L'analytics nella tecnologia sportiva è quasi solo tabellini, e la storia onesta è questa

Cerca dati e analytics nella tecnologia sportiva e troverai una previsione di mercato, una storia di scommesse e molta narrativa commerciale dei fornitori. Quello che non troverai, nel materiale disponibile qui, è una singola organizzazione sportiva che pubblichi come funzionano davvero i suoi analytics.

Quell'assenza è il risultato. I documenti più concreti e verificabili in questo campo descrivono strumenti dati generici, e il legame con lo sport è storico, commerciale o implicito. Vale la pena dirlo chiaramente prima di ripetere un numero di crescita.

L'unica app sportiva del mucchio non fa quasi nessun analytics

Slate ha pubblicato a giugno un lungo elogio dell'app Sports di Apple, e la lode riguarda proprio ciò che l'app si rifiuta di fare. Non ci sono titoli di notizie, né guide allo streaming, né elementi di design costruiti per farti scorrere. Ci sono nomi e loghi delle squadre, record, orari delle partite e punteggi, più una pagina di classifiche. Le quote delle scommesse compaiono sul tabellino per impostazione predefinita ma si possono disattivare in modo permanente nelle impostazioni, dice il pezzo. L'autore ha dovuto disattivare le notifiche automatiche dei Pittsburgh Penguins durante i playoff della Stanley Cup perché l'app batteva il feed dello streaming sul risultato.

Quella è una questione di latenza, non di analytics, ed è la cosa più tecnica nella recensione. L'articolo non parla di expected goals, dati di tracking, modelli sugli infortuni o altro che starebbe sotto l'etichetta di analytics sportivo. La sua tesi è che un prodotto che fa bene un solo lavoro batte un prodotto pieno di funzioni che gli utenti non hanno chiesto.

Leggilo contro la moda attuale delle app sportive e il contrasto è netto. L'app della Major League Baseball ha circondato i punteggi di quello che l'autore chiama window dressing. L'app ESPN ora mette in primo piano la sua offerta di TV in diretta e un feed video verticale chiamato Verts. Entrambe sono attività di analytics nel senso che ti misurano. Nessuna delle due vende analisi della partita.

Il benchmark che misura davvero il ragionamento analitico

Hex ha pubblicato DataBench il 13 agosto, una classifica per quello che chiama agentic analytics. La tabella è densa e i numeri sono la storia. Opus 5.5 a Max effort segna il 70,5% a un costo medio di 3,57 dollari per attività. GPT-6 Sol a XHigh segna il 61,3% per 0,58 dollari per attività. GPT-6 Luna a Max segna il 52,3% per sei centesimi.

Quei tre dati da soli descrivono lo scambio che ogni team dati sta facendo ora. La cima della classifica costa circa sessanta volte di più per attività rispetto al modello economico che arriva a circa tre quarti del risultato. Hex osserva anche di aver aggiornato i suoi giudici e le sue rubriche per smettere di premiare per errore risposte fuorvianti. Secondo Hex questo ha reso il benchmark molto più difficile nel complesso, con i modelli Anthropic particolarmente colpiti. Opus 5.5 resta comunque in cima dopo quel cambiamento.

La stessa pagina riporta le latenze. Opus 5.5 a Max impiega in media 677,2 secondi per attività. GPT-6 Luna a Max ne impiega 353,2. GPT-6 Astra a Low finisce in 88,5 secondi con un punteggio del 55%. Per chi costruisce un prodotto di analytics interattivo, questo è il vero vincolo: la risposta migliore può essere a minuti di distanza, e la risposta veloce può essere sbagliata in modi che nessuno controlla.

Come sono gli impianti quando te li costruisci da solo

Due progetti open source nella stessa finestra mostrano l'altra metà del problema. Adaca, una società di consulenza software, ha pubblicato l'8 settembre un sostituto self-hosted di Google Analytics 4 su Cloudflare Workers. I riepiloghi giornalieri arrivano dalla GA4 Data API o da un export BigQuery e finiscono in un database D1 che l'operatore possiede. Il realtime resta su Google. Sei dashboard sono incluse di serie, ogni numero si apre in una pagina di dettaglio, e i report possono partire con cadenza settimanale o mensile via email o Slack. La configurazione è volutamente manuale: crea un account di servizio Google con accesso Viewer, scarica la chiave JSON, premi Deploy, metti Cloudflare Access o basic auth davanti a tutto.

Non c'è login, il che è o il punto o un rischio a seconda di chi legge il README. È sotto licenza MIT.

Separatamente, Lark è un server di database in tempo reale scritto soprattutto in Rust su Glommio, con un componente edge in Go che termina connessioni WebSocket, WebTransport e REST. È progettato per essere compatibile senza modifiche con gli SDK di Firebase Realtime Database, così un'app può tenere Firebase Auth, Hosting e Storage mentre sposta l'albero realtime altrove. Il repository dice che il formato su disco non verrà rotto senza un percorso di migrazione e che il numero di versione 0.x riflette l'età del progetto, non un'instabilità nota. Lark Cloud esegue lo stesso codice per i clienti paganti.

Perché uno storage più economico non chiude la questione

Cassis ha pubblicato il 23 agosto un pezzo che sostiene che gli agenti di IA non eliminano il costo umano di rendere utili i dati, lo ridistribuiscono. Il framework che prende in prestito è schema-on-write contro schema-on-read, e l'esempio pratico è un CFO che chiede quanti clienti enterprise attivi hanno rinnovato il trimestre scorso. Qualcuno deve comunque decidere quale tabella contiene i clienti, cosa significa attivo, cosa significa enterprise e quando finisce il trimestre.

Il post divide quel costo in tre parti: indicizzazione, interrogazione e affidabilità. Una dashboard paga il costo di indicizzazione in anticipo, a volte settimane di lavoro prima che il primo grafico venga visualizzato, ed è affidabile per le domande per cui è stata progettata. Le richieste ad hoc spostano l'intero costo su un team dati al momento del recupero. Cassis cita un senior data manager che descrive una rotazione settimanale che consuma circa il 20% di un team di cinque o sei persone, in modo permanente.

La questione è chi fa il ragionamento, e quando.

Quella frase è la cosa più utile del mucchio per chi lavora nello sport. Un club che monitora il carico dei giocatori, una lega che vende inventario televisivo e il reparto commerciale di una squadra che conta i rinnovi affrontano tutti la stessa decisione su dove mettere lo sforzo. Gli strumenti migliorano e il prezzo per attività dell'analisi automatica scende in fretta. Niente di tutto questo decide cosa significa attivo.