Aplikacja "Sports" Apple'a pokazuje, co produkty analityki sportowej robią wciąż źle
Prosta tablica wyników Apple'a, uruchomiona na początku 2024 roku, stała się jednym z najbardziej użytecznych produktów sportowych na iPhonie, bo nie chce robić analityki. Reszta branży danych sportowych idzie w przeciwnym kierunku.

Dział technologiczny Slate'a opublikował w czerwcu tekst na pochwałę aplikacji, w terminie mundialu. Jego argument jest węższy i użyteczniejszy, 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 nagłówków wiadomości ani kanału zaprojektowanego tak, żeby cię zatrzymać. Jedyny przewodnik po transmisjach to lista kanałów, którą widzisz, gdy stukniesz w mecz. Według Slate'a kursy bukmacherskie pojawiają się na tablicy wyników przy pierwszym pobraniu, ale przełącznik wyłącza je na stałe. Zostają nazwy drużyn, logotypy, bilanse, godziny rozpoczęcia i wyniki oraz strona z tabelą.
Dokąd idą pieniądze
Ta powściągliwość idzie pod prąd temu, w jakim kierunku dostawcy sprzedają rynek danych sportowych klubom, ligom i nadawcom. Najnowsze publikacje opisują rynek liczony w miliardach i rosnący dwucyfrowym tempem rocznym. Dostawcy reklamują 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. Kwoty z nagłówków 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 opisuje się jako intensywny użytkownik aplikacji sportowych, twierdzi, że ten zakład dał gorsze produkty. Oficjalna aplikacja Major League Baseball, kiedyś ulubiona, otacza teraz wyniki i wideo czymś, co tekst nazywa dekoracją witryny. Przez to wydaje się cięższa. Aplikacja ESPN, pisze autor, stawia na ofertę telewizji na żywo i pionowe przewijanie wideo zwane "Verts". Sekcja wyników siedzi w "morzu innych przycisków".
To nie jest największy problem świata, ale za każdym razem, gdy próbowałem użyć moich ulubionych aplikacji sportowych, żeby po prostu sprawdzić wyniki, napotykałem znacznie więcej tarcia.
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 tę analizę dostarcza.
Ten sam argument na innym rynku
Wpis opublikowany w sierpniu przez Cassis, dostawcę analityki danych, stawia strukturalnie podobną tezę o pracy z danymi w firmach. Twierdzi, że agenci AI nie usuwają ludzkiego kosztu robienia z danych użyteczku. Przenoszą go gdzie indziej. Wpis korzysta z ramy przypisanej Hrishi Olickelowi: schema-on-write kontra schema-on-read. To różnica między wkładaniem ubrań od razu do posegregowanej szafy a przekopywaniem stosu, gdy czegoś potrzebujesz. Według Cassis ten wybór decyduje, czy płacisz z góry, czy przy sięganiu po dane.
Potem dzieli koszt na trzy części. Koszt indeksowania obejmuje pracę z góry: projektowanie schematów, pisanie definicji metryk, budowanie pulpitów i uzgodnienie przez cztery zespoły, co znaczy "aktywny klient". Koszt odpytywania to wysiłek w momencie sięgania po dane: przeglądanie wiki, pisanie SQL, układanie promptu albo pisanie do zespołu danych. Niezawodność to pytanie, czy liczba, która wraca, jest semantycznie właściwa, a nie tylko technicznie poprawna.
Przykład z życia to dyrektor finansowy pytający, ilu aktywnych klientów korporacyjnych odnowiło umowę w ostatnim kwartale. Zanim ktokolwiek odpowie, ktoś musi zdecydować, w której tabeli są dane klientów. Musi też ustalić, co znaczy "aktywny", co liczy się jako "korporacyjny" i jaki zakres dat obejmuje "ostatni kwartał" w kalendarzu fiskalnym firmy. Każdy system w stosie obsługuje to pytanie inaczej. Chodzi o to, kto myśli i kiedy.
Cassis opisuje cotygodniowy dyżur w jednej firmie, gdzie jedna osoba zajmuje się wyłącznie pytaniami doraźnymi. To pochłania około 20% pracy zespołu pięciu lub sześciu osób, na stałe. Koszt jest realny, przekonuje wpis, ale się utrzymuje, bo to ścieżka najmniejszego oporu politycznego. Nie ma projektu do sfinansowania, interesariuszy do przekonania, procesu do zaprojektowania.
Więcej danych, więcej decyzji, gdzie włożyć pracę
Czytane razem, oba teksty opisują ten sam kompromis w różnych skalach. Aplikacja sportowa, która pcha kursy na żywo, pionowe wideo i spersonalizowane powiadomienia, stawia na indeksowanie. Inwestuje z góry w funkcje, które w teorii utrzymają użytkownika przy sobie. Goła tablica wyników stawia na odpytywanie: zakłada, że użytkownik wie, czego chce, i usuwa się z drogi.
Aplikacja Apple'a nie jest wolna od analityki. Czerpie 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. Aplikacja podawała informacje szybciej niż transmisja streamingowa. To pipeline danych działający wystarczająco dobrze, żeby przeszkadzać.
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, ekwadorskie Serie A, drugą ligę Bundesligi, tenis mężczyzn i kobiet oraz LPGA Tour. Podstawowe protokoły meczowe, tabele i składy są o jedno stuknięcie. Nic z tego nie jest podane jako kanał.
Slate cytuje dyrektora Apple'a z zapowiedzi aplikacji zimą 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 w tym kontraście tkwi sedno.
Czego to nie dowodzi
Preferencja jednego felietonisty to nie wyrok rynku i tekst Slate'a nie twierdzi, że nim jest. Organizacje sportowe sprzedają bilety, subskrypcje i reklamy. Dostawcy analityki, którzy do nich sprzedają, odpowiadają na realne pytanie biznesowe: jak zamienić biernego sprawdzacza wyników w płacącego kibica? Wpis Cassis to z kolei głos dostawcy, który przekonuje, że tańsze silniki zapytań nie czynią analityki tanią. To akurat wspiera jego własne pozycjonowanie. Oba źródła mają interes w historii, którą opowiadają.
Mimo to kształt tej skargi warto zapamiętać, jeśli buduje się coś w tej branży. Opisany tryb porażki to nie brakujące dane ani złe modele. To produkt, który uznał, że jego własne wskaźniki zaangażowania są ważniejsze niż zadanie użytkownika. 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 dla konsumentów z ostatnich dwóch lat. Wśród pozostałych jest sprzęt, którego jedynym zadaniem jest powstrzymanie telefonu przed rozpraszaniem. Zestawienie jest celowe: oba produkty mówią, że zrobią jedną rzecz, i potem ją robią. Dla klubów i lig, którym sprzedaje się teraz pulpity, warstwy powiadomień i podsumowania AI, to jest ta niewygodna część. Najbardziej chwalony produkt sportowy ostatnich dwóch lat nie dostarczył ani jednej nowej metryki. Po prostu przestał ukrywać te, które już istniały.
Źródła
2- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02There's still no free lunch in data analyticsEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.