Спортивная аналитика. Развитие

За последние несколько лет в мире спорта произошел настоящий прорыв в использовании аналитики. Мы будем размышлять о текущем состоянии спортивной аналитики и рассмотрим, как может выглядеть будущее спортивной аналитики.Определим спортивную аналитику как управление структурированными историческими данными и интеллектуальными аналитическими моделями, которые используют эти данные, а также использование информационных систем для информирования лиц, принимающих решения, это позволяет им помогать своим организациям в получении конкурентных преимуществ в области игры.

  Определение является одновременно экспансивным (в том смысле, что оно включает не только статистические модели, но и более широкую цепочку информационных величин, которая окружает эти модели) и рестриктивным  (поскольку оно исключает традиционные аналитические приложения, такие как прогнозирование спроса, управление доходами и финансовое моделирование, все из которых, безусловно, актуальны в бизнесе профессиональных видов спорта).    

Data managment включает в себя все процессы, связанные с получением, проверкой и хранением данных эффективным образом. В спортивной организации данные могут поступать из разных источников и могут быть представлены в самых разных формах. У Data managment две функции: предиктивная аналитика и информационные системы принятия решений.Учитывая эту решающую роль, эффективное управление данными имеет важное значение, и, следовательно, отсутствие неполных и/или недоступных данных по сути снижает стоимость любых других инвестиций в аналитику.  Во многих организациях данные часто хранятся изолированно, поэтому получение данных часто не является гладким процессом. Различные группы внутри организации, такие как скауты или тренера, могут иметь обширные данные о игроках, к которым другие группы либо не имеют доступа, либо даже не знают о существовании. Например, кадровая группа в одной команде NFL собирала обширные данные о результативности различных групп как противоборствующих игроков, так и их собственных. Тренерский штаб понятия не имел, что данные существуют, но когда они узнали о их существовании, они испытывали трудности с доступом к нему. Данные располагались в электронных таблицах на компьютерах кадровой группы вместо интеграции в общую систему данных. Это обычная ситуация в профессиональных спортивных организациях.

Предиктивный анализ, следующий фрагмент структуры, представляет собой процесс применения статистических инструментов к данным для получения информации о том, что может произойти в будущем. В спорте это может включать проекцию профессиональных карьер любительских игроков, определение того, как сильные и слабые стороны соперника будут играть против сильных и слабых сторон вашей собственной команды, или оценка того, закроет ли свободный агент потребность команды за соответствующую плату. В зависимости от важности проблемы, времени на ее решение и имеющихся данных, анализ может варьироваться от простых сравнений до чрезвычайно сложного и передового статистического анализа. Результаты анализа могут непосредственно входить в интеллектуальную информационную систему, которая обеспечивает лиц, принимающих решения, стандартизированными результатами. В качестве альтернативы, такие результаты могут сообщаться непосредственно лицам, принимающим решения, для специальных проектов, которые могут быть за пределами любых стандартных систем. Информационная система, следующий компонент в структуре, становится все более распространенными в мире спорта. Когда они разработаны и внедрены правильно, такие информационные системы  позволяют визуализировать и интерактивно анализировать соответствующую информацию из нескольких источников в одном месте, организованную нужным образом, чтобы обеспечить понимание для лиц, принимающих решения. Например, спортивная информационная система может объединять неструктурированную информацию из отчетов скаутов, сводных отчетов из нескольких источников данных и результатов предиктивных моделей. Такая система не только обеспечивает платформу поддержки принятия решений на основе данных и объединяет данные из нескольких источников, но также имеет потенциал для коренного изменения и улучшения способа принятия решений.

Лица, принимающие решения, являются конечными клиентами для всех компонентов в сфере спортивной аналитики. Тем не менее, современная профессиональная спортивная организация, как правило, имеет много разных лиц, принимающих решения, включая генерального менеджера, тренеров, скаутов и других руководителей персонала. Лица, принимающие решения в разных функциональных областях, могут использовать разные данные и модели для решения различных типов вопросов. Как уже упоминалось выше, одна из ключевых проблем сегодня заключается в том, что лица, принимающие решения в одной функциональной области (например, скауты), редко имеют легкий доступ к информации, генерируемой персоналом в других областях (например, помощники тренера).Подводя итог, наше определение и структура для спортивной аналитики охватывают несколько различных аспектов, связанных с превращением необработанных данных в информацию, которая ценится и влияет на лиц, принимающих решения в мире спорта.

Рост спортивной аналитики

Исследования с использованием математических моделей для профессионального спорта можно проследить более чем на 50 лет, важно помнить, как выглядел мир в 2005 году, когда вышел  первый номерJournal of Quantitative Analysis in Sports. В то время, когда этот журнал был запущен, только две или три команды NBA думали об использовании передовой статистики в отношении игроков и стратегии игры. Всего лишь шесть коротких лет спустя более половины команд NBA используют инструменты аналитики в своей работе, большинство команд MLB теперь считают аналитику нормальной частью бейсбола, а такие компании, как STATS LLC, устанавливают камеры в НБА и стадионах NFL, чтобы собрать все больше и больше данных. В более широком масштабе ежегодная конференция Sloan Sports Analytics служит ярким символом роста спортивной аналитики. Первая конференция Sloan состоялась в 2006 году в нескольких классных комнатах в кампусе MIT с менее чем 300 участниками. Конференция 2011 года была проведена в Бостонском конференц-центре и привлекла более 2000 человек.  

Рост данных

Данные в спортивной организации, состоят из индивидуальных оценок, статистики игроков и команд, текстовых отчетов скаутов и записей матчей. Тем не менее, данные, доступные для лиц, принимающих решения, выросли в геометрической прогрессии за последние 15 лет. Несколько факторов способствовали этому росту данных. Инновации в спортивной науке, начинаются с тренировок и с различных режимов питания, в сочетании с улучшенными отчетами от медицинских работников и тренеров, все имеют свои собственные наборы данных, которые собираются и отслеживаются где-то внутри организации. Благодаря улучшенной коммуникации через Интернет частота и количество информации, собранной, сохраненной и распределенной скаутами и тренерами на всех уровнях, значительно возросли. Благодаря увеличенной вычислительной мощности и уменьшенным затратам на хранение, исторические данные о самих играх теперь упакованы во множество разных форматов: компании Stats, StatDNA и Sports Data Hub начинают предоставлять организациям высококачественные исторические данные, представленные уникальными сводками. Наконец, появление технологии захвата движения повысило как качество так и количество данных, собираемых в каждой игре. Эта технология отслеживает все, что движется на поле.  Результат всего этого ясен: мир спорта сегодня генерирует гораздо больше данных, чем можно было представить всего несколько лет назад.