Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Cichy wynik Apple'a i fala narzędzi open source do analityki

Slate nazwał aplikację sportową Apple'a, wydaną na początku 2024 roku, najlepszym produktem technologicznym ostatnich dwóch lat. W tym samym czasie GitHub zapełnia się narzędziami analitycznymi do samodzielnego hostowania, które konkurują z dużymi dostawcami.

SportAnalizaTomasz LisowskiOpublikowano: 28 września 20264 min czytaniaŹródła 4
Cichy wynik Apple'a i fala narzędzi open source do analityki

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 chmury.

Slate opublikował 10 czerwca tekst, w którym przekonuje, że Apple Sports, wydana zimą 2024 roku, to rzadki przypadek aplikacji robiącej dokładnie to, co obiecuje. Autor wymienia, czego w aplikacji nie ma: nagłówków z wiadomościami, przewodników po streamingu, przewijania w stylu TikToka. Pisze, że używa jej do NHL, NFL, futbolu akademickiego i koszykówki akademickiej. W trakcie play-offów o Puchar Stanleya, jak zaznacza, musiał wyłączyć automatyczne powiadomienia o Pittsburgh Penguins. Aplikacja działała szybciej niż jego pakiet streamingowy.

Dane stojące za prostotą

Mechanikę warto rozłożyć na części. To ona wyjaśnia, dlaczego aplikacja do sprawdzania wyników działa inaczej niż to, czym stały się ESPN czy MLB. Apple Sports pokazuje nazwy drużyn, logotypy, bilanse, godziny meczów i wyniki, a do tego tabele. Po dotknięciu meczu pojawia się protokół, tabela strzelców albo składy. Aplikacja obejmuje MLS, NWSL i około 30 innych lig piłkarskich, w tym ekwadorskie Serie A i drugą ligę niemiecką, a także tenis mężczyzn i kobiet oraz LPGA Tour. Live Activities potrafią wypchnąć 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 jednego z menedżerów Apple'a z ogłoszenia w 2024 roku: „Stworzyliśmy Apple Sports, żeby dać kibicom to, czego chcą, aplikację, która daje niezwykle szybki dostęp do wyników i statystyk”. To cała deklaracja produktu. Nie ma warstwy agentowej, bota streszczającego, generowania obrazów.

Czy ta powściągliwość się skaluje, to osobne pytanie. Aplikacja konsumuje dane sportowe, a nie je produkuje. Jej wartość zależy od umów licencyjnych z ligami i dostawcami danych, o których Slate nie pisze. Zależy też od tego, czy Apple będzie dalej utrzymywać produkt bez oczywistego źródła przychodu. Ani jedno, ani drugie nie jest gwarantowane.

Druga strona rynku

Tymczasem warstwa narzędzi pod analityką sportową i biznesową gęstnieje. 13 września na GitHubie pojawił się projekt plainoldanalytics, opublikowany pod nickiem poundifdef. To samodzielnie hostowany, doklejany pakiet analityki webowej dla aplikacji w Go. Autor stawia go obok Umami, Plausible i PostHog, ale podkreśla, że jest wbudowany w samą aplikację. Pakiet rdzeniowy nie narzuca magazynu danych: jego import 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 zapisywany na dysk mniej więcej raz na sekundę. README każe wywołać Close() przy zamykaniu, żeby opróżnić bufor. Są adaptery dla gin i chi. Dokumentacja ostrzega, żeby ograniczyć middleware do grupy. Dzięki temu sam panel analityczny nie jest rejestrowany jako ruch.

8 września firma konsultingowa Adaca opublikowała inne podejście: adaca-analytics, samodzielnie hostowany panel do Google Analytics 4 i BigQuery, działający na Cloudflare Workers. Dzienne agregacje z GA4 Data API albo eksportu BigQuery trafiają do bazy D1, którą użytkownik ma u siebie, a dane w czasie rzeczywistym zostają w Google. README opisuje sześć gotowych pulpitów, kreator w czterech krokach, zapisane segmenty, linki do udostępniania w trybie tylko do odczytu, porównania z poprzednimi okresami oraz cotygodniowe i comiesięczne 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 opisuje się jako firma konsultingowa, która buduje oprogramowanie na zamówienie i osadza doświadczonych inżynierów w zespołach klientów.

Spor o architekturę

Starburst opublikował 11 września analizę dwóch architektur analizy danych z użyciem agentów. 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 przypadkami jest niepraktyczna. Agenci, którzy liczą opłatę za każdy element danych, stają się zaporowo drodzy, gdy wysyła się terabajty. Druga opcja to danie agentowi bezpośredniego dostępu do bazy i pozwolenie mu pisać własny SQL. Agent kolejno dopracowuje zapytania, a przetwarzanie wykonuje silnik bazy. Starburst zauważa, że agenci potrafią zalać systemy bazodanowe spekulacyjnymi zapytaniami, ale twierdzi, że branża skupia się na obsłudze obciążeń agentowych.

Na taki kompromis nowe narzędzia po cichu się godzą. Adaca zostawia ciężką agregację w bazie, którą kontroluje użytkownik. Plainoldanalytics trzyma ruch w procesie samej aplikacji. Żadne z nich domyślnie nie wysyła surowych danych stronie trzeciej. Najgłośniejsze nagłówki w technologii sportowej dotyczą systemów AI do typowania i przewidywania. Ciekawszy zwrot może polegać na mniejszych narzędziach, które nie chcą robić więcej niż jednej rzeczy.

Komentarze 0

Źródła

4
  1. 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  2. 02We rebuilt the old Google Analytics on top of GA4's dataEN
  3. 03Show HN: Plainoldanalytics: Analytics Middlware for GoEN
  4. 04An Analysis of Two Architectures for Agentic Data AnalysisEN

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.

Tomasz Lisowski

Tomasz Lisowski

Sport, motoryzacja i podróże

Tomasz Lisowski w FLASH24 pisze o sporcie, motoryzacji i podróżach, opierając się na protokołach zawodów, danych technicznych i rozkładach jazdy, a nie na doniesieniach z drugiej ręki. Przy wynikach meczów sprawdza strzelców i minuty, a w testach samochodów porównuje zużycie paliwa z deklaracjami producenta. Rozmawia z mechanikami, sędziami i pracownikami kolei, a w kalendarzu czeka na starty sezonu i nowe trasy kolejowe po Europie. Po godzinach naprawia elektryki w garażu i jeździ pociągami po kontynencie, co przekłada się na teksty o motoryzacji i podróżach. Nie publikuje liczb ani terminów, których nie potwierdzi w dwóch źródłach.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.