Aplikacja Sports od Apple ledwo jest produktem danych. I o to chodzi
Aplikacja Sports od Apple prawie nie ma funkcji, nie ma kanału informacyjnego ani mechanizmów przyciągających uwagę. Recenzja Slate'a z czerwca przekonuje, że działa dzięki szybkości, nie dzięki data science.

Rynek technologii sportowej sprzedaje się jako problem danych. Ostatnie nagłówki dotyczą śledzenia wyników, analityki biletowej i AI w sporcie. Wszystko to wskazuje na większe potoki danych i mądrzejsze modele. Jeden z najczęściej używanych produktów sportowych ostatnich dwóch lat idzie w przeciwnym kierunku.
Slate zrecenzował aplikację Sports od Apple w czerwcu pod nagłówkiem, że „prawie nic nie robi”. Tekst opisuje aplikację bez nagłówków informacyjnych, bez przewodników po transmisjach i bez elementów projektu, które miałyby zatrzymywać użytkownika w środku. Są nazwy drużyn i logotypy, rekordy, godziny meczów i wyniki spotkań w trakcie lub po zakończeniu, plus strona z tabelami. To cały produkt.
Koszt leży w zapytaniu, nie w indeksie
Kontrast z tym, jak dostawcy analityki ujmują problem, jest ostry. Wpis opublikowany w sierpniu przez Cassis, firmę narzędziową od danych, przedstawia prosty schemat. Pyta, gdzie ląduje ludzki koszt odpowiedzi na pytanie o dane. Wpis dzieli ten koszt na indeksowanie i odpytywanie. Indeksowanie to wstępna praca polegająca na uporządkowaniu informacji, żeby można je było później znaleźć. Odpytywanie to wysiłek w momencie, gdy ktoś naprawdę potrzebuje odpowiedzi. Wpis zapożycza analogię szafy od Hrishiego Olickela. Schema-on-write to wkładanie ubrań prosto do szafy, posortowanych według funkcji. Schema-on-read to przekopywanie się przez bałagan, gdy czegoś potrzebujesz.
Aplikacja Apple to skrajny zakład na indeksowanie. Ktoś musiał zdecydować, które ligi się liczą i jak zbudowane są tabele. Ktoś musiał zdecydować, jak rozłożone są skróty meczowe i jak szybko wynik trafia na ekran blokady. Użytkownik płaci w momencie zapytania prawie nic. Recenzent Slate'a zauważa, że aplikacja podrzucała wieści o Pittsburgh Penguins podczas play-offów o Puchar Stanleya, zanim transmisja streamingowa nadążyła. Automatyczne aktualizacje trzeba było wyłączyć.
„Stworzyliśmy Apple Sports, żeby dać fanom sportu to, czego chcą: aplikację, która dostarcza niezwykle szybki dostęp do wyników i statystyk”.
Ten cytat z przedstawiciela Apple, przywołany w tekście Slate'a, to cała oferta. Nie ma zapewnień o żadnych agentach. Recenzent wymienia zasięg aplikacji: mecze mundialu plus MLS, NWSL i około 30 innych lig. W tym ekwadorska Serie A i druga liga Bundesligi, obok tenisa mężczyzn i kobiet oraz LPGA Tour.
Agenci przesuwają koszt, nie usuwają go
Większość obecnego nacisku na analitykę sportową zakłada odwrotny kompromis: zaakceptuj cięższy produkt i dostań więcej. To założenie jest pod presją w całym świecie narzędzi danych. Wpis Cassis przekonuje, że agenci AI nie usuwają ludzkiego kosztu czynienia danych użytecznymi. Redystrybuują go, a tę redystrybucję łatwo przeoczyć. Cytowany w tekście starszy menedżer danych opisał cotygodniowy dyżur. Jedna osoba zajmuje się pytaniami doraźnymi, co pochłania około 20% pracy zespołu pięciu lub sześciu osób, na stałe.
Starburst opublikował własną analizę agentowej analizy danych we wrześniu. Dochodzi do podobnego wniosku z innej strony. Firma opisuje opcję, którą celowo nazywa „opcją 0”: wyciągnięcie surowych danych z systemów źródłowych i wysłanie ich agentowi jako plików albo bezpośrednim rurociągiem. Zastrzeżenie Starbursta dotyczy kosztu. Wysyłanie terabajtów danych agentowi może stać się zaporowo drogie, jeśli agent pobiera opłatę za każdy przetworzony element. Preferowana opcja to danie agentowi poświadczeń do bazy i pozwolenie mu pisać własny SQL. Wtedy silnik bazy wykonuje pracę, do której został zbudowany.
Starburst wskazuje też ryzyko operacyjne tego podejścia. Agenci, jak pisze firma, mogą być znacznie bardziej wymagający niż ludzie. Potrafią zalać bazę spekulacyjnymi zapytaniami, gdy iterują. Firma ujmuje to jako problem obciążenia, nad którym branża baz danych aktywnie pracuje, a nie jako rozwiązany.
Małe narzędzia, małe powierzchnie
Ten sam instynkt widać w mniejszych wydaniach open source. Adaca Analytics to samodzielnie hostowany projekt dashboardu dla Google Analytics 4, opublikowany na GitHubie we wrześniu. Działa na Cloudflare Workers z dziennymi agregacjami z GA4 Data API albo eksportu BigQuery lądującego w bazie D1, którą operator posiada. Czas rzeczywisty zostaje w Google. Repozytorium reklamuje sześć dashboardów od razu po instalacji, kreator w czterech krokach i wstępnie policzone strony szczegółów, żeby kliknięcie liczby wracało w jednej rundzie. Licencja MIT.
DataZen, pokazany na Hacker News pod koniec sierpnia, przyjmuje podobne stanowisko w kwestii zakresu pracy z bazami danych. To klient desktopowy poniżej 15 MB, GPLv3, bez konta. Poświadczenia są szyfrowane AES-256-GCM w keychainie systemu, a zapytania AI idą wyłącznie do dostawcy, którego użytkownik skonfiguruje. Plainoldanalytics, opublikowany we wrześniu, to middleware w Go, który montuje dashboard na istniejącym routerze HTTP i zrzuca ruch na dysk mniej więcej raz na sekundę.
Żaden z tych produktów nie obiecuje odpowiedzi na pytanie dyrektora finansowego, którzy klienci korporacyjni odnowili umowę. Obiecują, że odpowiedź, gdy ktoś ją zdefiniuje, jest tania do wydobycia. Cassis ujmuje nieuwzględnioną w budżecie część wprost. Skłonienie czterech zespołów do zgody co do tego, co znaczy „aktywny klient”, to praca indeksowania. Nie znika dlatego, że agent pisze teraz SQL.
W produktach sportowych analogia się trzyma z jednym wyjątkiem. Fani już zgadzają się co do tego, czym jest wynik. Sporu o definicje, który zjada budżety analityczne, tu nie ma. Może właśnie dlatego prawie nic nie robić wystarcza.
Źródła
6- 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
- 02There's still no free lunch in data analyticsEN
- 03An Analysis of Two Architectures for Agentic Data AnalysisEN
- 04We rebuilt the old Google Analytics on top of GA4's dataEN
- 05Show HN: DataZen – a local-first client for cross-database workflowsEN
- 06Show HN: Plainoldanalytics: Analytics Middlware for GoEN
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.