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
›

Analityka w technologii sportowej to głównie tablice wyników i to jest uczciwa historia

Dwa z najbardziej szczegółowych materiałów w tegorocznej stercie tekstów o technologii sportowej nie dotyczą sportu: jeden to ranking modeli AI w pracy analitycznej, drugi to własny zamiennik Google Analytics. Wątek sportowy jest cieńszy, niż sugerują nagłówki.

SportAnalizaPiotr WróblewskiOpublikowano: 27 września 20265 min czytaniaŹródła 5
Analityka w technologii sportowej to głównie tablice wyników i to jest uczciwa historia

Wpisz w wyszukiwarkę „analityka danych w technologii sportowej”, a znajdziesz prognozę rynkową, historię o zakładach i mnóstwo tekstów sprzedawców. Nie znajdziesz natomiast, w dostępnych tu materiałach, ani jednej organizacji sportowej, która opisałaby, jak naprawdę działa jej analityka.

Ta nieobecność jest wynikiem. Najbardziej konkretne i sprawdzalne dokumenty w tym obszarze opisują ogólne narzędzia do pracy z danymi, a związek ze sportem jest historyczny, handlowy albo domniemany. Warto powiedzieć to wprost, zanim powtórzy się kolejną liczbę o wzroście.

Jedyna aplikacja sportowa w tym zestawie prawie nie prowadzi analityki

Slate opublikował w czerwcu długi tekst pochwalny o aplikacji Sports od Apple, a pochwała dotyczy konkretnie tego, czego aplikacja robić nie chce. Nie ma nagłówków z newsami, przewodników po transmisjach ani elementów zaprojektowanych tak, żeby trzymać użytkownika przy przewijaniu. Są nazwy i logotypy drużyn, bilanse, godziny meczów i wyniki, plus strona z tabelą. Kursy bukmacherskie pojawiają się na tablicy wyników domyślnie, ale można je na stałe wyłączyć w ustawieniach, pisze autor. W trakcie play-offów o Puchar Stanleya musiał wyłączyć automatyczne powiadomienia o Pittsburgh Penguins, bo aplikacja wyprzedzała transmisję z wynikiem.

To twierdzenie o opóźnieniu, nie o analityce, i najbardziej techniczna rzecz w całej recenzji. Artykuł nie omawia oczekiwanych goli, danych śledzących, modeli kontuzji ani niczego, co podpadłoby pod hasło analityki sportowej. Jego argument jest taki, że produkt robiący dobrze jedną rzecz bije produkt napchany funkcjami, o które nikt nie prosił.

Zestaw to z obecną modą w aplikacjach sportowych, a kontrast jest ostry. Aplikacja Major League Baseball otoczyła wyniki czymś, co autor nazywa ozdobnikami. Aplikacja ESPN wysuwa teraz na pierwszy plan ofertę telewizji na żywo i pionowy strumień wideo o nazwie Verts. Obie firmy prowadzą biznes analityczny w tym sensie, że mierzą użytkownika. Żadna nie sprzedaje analizy gry.

Ranking, który naprawdę mierzy rozumowanie analityczne

Hex opublikował 13 sierpnia DataBench, tabelę wyników tego, co nazywa analityką agentową. Zestawienie jest gęste, a liczby są tu historią. Opus 5.5 przy wysiłku Max zdobywa 70,5% przy średnim koszcie 3,57 dolara na zadanie. GPT-6 Sol przy XHigh zdobywa 61,3% za 0,58 dolara na zadanie. GPT-6 Luna przy Max zdobywa 52,3% za sześć centów.

Same te trzy punkty opisują wymianę, na którą decyduje się teraz każdy zespół danych. Czołówka rankingu kosztuje około sześćdziesięciu razy więcej na zadanie niż tani model, który dochodzi do mniej więcej trzech czwartych tego wyniku. Hex zaznacza też, że zaktualizował sędziów i kryteria oceny, żeby przestały przypadkiem nagradzać mylące odpowiedzi, co jego zdaniem znacząco utrudniło cały test, ze szczególnym wpływem na modele Anthropic. Opus 5.5 po tej zmianie nadal jest na szczycie.

Ta sama strona podaje czasy odpowiedzi. Opus 5.5 przy Max potrzebuje średnio 677,2 sekundy na zadanie. GPT-6 Luna przy Max potrzebuje 353,2 sekundy. GPT-6 Astra przy Low kończy w 88,5 sekundy z wynikiem 55%. Dla każdego, kto buduje interaktywny produkt analityczny, to jest prawdziwe ograniczenie: najlepsza odpowiedź może być oddalona o minuty, a szybka odpowiedź może być błędna w sposób, którego nikt nie sprawdzi.

Jak wygląda instalacja, gdy robi się ją samemu

Dwa projekty open source z tego samego okresu pokazują drugą połowę problemu. Adaca, firma konsultingowa, opublikowała 8 września własny zamiennik Google Analytics 4 działający na Cloudflare Workers. Dzienne agregacje przychodzą z GA4 Data API albo eksportu z BigQuery i trafiają do bazy D1, której właścicielem jest operator. Dane w czasie rzeczywistym zostają w Google. Sześć pulpitów jest gotowych od razu, każda liczba otwiera stronę szczegółów, a raporty można wysyłać co tydzień lub co miesiąc mailem albo przez Slacka. Konfiguracja jest celowo ręczna: trzeba utworzyć konto usługi Google z dostępem Viewer, pobrać klucz JSON, nacisnąć Deploy i postawić przed całością Cloudflare Access albo podstawowe uwierzytelnianie.

Nie ma logowania, co jest albo sensem, albo zagrożeniem, zależnie od tego, kto czyta README. Licencja to MIT.

Osobno Lark to serwer bazy danych czasu rzeczywistego napisany głównie w Rust na Glommio, z komponentem brzegowym w Go, który obsługuje połączenia WebSocket, WebTransport i REST. Ma być zgodny bez zmian z zestawami SDK Firebase Realtime Database, więc aplikacja może zachować Firebase Auth, Hosting i Storage, przenosząc gdzie indziej drzewo danych czasu rzeczywistego. Repozytorium zapowiada, że format zapisu na dysku nie zostanie złamany bez ścieżki migracji, a numer wersji 0.x odzwierciedla wiek projektu, nie znaną niestabilność. Lark Cloud uruchamia ten sam kod dla płacących klientów.

Dlaczego tańsze przechowywanie nie rozstrzyga sporu

Cassis opublikował 23 sierpnia tekst, w którym przekonuje, że agenci AI nie usuwają ludzkiego kosztu robienia z danych czegoś użytecznego, tylko go przesuwają. Wykorzystuje schemat zapisu przy zapisie przeciw schematowi przy odczycie, a roboczy przykład to dyrektor finansowy pytający, ilu aktywnych klientów korporacyjnych odnowiło umowę w poprzednim kwartale. Ktoś nadal musi zdecydować, która tabela trzyma klientów, co znaczy aktywny, co znaczy korporacyjny i kiedy kończy się kwartał.

Tekst dzieli ten koszt na trzy części: indeksowanie, odpytywanie i niezawodność. Pulpit płaci koszt indeksowania z góry, czasem tygodnie pracy, zanim pojawi się pierwszy wykres, i jest niezawodny dla pytań, do których go zaprojektowano. Doraźne prośby przerzucają cały koszt na zespół danych w momencie pobierania. Cassis cytuje starszego menedżera danych, który opisuje cotygodniowy dyżur pochłaniający około 20% pracy pięcio- lub sześcioosobowego zespołu, na stałe.

Pytanie brzmi, kto myśli i kiedy.

To zdanie jest najużyteczniejszą rzeczą w całym zestawie dla każdego, kto pracuje w sporcie. Klub śledzący obciążenie zawodników, liga sprzedająca prawa transmisyjne i dział handlowy drużyny liczący odnowienia stoją przed tą samą decyzją o tym, gdzie włożyć wysiłek. Narzędzia się poprawiają, a cena analizy maszynowej na zadanie spada szybko. Żadne z tego nie rozstrzyga, co znaczy aktywny.

Komentarze 0

Źródła

5
  1. 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  2. 02DataBench: A frontier benchmark for complex data work and analytical reasoningEN
  3. 03We rebuilt the old Google Analytics on top of GA4's dataEN
  4. 04Show HN: Lark, OSS realtime database, drop-in compatible with Firebase SDKsEN
  5. 05Why cheaper SQL doesn't make analytics cheapEN

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.

Piotr Wróblewski

Piotr Wróblewski

Sport, motoryzacja i podróże

Piotr Wróblewski pisze o sporcie, motoryzacji i podróżach, opierając się na danych z protokołów zawodów, wyników na żywo i komunikatów organizatorów, a nie na doniesieniach z drugiej ręki. Przy tabelach ligowych sprawdza bilans bramek, terminy meczów i korekty po weryfikacji wideo, zanim cokolwiek trafi do tekstu. W sportowej części czeka na składy sędziowskie, porównuje statystyki kierowców i rozmawia z działaczami klubowymi przed kolejką. Po godzinach śledzi statystyki ligowe, sędziowanie wideo i sam gra w amatorskiej koszykówce, co przekłada się na jego dystans do liczb. Nie publikuje danych bez potwierdzenia w oficjalnym źródle.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

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