Для отслеживания статуса заказа — авторизируйтесь
Введите код, который был выслан на почту Введите код с SMS, который был выслан на номер
 
Код действителен в течение 5 минут Код с sms действителен в течение 5 минут
Вы уверены, что хотите выйти?
Сеанс завершен
На главную
Дата-анализ в спорте: как превратить данные в результаты

Дата-анализ в спорте: как превратить данные в результаты

Разбираем, как изменилась спортивная метрология за последние годы

Лозунг «Быстрее, выше, сильнее» вдохновляет спортсменов на победы и установку новых рекордов. Спорт обычно рассматривается как сила духа, преодоление собственных ограничений, достижение невозможного. Но все это невозможно без данных и цифр, которые сопровождали спортивные соревнования с самого начала.

MoneyBall — самый известный пример спортивной аналитики

Любители бейсбола и творчества Брэда Питта наверняка слышали о фильме MoneyBall 2011 года (в украинском прокате — «Людина, яка змінила все»). Это увлекательная история об использовании анализа данных в спорте, в частности в профессиональном бейсболе.

Основанный на реальных событиях, фильм рассказывает о Билли Бине, главном менеджере «Окленд Атлетикс», изменившем подход к формированию команды, используя анализ данных.

Кадр из фильма MoneyBall // IMDb

Одним из ключевых моментов фильма MoneyBall и, собственно, истории успеха, изображенной в кино, является использование показателей эффективности игроков, отличающихся от традиционных. Билли и его команда анализировали большое количество статистических данных, чтобы выявить недооцененных игроков, которые могли бы, с одной стороны, обеспечить команде высокие результаты, а с другой — стоили дешевле других известных спортсменов.

Фильм показывает, как Билли Бин противостоял традиционным представлениям о том, как формировать команду, и предпочитал анализ данных и статистику. Он учитывал такие показатели, как процент успешных бросков, пробеги и рейтинги, чтобы определить потенциал игроков и сбалансировать состав команды.

Решив эти оптимизационные задачи с помощью выпускника Йельского университета Питера Бренда, герой фильма сделал ставку на менее очевидных, но достаточно эффективных игроков, что позволило его команде успешно конкурировать с соперниками, которые имели гораздо больший бюджет.

История, показанная в фильме MoneyBall, продемонстрировала важность анализа данных в спорте и его потенциала в будущем. Снятый на основе книги, написанной в 2003 году, фильм стал кинематографическим отражением тогдашнего состояния спортивной аналитики и предвестником ее развития в будущем.

Новый подход к данным в спорте

Спортивная метрология как наука об измерениях в спорте известна давно. Но раньше ее задачами были фиксация результатов и создание правил, по которым оценивают выступление атлета или команды и определяют победителя. В 21 веке это изменилось — и продолжает меняться. Спортивные измерения вышли на новый уровень и стали частью прогнозирования и принятия решений.

Это происходит благодаря нескольким вещам:

  • огромным объемам данных, генерируемых во время тренировок и соревнований;
  • возможностям фиксировать и анализировать эти данные.

Все это в комплексе помогает лучше понимать и оценивать деятельность спортсменов и спортивных команд, а еще — выбирать наиболее оптимальные стратегии для совершенствования подготовки и будущих побед.

Рынок спортивной аналитики растет и, по прогнозам экспертов, в ближайшее время превысит $ 4 млрд. Более того, по данным Бюро статистики труда, спортивная аналитика является одним из самых быстрорастущих сегментов рабочих мест в сфере дата-анализа, который за последнее десятилетие увеличился на 27 %.

Спортивные аналитики используют разные методы, в частности статистический и количественный анализ и предикативное прогнозирование, чтобы принимать решения в ходе тренировочного процесса и во время игры или соревнований.

Большинство проектов анализа спортивных данных делится на четыре категории:

  • Прогнозирование результатов
  • Оценка конкурентов
  • Определение проблемных областей
  • Анализ игры

Как анализ данных стал помощником для команд, зрителей и менеджеров

Анализ данных в спорте стал продолжением развития других технологий, которые научились получать во время соревнований и тренировок разные данные об атлетах, их соперниках и среде, в которой они тренируются. Даже такие известные всем гаджеты, как фитнес-браслеты или умные часы, тоже могут быть одним из источников информации для спортивной аналитики.

Спортивная аналитика использует и другие данные, например, системы видеоанализа — именно такой помог футбольной команде «Линкольн Сити» из Великобритании подняться на вершину Премьер-лиги.

Платформа Hudl, используемая менеджерами команды, позволяет записать матч, а затем проанализировать его. Система создает автоматизированные статистические отчеты. После этого матч можно разбить на списки отдельных воспроизведений (например, в центре внимания могут быть угловые удары или голевые передачи). Эти видео атлеты и тренеры могут детально проанализировать, увидеть ошибки и понять, как улучшить игру или ее элементы.

Похожие инструменты используются также и в баскетболе — например, система RSPCT, оснащенная камерой Intel RealSense 3D для отслеживания и анализа каждого удара, не только предлагает зрителям оценить точность ударов игроков. Эта технология в сочетании с портативными браслетами от Kinexon позволяет тренерам получить полное понимание позиции игрока и его производительность в любой момент времени. Ее используют несколько команд высшего легиона, например, Washington Wizards.

Еще одна область применения спортивной аналитики — улучшение зрительского опыта. Например, инструмент Statcast, который использует MLB (Главная бейсбольная лига), позволяет зрителям получить подробную информацию о скорости, точности, пройденном расстоянии игрока и т. д.

Посетители игр могут видеть эти данные на специальном экране, а те, кто смотрит трансляцию, — в специальных примечаниях над изображениями игрока. Вся информация обновляется в режиме реального времени и позволяет лучше понимать происходящее на поле.

Как анализ данных помогает в работе тренеров

Инструменты спортивной аналитики стали отличными помощниками и в работе тренеров и менеджеров команд. К примеру, Национальная баскетбольная ассоциация (НБА) использует систему камер отслеживания игроков SportVU. Эта продвинутая технология трекинга может проанализировать, насколько эффективен и результативен спортсмен на поле, оценивать расстояние, которое он пробегает, и в общем сколько энергии тратит во время игры.

В Национальной футбольной лиге (NFL) команды и игроки используют инновационный инструмент анализа данных Catapult. В сочетании с персональными мониторами система может количественно оценить программы тренировок и нагрузок атлетов и лучше контролировать их, чтобы уменьшить риск травм.

Похожие инструменты от Microsoft использует тренерская группа команды «Реал Мадрид». Ортопеды «Реал Мадрида» применяют 4D-сканирование по играм и анализ данных на основе искусственного интеллекта, чтобы разработать прочное и надежное оборудование для спортсменов. А тренеры могут использовать GPS и облачное программное обеспечение для отслеживания и анализа движений каждого игрока во время тренировки.

Alt text

Как работает инструмент от Microsoft

Новая профессия — аналитик спортивных данных

Развитие спортивной аналитики привело к появлению нового направления деятельности дата-саентистов — аналитики спортивных данных. Работа такого специалиста заключается в сборе и мониторинге статистики для спортсмена, игры или команды. В рамках этого анализа используются алгоритмы, которые помогают предсказать будущую эффективность команды, помочь применить информацию для принятия бизнес-решений или предоставить статистику и отзывы для спортивных комментаторов.

Среди примеров задач, которые могут стоять перед спортивным аналитиком, — понять, почему некоторые игроки попадают в Зал славы, то есть становятся выдающимися. Узнать это можно, используя информацию из базы данных Lahman Baseball Database и применяя регрессионный анализ для определения важнейших показателей игроков в бейсбол.

Спортивный аналитик может также работать и в роли бизнес-аналитика, задача которого — помочь улучшить производительность команды путем применения полученных и проанализированных им данных.

Сегодня такие вакансии в Украине являются редкостью, но на рынке США они появляются все активнее, например, сейчас открыто предложение работы для спортивного дата-сайентиста в Сан-Франциско. Оно предусматривает вознаграждение в размере $ 103–135 тыс. в год.

Ещё статьи
Экспертки о том, как оценивают кандидатов на нетехнических интервью
Часть 2. Работа с записями: вставка, чтение, изменение и удаление