Il tabellone silenzioso di Apple e la serie di strumenti analytics open source
Slate ha definito Apple Sports, l'app lanciata all'inizio del 2024, il miglior prodotto tecnologico di consumo degli ultimi due anni. Intanto su GitHub si accumulano strumenti analytics self-hosted che fanno concorrenza ai grandi fornitori.

Quest'anno sono successe due cose nella tecnologia sportiva che vale la pena mettere una accanto all'altra. Apple ha distribuito un'app sportiva che fa una cosa sola. Un gruppo di sviluppatori, società di consulenza e fornitori di database ha pubblicato strumenti che provano a rendere l'analisi dei dati meno dipendente da una manciata di fornitori cloud.
Il 10 giugno Slate ha pubblicato un articolo secondo cui Apple Sports, uscita nell'inverno del 2024, è un caso raro di app che fa esattamente ciò che promette. L'articolo elenca quello che l'app non ha: niente titoli di notizie, niente guide allo streaming, niente scorrimento in stile TikTok. L'autore scrive di usarla per NHL, NFL, football universitario e basket universitario. Durante i playoff della Stanley Cup, racconta, ha dovuto disattivare gli aggiornamenti automatici dei Pittsburgh Penguins. L'app era più veloce del suo pacchetto di streaming.
I dati dietro la semplicità
Vale la pena spiegare il meccanismo. È ciò che chiarisce perché un'app per controllare i punteggi risulti diversa da quello che sono diventate ESPN o MLB. Apple Sports mostra nomi delle squadre, loghi, record, orari delle partite e punteggi, oltre alle classifiche. Tocchi una partita e ottieni il tabellino, la classifica marcatori o le rose. L'app copre MLS, NWSL e una trentina di altri campionati di calcio, tra cui la Serie A ecuadoriana e la seconda divisione tedesca, più il tennis maschile e femminile e il circuito LPGA. Le Live Activities possono inviare i punteggi alla schermata di blocco. Le quote di scommessa compaiono sul tabellone ma si possono disattivare nelle impostazioni. La pubblicità è descritta come occasionale, per lo più banner che rimandano ad Apple TV.
Slate cita la presentazione originale di un dirigente Apple al lancio del 2024: "Abbiamo creato Apple Sports per dare ai tifosi quello che vogliono, un'app che offre un accesso incredibilmente rapido a punteggi e statistiche". Tutta la dichiarazione sul prodotto è questa. Non c'è nessun livello agentico, nessun bot che riassume, nessuna generazione di immagini.
Se questa sobrietà regga su larga scala è un'altra questione. L'app consuma dati sportivi invece di produrli. Il suo valore dipende dagli accordi di licenza con i campionati e i fornitori di dati, di cui Slate non parla. Dipende anche dalla volontà di Apple di tenere in funzione un prodotto senza ricavi evidenti. Nessuna delle due cose è garantita.
L'altro lato del mercato
Intanto lo strato di strumenti sotto l'analisi dei dati sportiva e aziendale si affolla. Il 13 settembre è apparso su GitHub, sotto l'handle poundifdef, un progetto chiamato plainoldanalytics. È un pacchetto di web analytics self-hosted e aggiuntivo per applicazioni Go. L'autore lo presenta come simile nello spirito a Umami, Plausible o PostHog, ma incorporato nell'app stessa. Il pacchetto principale è indipendente dallo storage: importarlo non tira dentro DuckDB né altri backend. Gli sviluppatori scelgono un pacchetto di storage, oppure implementano l'interfaccia Storage e la passano a plainoldanalytics.New.
Il repository mostra una dashboard integrata montata su un percorso a scelta, un wrapper middleware e un registratore opzionale delle sessioni del browser. Il traffico viene scritto su disco circa una volta al secondo. Il README dice agli sviluppatori di chiamare Close() allo spegnimento per scrivere quanto è ancora in buffer. Esistono adattatori per gin e chi. La documentazione avverte che il middleware va limitato a un gruppo. Così la dashboard di analytics stessa non viene registrata come traffico.
L'8 settembre una società di consulenza software chiamata Adaca ha pubblicato una proposta diversa: adaca-analytics, una dashboard self-hosted per Google Analytics 4 e BigQuery, eseguita su Cloudflare Workers. I riepiloghi giornalieri dall'API GA4 Data o da un export BigQuery finiscono in un database D1 di proprietà dell'utente, mentre i dati in tempo reale restano su Google. Il README descrive sei dashboard già pronte, un builder in quattro passaggi, segmenti salvati, link di condivisione in sola lettura, confronto con periodi precedenti e riepiloghi settimanali e mensili via email o Slack. La configurazione richiede un account di servizio Google con accesso Viewer e un deploy su Cloudflare, che crea un fork del repository e prepara D1 e KV.
Il progetto è sotto licenza MIT. Adaca si definisce una società di consulenza software che sviluppa software su misura e inserisce ingegneri senior nei team dei clienti.
Questioni di architettura
L'11 settembre Starburst ha pubblicato un'analisi di due architetture per l'analisi agentica dei dati. La sua impostazione vale per entrambi gli strumenti descritti sopra. La prima opzione è estrarre i dati dai sistemi di origine e passare i file grezzi a un agente. Starburst la chiama "opzione 0" e sostiene che è impraticabile al di fuori di circostanze insolite. Gli agenti che fanno pagare per ogni elemento di dati diventano proibitivi quando si inviano terabyte. La seconda opzione è dare all'agente accesso diretto al database e lasciargli scrivere il proprio SQL. L'agente affina le query passo dopo passo mentre il motore del database fa l'elaborazione. Starburst osserva che gli agenti possono sovraccaricare i sistemi di database con query speculative, ma dice che il settore si sta concentrando sul supporto ai carichi di lavoro agentici.
È il compromesso che i nuovi strumenti stanno facendo in silenzio. Adaca tiene l'aggregazione pesante in un database controllato dall'utente. Plainoldanalytics tiene il traffico nel processo dell'applicazione stessa. Nessuno dei due manda dati grezzi a terzi per impostazione predefinita. I titoli più rumorosi della tecnologia sportiva riguardano sistemi di targeting e previsione basati sull'AI. Il cambiamento più interessante potrebbe essere verso strumenti più piccoli che si rifiutano di fare più di un lavoro.
Fonti
4- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02We rebuilt the old Google Analytics on top of GA4's dataEN
- 03Show HN: Plainoldanalytics: Analytics Middlware for GoEN
- 04An Analysis of Two Architectures for Agentic Data AnalysisEN
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.