Aplikacja "Sports" Apple'a pokazuje, co produkty analityczne w sporcie robią źle

Dział technologiczny Slate'a opublikował w czerwcu pochwałę tej aplikacji, zbiegłą w czasie z mundialem. Jej argument jest węższy i bardziej użyteczny, niż sugeruje tytuł. Autor nie narzeka, że aplikacjom sportowym brakuje danych. Narzeka, że zakopały pod nimi wynik.

Aplikacja Apple'a nazywa się po prostu "Sports". Nie ma w niej nagłówków wiadomości, nie ma przewodnika po transmisjach poza listą kanałów, którą zobaczysz tylko po dotknięciu meczu, i nie ma feedu zaprojektowanego tak, żeby cię zatrzymać. Według Slate'a kursy bukmacherskie pojawiają się na tablicy wyników przy pierwszym pobraniu, ale można je wyłączyć na stałe jednym przełącznikiem. Zostają nazwy drużyn, logotypy, bilanse, godziny rozpoczęcia i wyniki oraz strona z tabelą.

Gdzie idą pieniądze

Ta powściągliwość idzie pod prąd temu, jak rynek danych sportowych sprzedaje się drużynom, ligom i nadawcom. Najnowsze materiały o tym sektorze opisują rynek liczony w miliardach i rosnący dwucyfrowym tempem rocznym. Dostawcy oferują zaangażowanie kibiców napędzane AI, analitykę sprzedaży biletów i analitykę wyników jako kolejną warstwę wartości. Te liczby pochodzą od firm badawczych i z komunikatów prasowych, nie z audytowanych wyników operacyjnych, a wartości podane w nagłówkach różnią się mocno w zależności od raportu. Zakład strategiczny za nimi jest jednak spójny: więcej danych, więcej personalizacji, więcej powodów, żeby otworzyć aplikację i w niej zostać.

Autor Slate'a, który sam określa się jako intensywny użytkownik aplikacji sportowych, twierdzi, że ten zakład dał gorsze produkty. Oficjalna aplikacja Major League Baseball, kiedyś ulubiona, otacza dziś wyniki i wideo tym, co tekst nazywa dekoracją, i przez to wydaje się cięższa. Aplikacja ESPN, pisze autor, stawia na pierwszym miejscu ofertę telewizji na żywo i pionowe przewijanie wideo o nazwie "Verts", a sekcja z wynikami siedzi w "morzu innych przycisków".

To nie jest największy problem świata, ale pojawia się dużo więcej tarcia, kiedy próbuję użyć moich ulubionych aplikacji sportowych do sprawdzenia wyników.

To skarga konsumenta i tak trzeba ją czytać. Nie jest dowodem, że inwestycje w analitykę zawodzą. Wskazuje jednak na coś, czego dostawcy analityki rzadko mierzą: koszt interfejsu, który dostarcza analizę.

Ten sam argument na innym rynku

Tekst opublikowany w sierpniu przez Cassis, dostawcę analityki danych, stawia strukturalnie podobny zarzut wobec pracy z danymi w firmach. Twierdzi, że agenci AI nie usuwają ludzkiego kosztu użytecznych danych, tylko go przesuwają. Autor pożycza schemat, który przypisuje Hrishi Olickelowi: schema-on-write kontra schema-on-read, czyli wkładanie ubrań od razu do posortowanej szafy kontra przekopywanie stosu, gdy czegoś potrzebujesz. Ten wybór, argumentuje Cassis, decyduje, czy płacisz z góry, czy przy odczycie.

Dalej dzieli koszt na trzy części. Koszt indeksowania obejmuje pracę z góry: projektowanie schematów, pisanie definicji metryk, budowanie dashboardów i uzgodnienie między czterema zespołami, co znaczy "aktywny klient". Koszt odpytywania to wysiłek w momencie sięgania po dane: przeglądanie wiki, pisanie SQL, układanie promptu albo wiadomość do zespołu danych. Wiarygodność to pytanie, czy liczba, która wraca, jest poprawna znaczeniowo, a nie tylko technicznie.

Przykład z tekstu to dyrektor finansowy pytający, ilu aktywnych klientów enterprise odnowiło umowy w ostatnim kwartale. Zanim ktokolwiek odpowie, ktoś musi zdecydować, która tabela trzyma dane klientów, co znaczy "aktywny", co liczy się jako "enterprise" i jaki zakres dat obejmuje "ostatni kwartał" w kalendarzu fiskalnym firmy. Każdy system w stosie odpowiada na to pytanie inaczej. Pytanie brzmi, kto myśli i kiedy.

Cassis opisuje cotygodniowy dyżur w jednej firmie. Jedna osoba zajmuje się tam wyłącznie pytaniami doraźnymi i pochłania około 20% pracy pięcio- lub sześcioosobowego zespołu, na stałe. Koszt jest realny, pisze autor, ale się utrzymuje, bo to ścieżka najmniejszego oporu politycznego: żadnego projektu do sfinansowania, żadnego uzgadniania interesów, żadnego procesu do zaprojektowania.

Więcej danych, więcej decyzji o tym, gdzie włożyć pracę

Czytane razem, oba teksty opisują ten sam kompromis w różnych skalach. Aplikacja sportowa, która wypycha kursy na żywo, pionowe wideo i spersonalizowane powiadomienia, stawia na indeksowanie: inwestuje z góry w funkcje, które teoretycznie mają utrzymać użytkownika. Skromna tablica wyników stawia na odpytywanie: zakłada, że użytkownik wie, czego chce, i schodzi mu z drogi.

Aplikacja Apple'a nie jest wolna od analityki. Korzysta z danych lig i rozgrywek w piłce nożnej, tenisie, koszykówce i innych dyscyplinach. Slate zauważa, że autor musiał wyłączyć automatyczne powiadomienia o Pittsburgh Penguins w czasie play-offów o Puchar Stanleya, bo aplikacja podawała wydarzenia szybciej niż transmisja strumieniowa. To pipeline danych działający wystarczająco dobrze, żeby irytować.

Różnica polega na tym, gdzie produkt wydaje swój budżet złożoności. Autor Slate'a pisze, że zasięg obejmuje mecze mundialu, MLS, NWSL, około 30 innych lig piłkarskich, ekwadorską Serie A, drugą ligę Bundesligi, tenis mężczyzn i kobiet oraz LPGA Tour. Podstawowe protokoły meczowe, tabele i składy są o jedno dotknięcie dalej. Nic z tego nie jest podane jako feed.

Slate cytuje dyrektora Apple'a z zapowiedzi aplikacji z zimy 2024 roku: "Stworzyliśmy Apple Sports, żeby dać kibicom to, czego chcą, aplikację, która daje niezwykle szybki dostęp do wyników i statystyk". Tekst przeciwstawia to językowi typowemu dla ostatnich premier produktów AI i to przeciwstawienie jest tu sednem.

Czego to nie dowodzi

Preferencja jednego felietonisty to nie wyrok rynku i tekst Slate'a tego nie twierdzi. Organizacje sportowe sprzedają bilety, subskrypcje i reklamy, a dostawcy analityki, którzy do nich trafiają, odpowiadają na prawdziwe pytanie biznesowe: jak zamienić biernego sprawdzacza wyników w płacącego kibica? Tekst Cassis to z kolei argument dostawcy, że tańsze silniki zapytań nie czynią analityki tanią, co akurat wspiera jego własne pozycjonowanie. Oba źródła mają interes w opowieści, którą sprzedają.

Mimo to kształt tej skargi warto zauważyć, jeśli buduje się w tej dziedzinie. Opisany tryb porażki to nie brakujące dane ani złe modele. To produkt, który uznał, że własne metryki zaangażowania są ważniejsze niż zadanie użytkownika, i zapłacił za to tarciem dokładnie w momencie, gdy użytkownik chciał jednej liczby.

Autor Slate'a kończy, nazywając aplikację jednym z dwóch lub trzech ulubionych produktów technologicznych ostatnich dwóch lat, obok sprzętu, którego jedynym zadaniem jest powstrzymanie telefonu przed rozpraszaniem. Zestawienie jest celowe: oba produkty mówią, że zrobią jedną rzecz, i potem ją robią. Dla drużyn i lig, którym sprzedaje się teraz dashboardy, warstwy alertów i podsumowania AI, to jest niewygodna część. Najbardziej chwalony produkt sportowy ostatnich dwóch lat nie dostarczył ani jednej nowej metryki. Po prostu przestał ukrywać te, które już istniały.