Il livello dati dello sport si divide: dashboard da possedere, agenti da pilotare

Il 8 settembre, la software house Adaca ha pubblicato adaca-analytics su GitHub, un livello di dashboard self-hosted per Google Analytics 4 che gira su Cloudflare Workers. Dieci giorni dopo, il 18 settembre, un white paper sponsorizzato da CData sul Wiley Science and Engineering Content Hub ha puntato sulla velocità di replicazione, promettendo una replicazione il 76% più veloce sulla stessa infrastruttura. Tra queste due date, Starburst ha pubblicato un'analisi architetturale l'11 settembre che si chiede chi, o cosa, dovrebbe poter interrogare i dati in primo luogo.

Nessuna di queste cose è specifica dello sport. È questo il punto. L'infrastruttura che decide quale atleta viene fatto riposare, quale prezzo del biglietto viene mostrato e quale highlight della trasmissione viene tagliato sta venendo ricostruita a livello di impianto idraulico, e l'industria sportiva è per lo più consumatrice di queste decisioni, non produttrice.

L'argomento del dashboard: possedere i numeri

Lo strumento di Adaca è deliberatamente poco glamour. Secondo la sua README su GitHub, i rollup giornalieri dalla GA4 Data API o da un export BigQuery arrivano in un database D1 di proprietà dell'operatore, mentre i dati in tempo reale restano live su Google. Include sei dashboard pronti all'uso e un builder in quattro passi per quelli personalizzati. Ogni numero è cliccabile: sorgenti, pagine e paesi aprono pagine di dettaglio con le proprie tendenze e scomposizioni, precalcolate per caricarsi in un solo round trip.

"Adaca è una consulenza software. Costruiamo software su misura, inseriamo ingegneri senior nei team dei clienti e facciamo lavorare l'AI per i nostri clienti. Adaca Analytics è open source sotto licenza MIT."

La configurazione richiede un account di servizio Google con accesso Viewer sulla proprietà GA4 e la sua chiave JSON. Il deployment forka il repository, provisiona D1 e KV, e chiede la chiave. Non c'è login, quindi la README dice agli operatori di mettere Cloudflare Access o l'Basic Auth integrato davanti.

Per un club o un detentore di diritti, l'appeal è il possesso e il costo. Per un team di dati sportivi, l'appeal è che un confronto con il periodo precedente, l'anno scorso o qualsiasi finestra è un clic, non un ticket a un gruppo centrale di analisi che ha altri dodici request in coda.

L'argomento dell'agente: consegnare le chiavi

Il post di Starburst non è un annuncio di prodotto. È una tassonomia, e utile se stai cercando di capire dove andranno davvero i budget per l'analisi sportiva nelle prossime due stagioni.

L'autore imposta un esempio di supermercato che si mappa quasi perfettamente su una domanda di business sportivo: il mio sconto sulle uova la scorsa settimana è stato profittabile? Risponderla correttamente richiede dati di transazione, dati di fedeltà, composizione del carrello e layout del negozio, sparsi su più di un database. Sostituisci le uova con un biglietto in famiglia scontato e le carte di fedeltà con i record dei titolari di abbonamento stagionale e hai lo stesso problema che un club di calcio affronta ogni mattina di lunedì. Il post sostiene che gli agenti, non gli umani, stanno iniziando a fare la maggior parte di questo lavoro iterativo, e che la qualità dell'output dipende molto da come i dati raggiungono l'agente.

Presenta tre opzioni. L'opzione 0, estrarre dati grezzi e spedirli all'agente come file, è scartata subito: il post dice che può diventare proibitivamente costoso quando gli agenti addebitano per elemento di dati e che i suoi svantaggi prestazionali lo rendono "non una buona opzione in pratica". L'opzione 1 dà all'agente accesso diretto al database e gli lascia scrivere il proprio SQL, iterando contro il motore di esecuzione del database invece di trascinare terabyte attraverso la rete. Il post nota che questo può sollecitare i sistemi, perché gli agenti sono molto più esigenti degli umani e possono sovraccaricare un database con query speculative, ma dice che l'industria dei database è ora focalizzata sul supportare carichi di lavoro agentici.

Le opzioni intermedie, dove il database fa qualche elaborazione prima di consegnare i risultati, sono dove il post spende più energia analitica. Le tre dimensioni che usa per valutarle sono quelle che qualsiasi responsabile dell'analisi sportiva dovrebbe misurare: correttezza, latenza e costo in token.

Dove stanno davvero i dati sportivi

Le organizzazioni sportive tendono a usare un ibrido. L'analisi di web e app per i fan vive in qualcosa come GA4 o un equivalente, che è il livello che Adaca sta targeting. Biglietteria, CRM e merchandising vivono in database operativi. I dati di broadcast e tracking vivono da un'altra parte, spesso a volumi che rendono rilevante la proposta di replicazione di CData.

Il white paper, sponsorizzato da CData, sostiene che i crescenti volumi di dati hanno spostato il collo di bottiglia dai dati stessi all'architettura che li muove, e che le finestre batch notturne non ci stanno più. Descrive letture partizionate parallele che dividono una grande tabella sorgente in partizioni di intervallo di righe e le leggono simultaneamente su thread CPU, più ottimizzazioni del percorso di scrittura che riducono l'overhead per file e per colonna. Le tabelle larghe con centinaia di colonne beneficiano di più, dice, e i risultati sono riportati su destinazioni cloud comuni.

Il parallelo con i dati di tracking sportivo non è difficile da tracciare. Una singola partita può generare centinaia di colonne di dati di eventi e posizioni, e una lega genera centinaia di partite a settimana. Se la replicazione è il vincolo, allora il team di analisi sta aspettando l'infrastruttura invece di fare domande migliori.

Quello che i tre documenti non risolvono è la governance. La risposta di Adaca è mettere Cloudflare Access davanti a un Worker che tiene una chiave di account di servizio con diritti Viewer. La risposta di Starburst è lasciare che l'agente guidi il database e accettare che sarà un utente più pesante di qualsiasi analista umano. Nessuno affronta cosa succede quando l'agente, o il dashboard, è puntato su dati di salute degli atleti o su segnali adiacenti alle scommesse che i regolatori stanno già circondando.

Lo strumento arriva più velocemente delle regole. Quel divario, non i dashboard, è la storia che la tecnologia sportiva spenderà la prossima stagione a gestire.