Пять реальных методов для осуществления спортивной аналитики

Когда Moneyball впервые появился на широкой публике почти два десятилетия назад, он описывал хронику индустрии, когда постепенно внедрялись новейшие статистические методы для всесторонней оценки спортсменов. С тех пор прошло немало времени. Новейшие изобретения в области облачных вычислений и искусственного интеллекта позволили использовать неструктурированные данные, таких как позиция игрока,  движение, полевые условия, погода и физическое состояние игроков.Ниже приведены пять методов расширенной аналитики и искусственного интеллекта, хорошо зарекомендовавших себя в спорте, которые можно применять в организациях из разных отраслей.

1. Моделирование

Как разделить удачу или закономерность с бинарными исходами ситуаций, такими как попадание в последнюю секунду мяча в ворота или нет? Чтобы спрогнозировать ситуации, команды исследуют все больший и больший объем данных.

Произведение десятков или тысяч экспериментов было стандартным методом для прогнозирования результатов. Нынешние облачные вычисления позволяют в краткосрочном периоде моделировать ситуации с гораздо большим количеством исходных.

2. Компьютерное зрение и обработка естественного языка 

Компьютерное зрение и НЛП  необходимы для оперативной обработки и структурирования неструктурированных данных, таких как видео, аудио и изображения, с целью обнаружения закономерностей. К примеру, компания Hawk-eye Innovations предоставляет технологию отслеживания мяча, которая используется в профессиональном теннисе, футболе, крикете, регби и бейсболе.

3. Оптимизация пути игрока и мяча

Учитывая динамику таких переменных, как соперники, позиционирование игроков и погода, как просчитать оптимальные действия для игроков, чтобы получить успех? Например, нужно просчитать вероятность того, что конкретный игрок забьет с определенного места, используя определенный удар, с учетом обмундирования, которое есть на нём на данный момент. Это также помогает понять, как проложить оптимальный путь для защитников по мере движения мяча.

ИИ используется для оптимизации пути с учетом погодных условий и передвижения в режиме реального времени.

4. Телеметрия и сбор данных

Повсеместное использование различных датчиков даёт возможность делать прогнозы и рекомендации. Команда Формулы 1 уже вовсю недряет данные телеметрии с тысяч датчиков, которые генерируют огромное количество информации каждую секунду для оптимизации стратегии гонки, например, остановки, замена шин и обгоны.

5. Физическое и профессиональное состояние игроков

Инвестиции команды в спортсмена имеют размер гораздо больше чем средняя заработная плата. Бывали случаи, когда игрок добавлял десятки или сотни миллионов к стоимости франшизы. Поэтому, для спортивных команд актуально увеличивать инвестици в данные для предотвращения травм и повышения производительности. Прошли те времена, когда можно было рассчитывать на поддержку спонсоров. Теперь, например, в некоторых командах используются носимые устройства IoT вместе с искусственным интеллектом, чтобы получать информацию и оценивать степерь риска получения травм. Таким образом, в свете нынешних событий неизбежно будет тенденция к более актуальному использованию данных.