L'analytics nello sport è quasi solo tabellini, ed è questa la storia onesta

Cercando dati e analytics nella tecnologia sportiva, si trovano previsioni di mercato, storie di scommesse e molto marketing dei fornitori. Nel materiale disponibile qui, però, non c'è una singola organizzazione sportiva che pubblichi come funzionano davvero i suoi sistemi analitici.

Questa assenza è il vero dato. I documenti più concreti e verificabili in questo campo descrivono strumenti dati generici, e il legame con lo sport è storico, commerciale o implicito. Meglio dirlo chiaramente prima di ripetere un numero di crescita.

L'unica app sportiva del lotto fa pochissima analisi

Slate ha pubblicato a giugno un lungo elogio dell'app Sports di Apple, e la lode riguarda proprio ciò che l'app si rifiuta di fare. Niente titoli di notizie, niente guide allo streaming, niente elementi di design costruiti per farti scorrere lo schermo. Ci sono nomi e loghi delle squadre, record, orari delle partite e punteggi, più una pagina di classifiche. Le quote delle scommesse compaiono sul tabellino per impostazione predefinita, ma si possono disattivare in modo permanente nelle impostazioni, dice l'articolo. L'autore ha dovuto disattivare le notifiche automatiche dei Pittsburgh Penguins durante i playoff della Stanley Cup perché l'app batteva il feed dello streaming sul risultato.

Si tratta di una questione di latenza, non di analytics, ed è l'aspetto più tecnico della recensione. L'articolo non parla di expected goals, dati di tracking, modelli sugli infortuni o altro che rientrerebbe nell'analisi sportiva. La tesi è che un prodotto che fa bene un solo lavoro batte un prodotto pieno di funzioni che gli utenti non hanno chiesto.

Confrontato con la moda attuale delle app sportive, il contrasto è netto. L'app della Major League Baseball ha circondato i punteggi di quello che l'autore chiama window dressing. L'app ESPN ora mette in primo piano la sua offerta di TV in diretta e un feed video verticale chiamato Verts. Entrambe sono attività di analytics nel senso che misurano l'utente. Nessuna delle due vende analisi della partita.

Il benchmark che misura davvero il ragionamento analitico

Hex ha pubblicato DataBench il 13 agosto, una classifica per quello che chiama agentic analytics. La tabella è densa e i numeri sono la storia. Opus 5.5 a Max effort segna il 70,5% a un costo medio di 3,57 dollari per attività. GPT-6 Sol a XHigh segna il 61,3% per 0,58 dollari per attività. GPT-6 Luna a Max segna il 52,3% per sei centesimi.

Quei tre dati da soli descrivono il compromesso che ogni team dati sta facendo ora. La cima della classifica costa circa sessanta volte di più per attività rispetto al modello economico che arriva a circa tre quarti del risultato. Hex osserva anche di aver aggiornato i suoi giudici e le rubriche per smettere di premiare per errore risposte fuorvianti. Secondo Hex questo ha reso il benchmark molto più difficile nel complesso, con i modelli Anthropic particolarmente colpiti. Opus 5.5 resta comunque in cima dopo quel cambiamento.

La stessa pagina riporta le latenze. Opus 5.5 a Max impiega in media 677,2 secondi per attività. GPT-6 Luna a Max ne impiega 353,2. GPT-6 Astra a Low finisce in 88,5 secondi con un punteggio del 55%. Per chi costruisce un prodotto di analytics interattivo, questo è il vero vincolo: la risposta migliore può essere a minuti di distanza, e la risposta veloce può essere sbagliata in modi che nessuno controlla.

Come sono gli impianti quando te li costruisci da solo

Due progetti open source nello stesso periodo mostrano l'altra metà del problema. Adaca, una società di consulenza software, ha pubblicato l'8 settembre un sostituto self-hosted di Google Analytics 4 su Cloudflare Workers. I riepiloghi giornalieri arrivano dalla GA4 Data API o da un export BigQuery e finiscono in un database D1 di proprietà dell'operatore. Il realtime resta su Google. Sei dashboard sono incluse di serie, ogni numero si apre in una pagina di dettaglio, e i report possono partire con cadenza settimanale o mensile via email o Slack. La configurazione è volutamente manuale: crea un account di servizio Google con accesso Viewer, scarica la chiave JSON, premi Deploy, metti Cloudflare Access o basic auth davanti a tutto.

Non c'è login, il che è o il punto o un rischio a seconda di chi legge il README. È sotto licenza MIT.

Separatamente, Lark è un server di database in tempo reale scritto soprattutto in Rust su Glommio, con un componente edge in Go che gestisce connessioni WebSocket, WebTransport e REST. È progettato per essere compatibile senza modifiche con gli SDK di Firebase Realtime Database, così un'app può tenere Firebase Auth, Hosting e Storage mentre sposta l'albero realtime altrove. Il repository dice che il formato su disco non verrà rotto senza un percorso di migrazione e che il numero di versione 0.x riflette l'età del progetto, non un'instabilità nota. Lark Cloud esegue lo stesso codice per i clienti paganti.

Perché uno storage più economico non chiude la questione

Cassis ha pubblicato il 23 agosto un pezzo che sostiene che gli agenti di IA non eliminano il costo umano di rendere utili i dati, lo ridistribuiscono. Il framework che prende in prestito è schema-on-write contro schema-on-read, e l'esempio pratico è un CFO che chiede quanti clienti enterprise attivi hanno rinnovato il trimestre scorso. Qualcuno deve comunque decidere quale tabella contiene i clienti, cosa significa attivo, cosa significa enterprise e quando finisce il trimestre.

Il post divide quel costo in tre parti: indicizzazione, interrogazione e affidabilità. Una dashboard paga il costo di indicizzazione in anticipo, a volte settimane di lavoro prima che il primo grafico venga visualizzato, ed è affidabile per le domande per cui è stata progettata. Le richieste ad hoc spostano l'intero costo su un team dati al momento del recupero. Cassis cita un senior data manager che descrive una rotazione settimanale che consuma circa il 20% di un team di cinque o sei persone, in modo permanente.

La questione è chi fa il ragionamento, e quando.

Quella frase è la cosa più utile del lotto per chi lavora nello sport. Un club che monitora il carico dei giocatori, una lega che vende inventario televisivo e il reparto commerciale di una squadra che conta i rinnovi affrontano tutti la stessa decisione su dove mettere lo sforzo. Gli strumenti migliorano e il prezzo per attività dell'analisi automatica scende in fretta. Niente di tutto questo decide cosa significa attivo.