Cichy wynik Apple'a i narzędzia analityczne open source

W technologii sportowej zdarzyły się w tym roku dwie rzeczy, które warto postawić obok siebie. Apple wypuścił aplikację sportową, która robi jedną rzecz. Grupa deweloperów, firm konsultingowych i dostawców baz danych wypuściła narzędzia, które mają uniezależnić analitykę od garstki dostawców chmurowych.

Slate opublikował 10 czerwca tekst, w którym przekonuje, że Apple Sports, zaprezentowana zimą 2024 roku, to rzadki przypadek aplikacji robiącej dokładnie to, co obiecuje. Tekst wylicza, czego w aplikacji nie ma: nagłówków informacyjnych, przewodników po streamingu, przewijania w stylu TikToka. Autor pisze, że używa jej do NHL, NFL, futbolu uniwersyteckiego i koszykówki uniwersyteckiej. Zauważa też, że musiał wyłączyć automatyczne powiadomienia o Pittsburgh Penguins w trakcie play-offów o Puchar Stanleya, bo aplikacja działała szybciej niż jego pakiet streamingowy.

Dane stojące za prostotą

Mechanikę warto rozłożyć na części, bo tłumaczy, dlaczego aplikacja do sprawdzania wyników działa inaczej niż to, w co zamieniły się ESPN czy MLB. Apple Sports pokazuje nazwy drużyn, logotypy, bilanse, godziny meczów i wyniki, a do tego tabele. Po dotknięciu meczu dostajemy protokół, tabelę liderów albo składy. Aplikacja obejmuje MLS, NWSL i około 30 innych lig piłkarskich, w tym ekwadorską Serie A i drugą ligę niemiecką, a także tenis mężczyzn i kobiet oraz LPGA Tour. Live Activities mogą wypychać wyniki na ekran blokady. Kursy bukmacherskie pojawiają się na tablicy wyników, ale można je wyłączyć w ustawieniach. Reklamy opisano jako sporadyczne, głównie banery kierujące do Apple TV.

Slate cytuje pierwotną zapowiedź przedstawiciela Apple z ogłoszenia w 2024 roku: „Stworzyliśmy Apple Sports, żeby dać kibicom to, czego chcą, aplikację zapewniającą niezwykle szybki dostęp do wyników i statystyk”. To cała deklaracja produktu. Nie ma warstwy agentowej, nie ma bota streszczającego, nie ma generowania obrazów.

Czy ta powściągliwość się skaluje, to osobne pytanie. Aplikacja jest konsumentem danych sportowych, a nie ich producentem, a jej wartość zależy od umów licencyjnych z ligami i dostawcami danych, których Slate nie omawia. Zależy też od tego, czy Apple będzie chciał utrzymywać produkt bez oczywistego przychodu. Ani jedno, ani drugie nie jest gwarantowane.

Druga strona rynku

Tymczasem warstwa narzędziowa pod analityką sportową i biznesową robi się coraz gęstsza. 13 września na GitHubie pojawił się projekt plainoldanalytics pod nickiem poundifdef. To samodzielnie hostowany, doczepiany pakiet analityki internetowej dla aplikacji w Go. Autor sytuuje go blisko Umami, Plausible czy PostHoga, z tym że wbudowany w samą aplikację. Pakiet rdzeniowy jest niezależny od magazynu danych: zaimportowanie go nie ściąga DuckDB ani żadnego innego backendu. Deweloper wybiera pakiet magazynu albo implementuje interfejs Storage i przekazuje go do plainoldanalytics.New.

Repozytorium pokazuje wbudowany panel montowany pod wybraną ścieżką, wrapper middleware i opcjonalny rejestrator sesji przeglądarki. Ruch jest zrzucany na dysk mniej więcej raz na sekundę, a README każe deweloperom wywołać Close() przy zamykaniu, żeby opróżnić bufor. Istnieją adaptery dla gin i chi, a dokumentacja ostrzega, żeby objąć middleware grupą, tak aby sam panel analityczny nie był rejestrowany jako ruch.

8 września firma konsultingowa Adaca opublikowała inne podejście: adaca-analytics, samodzielnie hostowany panel dla Google Analytics 4 i BigQuery, działający na Cloudflare Workers. Dzienne agregacje z GA4 Data API albo eksportu BigQuery trafiają do bazy D1, którą użytkownik posiada, a dane czasu rzeczywistego zostają w Google. README opisuje sześć paneli od razu po instalacji, kreator w czterech krokach, zapisane segmenty, linki do udostępniania w trybie tylko do odczytu, porównania z poprzednimi okresami oraz tygodniowe i miesięczne podsumowania mailem lub przez Slacka. Konfiguracja wymaga konta usługi Google z dostępem Viewer i wdrożenia na Cloudflare, które forkuje repozytorium i tworzy D1 oraz KV.

Projekt jest na licencji MIT. Adaca pisze o sobie, że jest firmą konsultingową tworzącą oprogramowanie na zamówienie i osadzającą doświadczonych inżynierów w zespołach klientów.

Spor o architekturę

Starburst opublikował 11 września analizę dwóch architektur analizy danych przez agentów, a jej ramy pasują do obu opisanych narzędzi. Pierwsza opcja to wyciągnięcie danych z systemów źródłowych i przekazanie surowych plików agentowi. Starburst nazywa to „opcją 0” i przekonuje, że poza nietypowymi sytuacjami jest niepraktyczna, bo agenci rozliczani za każdy element danych stają się zaporowo drodzy, gdy wysyła się terabajty. Druga opcja to danie agentowi bezpośredniego dostępu do bazy i pozwolenie mu na pisanie własnego SQL, z iteracyjnym dopracowywaniem zapytań, podczas gdy silnik bazy wykonuje przetwarzanie. Starburst zauważa, że agenci mogą zalać systemy bazodanowe spekulacyjnymi zapytaniami, ale twierdzi, że branża skupia się na obsłudze obciążeń agentowych.

To kompromis, który nowe narzędzia po cichu zawierają. Adaca trzyma ciężką agregację w bazie kontrolowanej przez użytkownika. Plainoldanalytics trzyma ruch w procesie samej aplikacji. Żadne z nich nie wysyła domyślnie surowych danych do strony trzeciej. Na rynku, gdzie najgłośniejsze nagłówki o technologii sportowej dotyczą systemów targetowania i przewidywania opartych na AI, ciekawszy zwrot może polegać na przejściu ku mniejszym narzędziom, które nie chcą robić więcej niż jednej rzeczy.