苹果体育应用几乎算不上数据产品,而这正是它的用意
苹果的体育应用几乎没有功能,没有新闻流,也没有任何让人上瘾的机制。Slate 六月的评测认为,它靠的是速度,不是数据科学。

体育科技市场常被当作一个数据问题来卖。近来的报道大多围绕运动表现追踪、票务分析和体育中的 AI,指向更大的数据管道和更聪明的模型。过去两年里使用最广的体育产品之一,走的却是相反的路。
Slate 在六月评测了苹果的体育应用,标题说它“几乎什么都不做”。文章描述的应用没有新闻头条,没有直播指南,也没有任何想把用户留在应用里的设计。它只有队名和队徽、战绩、比赛时间,以及进行中或已结束比赛的比分,再加一个排名页面。产品就是这些。
成本落在查询上,不在索引上
这与分析厂商描述问题的方式形成鲜明对比。数据工具公司 Cassis 在八月发布的一篇文章给出了一个简单的框架。它问的是:回答一个数据问题,人的成本落在哪里。文章把这份成本分成索引和查询两部分。索引是前期把信息组织好、以便日后能找到的工作。查询是有人真正需要答案那一刻所花的力气。文章借用了 Hrishi Olickel 的一个衣柜比喻。写时模式是把衣服直接放进衣柜,按用途分好类。读时模式是在你需要某件衣服时,去翻一堆乱放的衣服。
苹果的应用是一次极端的索引押注。得有人决定哪些联赛重要、排名怎么组织。得有人决定数据统计表怎么排版,比分多快能送到锁屏上。用户在查询时几乎不花任何成本。Slate 的评测者提到,在斯坦利杯季后赛期间,应用总是先推送匹兹堡企鹅队的动态,流媒体直播还没跟上。他不得不把自动更新关掉。
“我们做 Apple Sports,是为了给体育迷他们想要的东西:一个能极快拿到比分和数据的应用。”
Slate 文章引用的这句苹果高管的话,就是全部卖点。里面没有任何关于智能体之类的说法。评测者列出的覆盖范围包括世界杯比赛,以及 MLS、NWSL 和大约 30 个其他联赛。厄瓜多尔甲级联赛和德乙也在其中,此外还有男子和女子网球以及 LPGA 巡回赛。
智能体只是转移成本,并不会消除成本
眼下大多数体育分析的推进,都假设的是另一种取舍:接受更重的产品,换回更多东西。这个假设在整个数据工具领域正承受压力。Cassis 的文章认为,AI 智能体并不会消除让数据变得有用的人力成本。它们只是把成本重新分配,而这种重新分配很容易被忽略。文章引用的一位资深数据经理描述了每周的轮班。有一个人专门应付临时问题,长期占用一个五到六人团队约 20% 的人力。
Starburst 在九月发布了自己对智能体数据分析的分析。它从另一个方向得出了相近的结论。公司描述了一种它刻意称为“选项 0”的做法:从源系统里抽出原始数据,以文件或直连管道的方式发给智能体。Starburst 反对的理由是成本。如果智能体按处理的项目收费,把 TB 级的数据发给它可能贵得离谱。它更倾向的做法是给智能体数据库的访问凭证,让它自己写 SQL。这样,数据库引擎就去做它本来就擅长的事。
Starburst 也指出了这种做法的运维风险。文章说,智能体可能比人难伺候得多。它们在反复试错时会用大量试探性查询把数据库压垮。公司把这当作数据库行业正在积极解决的工作负载问题,而不是已经解决的问题。
小工具,小界面
同样的思路也出现在较小的开源项目里。Adaca Analytics 是一个面向 Google Analytics 4 的自托管仪表盘项目,九月发布在 GitHub 上。它跑在 Cloudflare Workers 上,每天通过 GA4 Data API 或 BigQuery 导出把汇总数据写进运营者自己拥有的 D1 数据库。实时数据仍然留在 Google 那边。仓库介绍里说,开箱即带六个仪表盘、一个四步构建器,以及预先算好的详情页,点一个数字一次往返就能返回结果。项目采用 MIT 许可证。
八月底在 Hacker News 上出现的 DataZen,在数据库工作的范围上走了类似的路。它是一个不到 15 MB 的桌面客户端,GPLv3 许可,无需账号。凭证用 AES-256-GCM 加密后存在操作系统钥匙串里,AI 请求只发给用户自己配置的服务商。九月发布的 Plainoldanalytics 是一个 Go 中间件,把仪表盘挂到已有的 HTTP 路由上,大约每秒把流量写入磁盘一次。
这些产品没有一个承诺回答 CFO 那个问题:哪些企业客户续约了。它们承诺的是,只要有人把问题定义清楚,取回答案的成本很低。Cassis 把没被算进预算的那部分说得很直白。让四个团队对“活跃客户”是什么意思达成一致,这本身就是索引工作。它不会因为现在由智能体来写 SQL 就消失。
放到体育产品上,这个类比仍然成立,只有一点不同。球迷早就对什么是比分达成了一致。那种吃掉分析预算的定义之争,在这里并不存在。这也许正是“几乎什么都不做”反而管用的原因。
资料来源
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
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。