Warstwa danych w sporcie: dashboardy pod kontrolą i agenci z kluczami

8 września firma konsultingowa Adaca opublikowała na GitHubie projekt adaca-analytics, czyli samodzielnie hostowaną warstwę dashboardów dla Google Analytics 4 działającą na Cloudflare Workers. Dziesięć dni później, 18 września, na Wiley Science and Engineering Content Hub ukazała się biała księga sponsorowana przez CData. Obiecywała o 76% szybszą replikację na tej samej infrastrukturze. Między tymi datami, 11 września, Starburst opublikował analizę architektury, która pyta, kto lub co w ogóle powinien mieć prawo do zapytań do danych.

Nic z tego nie jest specyficzne dla sportu. I w tym tkwi sedno. Infrastruktura, która decyduje, który zawodnik odpoczywa, jaka cena biletu zostanie wyświetlona i który highlight z transmisji trafi do montażu, jest przebudowywana na poziomie najniższych warstw. Branża sportowa jest w większości konsumentem tych decyzji, a nie ich twórcą.

Argument za dashboardami: posiadaj swoje liczby

Narzędzie Adaca jest celowo nieefektowne. Zgodnie z README na GitHubie, dzienne sumaryczne dane z GA4 Data API lub eksportu z BigQuery trafiają do bazy D1, którą posiada operator, podczas gdy dane w czasie rzeczywistym pozostają aktywne na platformie Google. Pakiet zawiera sześć gotowych dashboardów oraz czteroetapowy kreator do tworzenia własnych. Każda liczba jest klikalna: źródła, strony i kraje otwierają strony szczegółowe z własnymi trendami i podziałami. Są one wyliczane z wyprzedzeniem, aby ładowały się w jednym żądaniu.

„Adaca to firma konsultingowa. Tworzymy oprogramowanie na zamówienie, wbudowujemy starszych inżynierów w zespoły klientów i wdrażamy AI dla naszych klientów. Adaca Analytics jest open source na licencji MIT.”

Konfiguracja wymaga konta usługi Google z dostępem Viewer do własności GA4 oraz klucza JSON. Wdrożenie polega na bifurkacji repozytorium, zaaprovisionowaniu D1 i KV oraz podaniu klucza. Brak jest logowania, więc README zaleca operatorom umieszczenie Cloudflare Access lub wbudowanej podstawowej autentykacji przed aplikacją.

Dla klubu lub prawodawcy liczy się posiadanie i koszty. Dla zespołu ds. danych sportowych atrakcyjne jest to, że porównanie z poprzednim okresem, rokiem ubiegłym lub dowolnym oknem czasowym jest jednym kliknięciem, a nie zgłoszeniem do centralnej grupy analitycznej, która ma w kolejce dwanaście innych próśb.

Argument za agenty: oddaj klucze

Post Starburst nie jest ogłoszeniem produktu. To taksonomia, która okaże się przydatna, jeśli próbujesz ustalić, gdzie naprawdę pójdą budżety na analitykę sportową w ciągu najbliższych dwóch sezonów.

Autor przytacza przykład z marketu, który niemal idealnie mapuje się na pytanie biznesowe ze sportu: czy moja promocja na jajka w zeszłym tygodniu była opłacalna? Odpowiedź wymaga danych transakcyjnych, danych lojalnościowych, składu koszyka i układu sklepu, rozproszonych w wielu bazach danych. Zamień jajka na zaniżony bilet rodzinny, a karty lojalnościowe na zapisy posiadaczy karnetów sezonowych, a masz ten sam problem, z którym klub piłkarski mierzy się co poniedziałkowy ranek. Post twierdzi, że to agenci, a nie ludzie, zaczynają wykonywać większość tej iteracyjnej pracy i że jakość wyników zależy w dużej mierze od sposobu, w jaki dane docierają do agenta.

Przedstawia trzy opcje. Opcja 0, polegająca na ekstrakcji surowych danych i wysyłaniu ich do agenta jako plików, jest kategorycznie odrzucana. Post stwierdza, że może to być nie do przyjęcia kosztowo, gdy agenci naliczają opłaty za pozycję danych, a wady wydajnościowe sprawiają, że jest to „zła opcja w praktyce”. Opcja 1 daje agentowi bezpośredni dostęp do bazy danych i pozwala mu pisać własne SQL, iterując z silnikiem wykonawczym bazy, zamiast ciągnąć terabajty po sieci. Post zauważa, że może to obciążać systemy, ponieważ agenci są znacznie bardziej wymagający niż ludzie i mogą przytłoczyć bazę danych spekulatywnymi zapytaniami. Jednocześnie twierdzi, że branża baz danych skupia się teraz na wspieraniu obciążeń agentic.

Opcje pośrednie, w których baza danych wykonuje część przetwarzania przed przekazaniem wyników, to miejsce, gdzie post poświęca większość energii analitycznej. Trzy wymiary, którymi je ocenia, to te, które każdy lider analityki sportowej powinien mierzyć: poprawność, opóźnienia i koszt tokenów.

Gdzie faktycznie znajdują się dane sportowe

Organizacje sportowe zwykle działają w modelu hybrydowym. Analityka stron i aplikacji dla fanów żyje w czymś w rodzaju GA4 lub równoważnika, co jest warstwą, którą atakuje Adaca. Bilety, CRM i merchandising żyją w operacyjnych bazach danych. Dane z transmisji i trackingu znajdują się gdzie indziej, często w wolumenach, które czynią propozycję replikacji CData istotną.

Biała księga, sponsorowana przez CData, argumentuje, że rosnące wolumeny danych przesunęły wąskie gardło od samych danych do architektury, która je przenosi, i że nocne okna wsadowe już nie pasują. Opisuje równoległe, partycjonowane odczyty, które dzielą dużą tabelę źródłową na partycje zakresów wierszy i czytają je jednocześnie przez wątki CPU, oraz optymalizacje ścieżki zapisu, które zmniejszają narzut na plik i kolumnę. Najbardziej korzystają na tym szerokie tabele z setkami kolumn, a wyniki są raportowane dla powszechnych docelowych platform chmurowych.

Równoległość z danymi trackingowymi ze sportu nie jest trudna do narysowania. Pojedynczy mecz może wygenerować setki kolumn danych zdarzeń i pozycyjnych, a liga generuje setki meczów w tygodniu. Jeśli replikacja jest ograniczeniem, zespół analityczny czeka na infrastrukturę, zamiast zadawać lepsze pytania.

Tego, co nie jest rozstrzygnięte przez trzy dokumenty, to governance. Odpowiedź Adaca polega na umieszczeniu Cloudflare Access przed Workerem, który trzyma klucz konta usługi z prawami Viewer. Odpowiedź Starburst polega na pozwoleniu agentowi na sterowanie bazą danych i zaakceptowaniu faktu, że będzie on cięższym użytkownikiem niż dowolny analityk ludzki. Żadna z nich nie adresuje tego, co się dzieje, gdy agent lub dashboard jest skierowany na dane o zdrowiu zawodnika lub na sygnały związane z zakładami bukmacherskimi, które regulatorzy już zaczynają obserwować.

Narzędzia przychodzą szybciej niż zasady. To luki, a nie dashboardy, będzie sport tech musiał załatwiać w następnym sezonie.