L'analisi dati nello sport non ha una storia dedicata nel dossier, quindi ecco cosa mostrano davvero i dati
Il pezzo più recente qui, pubblicato il 30 settembre, non è una storia sportiva. È uno studio che mostra come la maggior parte dei data center europei rifiuti di dichiarare quanta acqua ed elettricità consuma, la stessa infrastruttura da cui l'analisi dati nello sport dipende sempre di più.

Lighthouse Report ha condotto quello studio con Trouw e altri media europei. È emerso che nei Paesi Bassi meno di un quarto dei data center più grandi pubblica cifre sui consumi di elettricità e acqua potabile. I ricercatori hanno passato un anno a invocare le leggi sull'accesso agli atti in tutta Europa e sono tornati con quasi nulla. NL Times ha riferito il 30 settembre che i data center commerciali da 500 kW o più nei Paesi Bassi erano 186 alla fine dell'anno scorso. L'agenzia nazionale RVO ha dati su appena 104.
Il tema qui è l'analisi dei dati nella tecnologia sportiva. Nessun servizio dedicato all'analisi dati nello sport delle ultime 72 ore compare però in questo dossier. I titoli recenti forniti come contesto sono quasi tutti promozionali o di ricerche di mercato, e le regole della casa dicono che non si possono citare come fatti. Possiamo comunque leggere i servizi reali su infrastruttura e governance dei dati e chiederci cosa significano per un settore che si vende sulla misurazione.
Partiamo dal calcolo. Un articolo inviato ad arXiv il 29 settembre descrive Purlin, un framework di comunicazione per collettivi di GPU. Gli autori sono Osayamen Jonathan Aimuyo, Swapnil Gandhi e Christos Kozyrakis. Riportano miglioramenti di latenza fino a 5,14 volte e di larghezza di banda fino a 4,50 volte su sette collettivi con GPU A100, H200 e B200. Integrato in SGLang, dicono, Purlin migliora il throughput e l'interattività del serving LLM offline in media di 1,13 volte e fino a 1,37 volte.
È un articolo di sistemi distribuiti, non di sport. Conta lo stesso, perché le stesse flotte di GPU che servono i modelli linguistici servono anche la video review, i dati di tracking e gli strumenti generativi per gli highlights. Purlin separa l'orchestrazione dal datapath, e questo abbassa il costo di adottare nuovo hardware. Per leghe e broadcaster che fanno inferenza al bordo di un evento dal vivo, è la differenza tra un prodotto e una demo.
Dove finirebbero i dati sportivi
Il 30 settembre AWS ha annunciato che Aurora PostgreSQL ora supporta l'interrogazione diretta di dati Apache Iceberg e Parquet. Usa il motore di query di DuckDB incorporato in PostgreSQL, senza pipeline ETL né duplicazione dei dati. La funzionalità è disponibile in generale su Aurora PostgreSQL 17.11, 18.6 e versioni successive in tutte le regioni commerciali e GovCloud di AWS, senza costi aggiuntivi.
Leggiamo questo insieme al post di ingegneria di Tigris dello stesso giorno. L'azienda di object storage spiega perché ha spostato attività asincrone come la garbage collection dalle code di FoundationDB a Kafka. Tigris dice di tenere ancora le sue code in FoundationDB, il key-value store dietro iCloud. Ma la pianificazione richiedeva troppe scritture e scansioni in competizione con le richieste degli utenti.
Questi due post descrivono lo stesso problema da estremità opposte. Le organizzazioni sportive raccolgono dati sugli eventi, biometrici, biglietteria e video in sistemi separati. Poi spendono tempo di ingegneria per copiarli in un warehouse prima che qualcuno possa interrogarli. AWS vende la scorciatoia. Tigris descrive cosa succede dopo averla presa e quando il carico cresce.
"L'intero schema aggiunge un altro strato di offuscamento su come vengono usati i dati dei lettori di targhe e su chi li usa", ha detto Jeramie Scott, direttore del Surveillance Oversight Center dell'Electronic Privacy Information Center, a 404 Media.
Scott parlava dei lettori di targhe, non di sport. Ma 404 Media ha riferito il 30 settembre che l'amministrazione Trump sta usando il programma High Intensity Drug Trafficking Area degli anni Ottanta per costringere le città a convogliare i dati di Flock, Axon e altri sistemi ALPR nei centri federali di sorveglianza. Parte di quei dati viene trasmessa al National License Plate Reader Program della DEA. Il servizio dice che le città in Georgia non possono gestire sistemi ALPR sulle strade statali senza firmare un memorandum d'intesa che promette di inviare i dati a un HIDTA.
Perché questo appartiene a un'analisi di tecnologia sportiva? Perché dietro la sicurezza degli stadi e la sorveglianza nei giorni di evento ci sono gli stessi fornitori, gli stessi uffici appalti e spesso gli stessi bilanci comunali. Una città può aver già ceduto i propri dati delle telecamere a un programma federale. Allora le condizioni con cui un club o un impianto può promettere privacy ai tifosi non sono il club a stabilirle.
La questione dei dati sanitari
Il Guardian ha riferito il 30 settembre che più di 44.000 persone hanno presentato obiezioni legali ai sensi dell'articolo 21 del GDPR britannico. Si oppongono al trattamento dei propri dati sanitari da parte della Federated Data Platform alimentata da Palantir, il contratto da 330 milioni di sterline con NHS England. Le obiezioni sostengono che il coinvolgimento di Palantir mina la fiducia nella riservatezza dei dati del NHS. NHS England ha dichiarato che tutte le organizzazioni del NHS restano in controllo dei propri dati e che i fornitori non possono accedervi per fini propri.
Sempre il 30 settembre, il Guardian ha riportato le dichiarazioni del segretario alla salute statunitense Robert F. Kennedy Jr a un evento del Maha Institute. Ha descritto il collegamento di dati medici, di stile di vita e delle richieste di rimborso tra Medicaid, Medicare, FDA e CDC, così che l'AI possa cercarvi dentro. Ha detto che studi che prima richiedevano anni ora si possono fare "letteralmente in pochi secondi".
Lo sport d'élite passa un decennio a sostenere che i dati sanitari degli atleti sono diversi. Dice che a governarli sono il consenso e la contrattazione collettiva, non il diritto della salute pubblica. Quell'argomento diventa più difficile da difendere in pubblico quando gli stessi strumenti, gli stessi appaltatori e gli stessi schemi di ricerca con l'AI vengono applicati a popolazioni che non hanno mai dato il proprio consenso.
Un altro numero, dalla stessa settimana. The Decoder ha riferito il 30 settembre che Meta ha risparmiato 3.900.000.000 di dollari nel 2025 grazie a un credito d'imposta federale per la ricerca, secondo il New York Times. Meta ci è riuscita classificando i data center per l'AI come "modelli pilota" e i chip Nvidia come materiali sperimentali. Le stesse comunicazioni SEC di Meta avvertono che i risparmi potrebbero essere contestati, e gli accantonamenti per posizioni fiscali incerte sono saliti del 45 percento a 18.740.000.000 di dollari.
I fornitori di analisi dati nello sport non operano a quella scala. Il punto è strutturale. Lo strato di calcolo sotto ogni sistema di tracking, ogni modello per le scommesse e ogni arricchimento delle dirette viene finanziato, tassato e regolato in modi che i suoi clienti raramente vedono. Le storie più recenti qui riguardano quello strato, non lo sport. È la lettura onesta della settimana.
Fonti
8- 01Most data centers refusing to say how much water, electricity they useEN
- 02Purlin: Separating Orchestration from the Datapath of CollectivesEN
- 03Aurora PostgreSQL now supports querying of Apache Iceberg and Parquet dataEN
- 04We used a database as a message queue. Now we use KafkaEN
- 05How Cities Are Forced to Funnel License Plate Data to a Massive Federal Surveillance ProgramEN
- 06More than 44,000 file legal objections to Palantir NHS platform handling their dataEN
- 07RFK Jr outlines expansive vision for collecting US health data at Maha eventEN
- 08Meta dodges billions in US taxes by calling its AI data centers experimentsEN
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.