6 июля 2018 г.

Обсуждая ЧМ-2018, можно говорить не только о победах и спортсменах, но и об использовании новых технологий. Так, например, сборная России во время тренировок использует GPS-датчики, которыми «обвешивают» игроков для мониторинга их состояния и сбора индивидуальных показателей. Технический директор компании Teradata Стивен Бробст уверен, что искусственный интеллект и большие данные повышают эффективность спортсменов и команд, за которые они выступают. А, кроме того, помогают успешно инвестировать в спорт и меняют рынок труда.

Инновации уже широко используются в спорте — особенно в командных видах. Если раньше аналитика игры проходила долго и утомительно — специалист вручную анализировал перемещения спортсменов, технико-тактические действия, количество ускорений, пауз и прочее, то сейчас это все автоматизировано.

«Самая большая сложность в том, что нельзя ничего добавить в самой игре, например, установить датчики на спортсменов во время игры, так, чтобы это им не помешало игре. Поэтому для сбора информации приходится использовать, в основном, видеозаписи. Именно видео до сих пор является основным инструментарием. Это работало и 10 лет назад, когда для анализа проведенных матчей использовались относительно простые программные решения и работали с этим данными профессионалы, которые вручную вели необходимую статистику. Теперь же обработкой информации и ее анализом занимается искусственный интеллект», — рассказывает Стивен Бробст, технический директор Teradata.

«Наши технологии работают с уже структурированными данными. Так, например, в экосистеме, которую мы предлагаем, реализованы hadoop-кластеры, где можно хранить и обрабатывать видео, извлекать из него те структурированные данные, с которыми, как раз, и работают решения Teradata. Для анализа этих данных применяются алгоритмы машинного обучения», — добавляет Стивен Бробст.

По его прогнозу, в ближайшие годы использование алгоритмов машинного и глубокого обучения серьезно изменит ситуацию в спортивной аналитике.

«Новые решения будут очень-очень точные, точечные решения, очень специфичные для каждой конкретной игры. Они помогут предсказывать, какую стратегию на игры выбирать в зависимости от состава, опыта команды и от команды противника. И тогда уже не так нужен будет сильный тренер, если у команды будут большие данные и умные алгоритмы», — отмечает он.

Стивен Бробст предполагает, что новые технологии и большие данные не заменят менеджеров и тренеров. Но менеджеры и тренеры, которые используют искусственный интеллект, заменят тех своих коллег, которые его не используют.

«В дальнейшем, выигрывать игру будет не лучший тренер и не лучший игрок, а целый комплекс факторов, заложенных в программное обеспечение. Вам все еще будут нужны хорошие игроки. Но искусственный интеллект поможет выбрать этих лучших игроков в зависимости от того, сколько денег может на них потратить команда. Если же у вас с противником одинаковые финансовые возможности, то здесь, конечно, все решит ИИ», — уверен Стивен Бробст.

Большие данные и искусственный интеллект используются не только в повышении эффективности команды и анализа противников.

«Спорт — это не только игра и показатели спортсменов, это еще и большие деньги. Например, аналитика может использоваться для оптимизации процесса продажи и приобретения игроков, а может — в ценообразовании по различным трибунам стадиона. Это очень большие объемы данных и проекты», — подытоживает Стивен Бробст.

Research and Markets прогнозируют рост рынка систем мониторинга и аналитики в спорте в сотни раз — до 15,5 млрд долларов — к 2023 году. На данный момент он составляет около 70-80 млн евро, по данным компании Instat.

Топ-5 задач от Бробста для больших данных в спорте:

  1. Анализ и предложение по улучшению индивидуальных показателей каждого спортсмена;
  2. Оптимизация игры всей команды, с учетом умений, опыта и особенностей каждого игрока;
  3. Аналитика игры противника, выстраивание правильной стратегии игры против этой команды;
  4. Оптимизация продажи билетов. Анализ и прогнозирование степени загруженности трибун, популярности секторов стадиона и так далее;
  5. Оптимизация продажи/приобретения игроков. Анализ индивидуальных показателей конкретного игрока, а также того, как он «впишется» в команду.

Источник: Пресс-служба компании Teradata