Dane w sporcie. Czym jest Sport Science i analityka sportowa?

Potencjał matematyki w sporcie został pokazany kilka lat temu w filmie „Moneyball”, który był oparty na prawdziwej historii drużyny baseballowej wykorzystującej narzędzia matematyczne do poprawy wyników sportowych. Elitarni sportowcy na całym świecie w coraz większym stopniu polegają na wyrafinowanych danych matematycznych, aby oceniać i poprawiać swoje wyniki osobiste oraz wydajność podstawowego sprzętu sportowego. Od analizy ruchów człowieka po reakcję organizmu na wysiłek fizyczny, niezbędne jest dogłębne zrozumienie stosowanych technik matematycznych. Analiza danych sportowych ma również wpływ na taktykę zespołu. Coraz więcej trenerów korzysta ze statystyk i wniosków z analizy danych. Największe drużyny sportowe opierają swoje wyniki właśnie na tych analizach.

Data science w sporcie

Branża sportowa generuje roczne przychody w wysokości prawie 100 miliardów dolarów i jest pełna wszelkiego rodzaju statystyk – prawdopodobieństwa wygranej, sumy punktów, dokładnego wyniku, danych dotyczących wydajności graczy i wielu innych. Analityka sportowa zajmuje się budowaniem modeli predykcyjnych w oparciu o szereg danych. Z kolei nauka o sporcie (Sport Science) łączy analizę statystyczną z wiedzą programistyczną. Pierwszym zespołem, który zastosował data science w historii profesjonalnego sportu, była drużyna baseballowa MLB, Oakland Athletics, na której oparto film Moneyball. Zespół ten był nowicjuszem w lidze, a wygrał wiele meczów z wieloma niedocenianymi graczami w składzie. W dużej mierze zawdzięcza to zaawansowanej analizie danych.

Amerykańska liga koszykówki, czyli NBA, ma roczne przychody w wysokości około 5 miliardów dolarów. Kontrakty najlepszych zawodników sięgają już prawie 50 milionów dolarów rocznie, a są to ich zarobki tylko z pensji zawodnika (najlepsi dostają drugie tyle lub więcej z kontraktów sponsorskich). Stawka w tej lidze jest naprawdę wysoka. Od 2013 roku większość drużyn NBA ma w swoim zespole analityków danych. Współpracują z trenerami i zawodnikami, aby zmaksymalizować talenty zawodników. Wykorzystują dane zebrane z każdego meczu lub sesji treningowej. Każda hala sportowa zespołu NBA ma kamery, które nagrywają mecze, a następnie analitycy mogą z tych kamer wyodrębnić lokalizacje zawodników na boisku. Dzięki temu mogą dowiedzieć się, jak skutecznie gracze podają lub rzucają po poprzednich zagraniach. Jedna z drużyn w tej lidze – Houston Rockets – oparła swoją taktykę w dużej mierze na wnioskach z analizy danych. Wykonują tylko dwa rodzaje rzutów, które są najbardziej opłacalne według analityków (są to rzuty za trzy punkty lub spod kosza). Jednak analiza danych może również mieć negatywne skutki dla graczy. Jeśli ich statystyki nie są zbyt dobre, mogą liczyć na to, że zostanie to wykorzystane przy negocjowaniu nowego kontraktu.

Czym jest Sport Science?

Nauka o sporcie (Sport Science) to stosunkowo nowa rzecz, zyskująca każdego roku popularność i coraz więcej zwolenników. Jest to przedmiot interdyscyplinarny, który wykorzystuje takie dziedziny jak:

• fizjologia i biomechanika, aby zmierzyć to, co dzieje się w ciele sportowca;
• psychologia do analizy roli umysłu w osiąganiu wyników;
• odżywianie, aby pomóc sportowcom w odpowiednim zasilaniu ich ciał;
• biznes i zarządzanie sportem, aby zrozumieć stronę finansową i operacyjną branży sportowej

Nauka o sporcie to połączenie kilku różnych dyscyplin, które koncentrują się przede wszystkim na naukowych podstawach wykonywania ćwiczeń. Jej głównym celem jest zrozumienie związku między ćwiczeniami a ludzkim ciałem, od poziomu komórkowego po wpływ na organizm jako całość. Większość absolwentów kierunków związanych z nauką o sporcie znajduje zatrudnienie w branży sportów wyczynowych, ponieważ rywalizacja o nowe osiągnięcia w różnych dyscyplinach sportowych stale się nasila.

Jakie technologie wykorzystuje?

W największych ligach świata data science opiera się na:

• bazach danych SQL
• językach programowania R i Python
• narzędziach do wizualizacji danych, czyli Shiny lub Tableau

Jednak jedną z ciekawszych rzeczy jest tworzenie i adaptowanie technologii do gromadzenia i wizualizacji danych. NBA ma 6 kamer zainstalowanych w każdej arenie, aby śledzić ruchy graczy i sędziów z prędkością 25 klatek na sekundę, a wszystko to w celu uzyskania jak największej ilości danych analitycznych dla drużyn i samej ligi. Dzięki tej technologii mecze mogą być śledzone i analizowane, aby sztab szkoleniowy mógł dostosować strategię obronną i ofensywną w zależności od drużyny lub gwiazdy, z którą będzie grał. Dane dają drużynie przewagę w dostosowaniu gry i wysiłku do stanu zdrowia drużyny przeciwnej i poszczególnych zawodników. Technologia ta pomaga określić, gdzie dany zawodnik wykonuje swoje najlepsze rzuty. Od przyszłego roku podobne technologie będą wykorzystywane przez jedną z największych lig piłkarskich, czyli włoską Serie A, która ma podpisaną umowę z Math and Sports – producentem specjalnego oprogramowania do analizy danych o nazwie Football Virtual Coach. Każdy sztab szkoleniowy będzie miał specjalny tablet, dający mu skrupulatne wsparcie analityczne podczas meczów. Umożliwia to dostarczanie trenerom strumienia ekskluzywnych informacji, na bieżąco aktualizowanych. W ten sposób liga chce poprawić jakość widowiska i zwiększyć sukces swoich drużyn.

Analityka predykcyjna w sporcie

Analityka predykcyjna może dostarczyć informacji, jaki skład powinien wyjść w następnym meczu. Pozwala oszacować, który gracz zwiększa prawdopodobieństwo wygrania meczu przez drużynę. Wykorzystuje się do tego modele Machine Learning. Model zostanie zbudowany na podstawie statystyk gracza oraz zmiennych, takich jak statystyki w ostatnim meczu z danym przeciwnikiem oraz forma w meczach u siebie lub na wyjeździe.

Odbywa się to w następujący sposób:

• Analiza zawodników – Możemy poprawić wydajność każdego zawodnika na boisku i jego poziom sprawności, analizując jego reżim treningowy i tabelę diety, a następnie odświeżając wyniki analizy.
• Analiza drużyny – Korzystając ze statystyk drużynowych, możemy budować najnowocześniejsze modele uczenia maszynowego, takie jak głębokie sieci neuronowe, SVM itp., aby pomóc zarządowi zespołu w obliczaniu zwycięskich kombinacji z ich prawdopodobieństwami.
• Analiza zarządzania fanami – Znając czynniki, które najbardziej przyciągają fanów, zarząd zespołu może skupić się na ulepszaniu tego aspektu, co prowadzi do pozyskania nowej bazy fanów i utrzymania starych.

Zaawansowana wizualizacja danych

Wizualizacja danych jest kluczowym narzędziem we współczesnym świecie, w którym dane odgrywają centralną rolę, a sport nie jest wyjątkiem. Wykorzystując surowe dane w formie tabelarycznej, sztab szkoleniowy nie może uzyskać jasnych wniosków, a przeanalizowanie wszystkich danych i wyciągnięcie wniosków zajęłoby dużo czasu. Zatem przedstawienie danych w formacie graficznym pozwala zarządowi wizualnie zobaczyć prezentowane analizy za pomocą wykresów i diagramów, dzięki czemu mogą uchwycić trudne koncepcje lub zidentyfikować nowe spostrzeżenia. Następnym krokiem do reprezentacji graficznej jest interaktywna wizualizacja. Do tego celu używa się technologii takich jak Tableau, Qlikview czy Rshiny.

Świat zakładów sportowych

Analityka sportowa nie tylko ma ogromny wpływ na wydarzenia sportowe, ale przyczyniła się do rozwoju branży zakładów sportowych, która stanowi około 13% globalnej branży hazardowej. Szacowane na 700 miliardów do 1000 miliardów dolarów, zakłady sportowe są niezwykle popularne wśród różnych grup, od zapalonych fanów sportu po graczy rekreacyjnych, trudno byłoby znaleźć profesjonalne wydarzenie sportowe, na którego wyniki nic by nie wpływało. Wielu graczy jest przyciąganych do zakładów sportowych ze względu na obfitość informacji i analiz dostępnych do ich dyspozycji podczas podejmowania decyzji.

Jak Data Science zmienia sport?

Czy to Igrzyska Olimpijskie czy wszelkiego rodzaju Mistrzostwa Świata lub Europy, po Ligę Mistrzów i amerykańskie ligi NBA, NFL, MLB są to widowiska sportowe przyciągające miliardy ludzi. Sport jest pełen mylących i niekontrolowanych zmiennych, takich jak pogoda, unikalna fizjologia poszczególnych graczy, decyzje sędziów i wybory dokonywane przez graczy w trakcie gry lub meczu. To dzięki ciągłemu postępowi technologicznemu w dziedzinie analizy Big Data, pozyskiwanie danych sportowych jest stosunkowo łatwe. Właśnie w tym miejscu wkracza analiza danych i data science, ujawniając wnioski predykcyjne dla optymalnego podejmowania decyzji w całej branży sportowej.

Analityka pomaga mierzyć inne elementy podczas wydarzenia sportowego, takie jak zakupy biletów, zaangażowanie fanów, interakcje z fanami, a co ważniejsze, wskaźniki utrzymania fanów. Powrót fanów na stadion jest kluczowym elementem, a metody analityczne stają się głównym trendem do mierzenia tych perspektyw. Pomaga to urzeczywistnić to poprzez zastosowanie i innowacje w technologii oraz adaptację i połączenie obu tych trendów w branży sportowej. W ciągu najbliższych 10 lat branża sportowa z pewnością będzie inna i bardziej zaawansowana z analitycznego punktu widzenia. Nie wiadomo, jak gracze, trenerzy i fani zareagują na różne metody, podejścia i analizy. Jak dotąd metody, trendy, analityka i inne innowacje poprawiają wrażenia z oglądania i dają sportowcom lepsze wyniki.