'indicizzazione è il lavoro iniziale di strutturare le informazioni perché si possano ritrovare dopo. L'interrogazione è lo sforzo nel momento in cui qualcuno ha davvero bisogno di una risposta. Il post prende in prestito un'analogia sull'armadio da Hrishi Olickel. Lo schema in scrittura significa mettere i vestiti subito nell'armadio, ordinati per funzione. Lo schema in lettura significa frugare in un mucchio disordinato quando serve qualcosa.
L'app di Apple è una scommessa estrema sull'indicizzazione. Qualcuno ha dovuto decidere quali campionati contano e come sono strutturate le classifiche. Qualcuno ha dovuto decidere come sono disposti i tabellini e con che rapidità un punteggio arriva alla schermata di blocco. L'utente non paga quasi nulla al momento dell'interrogazione. Il recensore di Slate nota che l'app ha continuato a mostrare gli sviluppi dei Pittsburgh Penguins durante i playoff della Stanley Cup prima che la diretta streaming si aggiornasse. Gli aggiornamenti automatici hanno dovuto essere disattivati.
"Abbiamo creato Apple Sports per dare ai tifosi quello che vogliono, un'app che offre un accesso incredibilmente rapido a punteggi e statistiche."
Quella frase di un dirigente Apple, citata nell'articolo di Slate, è tutta la presentazione. Non ci sono affermazioni su agenti di alcun tipo. Il recensore elenca la copertura dell'app: partite del Mondiale più MLS, NWSL e circa 30 altri campionati. Ci sono la Serie A ecuadoriana e la seconda divisione della Bundesliga, insieme al tennis maschile e femminile e al LPGA Tour.
Gli agenti spostano il costo, non lo eliminano
Gran parte della spinta attuale sull'analisi sportiva presume il compromesso opposto: accettare un prodotto più pesante e ottenere di più in cambio. Questa ipotesi è sotto pressione in tutto il settore degli strumenti per i dati. Il post di Cassis sostiene che gli agenti di intelligenza artificiale non eliminano il costo umano di rendere utili i dati. Lo redistribuiscono, e la redistribuzione è facile da non vedere. Un senior data manager citato nell'articolo descrive una rotazione settimanale. Una persona è dedicata alle domande ad hoc e assorbe circa il 20% di un team di cinque o sei persone, in modo permanente.
Starburst ha pubblicato a settembre una propria analisi dell'analisi dei dati affidata agli agenti. Arriva in un punto simile partendo da una direzione diversa. L'azienda descrive un'opzione che chiama deliberatamente "opzione 0": estrarre i dati grezzi dai sistemi di origine e inviarli a un agente come file o tramite un collegamento diretto. L'obiezione di Starburst è il costo. Mandare terabyte di dati a un agente può diventare proibitivo se l'agente addebita per ogni elemento elaborato. L'opzione preferita è dare all'agente le credenziali per accedere al database e lasciargli scrivere il proprio SQL. Poi il motore del database fa il lavoro per cui è stato costruito.
Starburst segnala anche il rischio operativo di questo approccio. Gli agenti, si legge nel post, possono essere molto più esigenti degli umani. Possono sovraccaricare un database con query speculative mentre iterano. L'azienda lo inquadra come un problema di carico di lavoro su cui l'industria dei database sta lavorando attivamente, non come un problema risolto.
Strumenti piccoli, superfici piccole
Lo stesso istinto si vede in rilasci open source più piccoli. Adaca Analytics è un progetto di dashboard self-hosted per Google Analytics 4, pubblicato su GitHub a settembre. Gira su Cloudflare Workers con riepiloghi giornalieri dall'API GA4 Data o da un export BigQuery che finisce in un database D1 di proprietà dell'operatore. Il tempo reale resta su Google. Il repository annuncia sei dashboard pronte all'uso, un builder in quattro passaggi e pagine di dettaglio precalcolate, così che cliccare un numero dia una risposta in un solo passaggio. È distribuito con licenza MIT.
DataZen, mostrato su Hacker News a fine agosto, segue una linea simile sull'ambito di applicazione per il lavoro sui database. È un client desktop sotto i 15 MB, GPLv3, senza account. Le credenziali sono cifrate con AES-256-GCM nel portachiavi del sistema operativo, e le richieste di intelligenza artificiale vanno solo al fornitore configurato dall'utente. Plainoldanalytics, pubblicato a settembre, è un middleware Go che monta una dashboard su un router HTTP esistente e scrive il traffico su disco circa una volta al secondo.
Nessuno di questi prodotti promette di rispondere alla domanda del CFO su quali clienti enterprise hanno rinnovato. Promettono che la risposta, una volta che qualcuno l'ha definita, costa poco da recuperare. Cassis mette in chiaro la parte fuori budget. Far concordare quattro team su cosa significhi "cliente attivo" è lavoro di indicizzazione. Non sparisce perché ora è un agente a scrivere l'SQL.
Per i prodotti sportivi l'analogia regge con una differenza. I tifosi sono già d'accordo su cosa sia un punteggio. La discussione sulle definizioni che divora i budget di analytics non esiste. Forse è proprio per questo che fare quasi nulla funziona.
Fonti
6- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02There's still no free lunch in data analyticsEN
- 03An Analysis of Two Architectures for Agentic Data AnalysisEN
- 04We rebuilt the old Google Analytics on top of GA4's dataEN
- 05Show HN: DataZen – a local-first client for cross-database workflowsEN
- 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.
Commenti
0- Nessun commento — sii il primo.