Стивен Бробст
CNews: Большие данные в спорте – это новый тренд или аналитика уже давно работает в этой сфере?
Стивен Бробст: Я бы сказал, что этот тренд наблюдается уже довольно долгое время. И, возможно, спорт – это сфера, где большие данные работают дольше всего. Американский бейсбол самый удачный пример, потому что он очень давно использует статистику.
Чуть позже этот тренд пришел в баскетбол, хоккей, футбол, и продолжает распространяться на другие виды спорта.
CNews: Какие технологические решения, работающие с большими данными, о которых вы знаете, используются при проведении FIFA 2018?
Стивен Бробст: Я не знаю точно, какие технологии использует FIFA, но могу сказать в целом, как это работает в футболе и других видах спорта.
Все тренеры имеют разные подходы, но, тем не менее, они замеряют практически все, что можно измерить на поле: скорость передвижения игроков, количество ударов по мячу и попаданий в ворота, скорость полета мяча. Все замеряется.
Самая большая сложность в том, что нельзя ничего добавить в самой игре, например, установить датчики на мяч или повесить их на игроков, так, чтобы это 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 практически вручную вели необходимую статистику.
Важным источником данных по прежнему является видео, но обработкой информации и ее анализом занимается искусственный интеллект.
С другой стороны есть очень высокотехнологичные виды спорта, где идет действительно сложная работа с данными, где собираются большие объемы этих данных. Это, например, гонки Формулы-1, где используются сотни различных датчиков, снимаются показания практически со всех узлов автомобиля, отслеживаются все действия водителя: как часто он нажимает на педаль тормоза и педаль газа, как быстро он набирает скорость и так далее. В результате и сам водитель получает подробный отчет о своем вождении, и команда механиков имеет перед собой подробную статистику.
В дальнейшем эта информация может учитываться и в работе над конструкцией гоночной машины, над улучшением ее параметров.
CNews: Могли бы вы назвать, скажем, топ-5 задач, которые большие данные решают в спорте?
Стивен Бробст: Первая задача – это понять, как можно улучшить индивидуальные показатели каждого игрока.
Вторая – как оптимизировать игру всей команды, с учетом умений, опыта и особенностей каждого игрока.
Третья задача, которую решают большие данные – это аналитика игры противника, выстраивание правильной стратегии игры против этой команды.
Четвертая задача – это не очень очевидное, но очень денежное применение больших данных – оптимизация продажи билетов. Ситуация очень отличается в разных видах спорта, и необходимо анализировать и прогнозировать степень загруженности трибун, популярность секторов стадиона и так далее.
И пятая задача – это оптимизация продажи/приобретения игроков. Причем вопрос касается не только индивидуальных показателей конкретного игрока, но и того, как он «впишется» в команду.
CNews: Какие инструменты и технологии предлагает спортивному, футбольному рынку, компания Teradata?
Стивен Бробст: Наши технологии работают с уже структурированными данными. Мы не обрабатываем видео, для этого можно использовать любые другие технологии с открытым исходным кодом. 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.
Наша платформа сочетает в себе и наши коммерческие, и open source алгоритмы, и даже алгоритмы других коммерческих компаний.
CNews: Как технологии изменят спортивную индустрию, скажем, через 5 лет?
Стивен Бробст: Я думаю, что все эти данные, использование алгоритмов машинного и глубокого обучения помогут предсказывать, какую стратегию игры выбирать в зависимости от состава и опыта команды, и от команды противника. Это будут очень-очень точные, точечные решения, очень специфичные для каждой конкретной игры.
И тогда уже не так нужен будет сильный тренер, если у команды будут большие данные и умные алгоритмы.
CNews: Означает ли это, что играть в футбол будет искусственный интеллект?
Стивен Бробст: Нет-нет. Вам все еще нужны будут 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.
Технологии и данные не заменят менеджеров и тренеров. Но менеджеры и тренеры, которые используют искусственный интеллект, заменят тех своих коллег, которые его не используют.
Поделиться
