Готовы ли вы встретить новый уровень конкуренции?
Различные подходы к демистификации данных заключаются в том, чтобы дать им соответствующую количественную оценку с помощью ключевых показателей эффективности, которые могут быть указаны как спортивные показатели и показатели производительности; это отличается от спорта к спорту и от тела к телу. Когда какой-либо игрок участвует в различных тренировках или мероприятиях, происходит развертывание большого количества данных в двух формах: производительность человеческого тела и данные о конкретных видах спорта.
"Задача специалиста по данным в области спортивной науки – следить не только за показателями дня матча, но и за телесными изменениями, которые могут повлиять на результат".
В контексте человеческой деятельности; метрики указаны ниже:
Внутренние данные: человеческое тело генерирует огромное количество данных каждую секунду, независимо от того, находится ли кто-либо в состоянии покоя или в движении; в контексте спорта мы охватываем физиологию упражнений человека, физиотерапию, питание, антропометрию, силу и кондиционирование, биомеханику и психологические основы, например:
Уровень увлажнения
Пульс
Показатель воспринимаемой нагрузки
Вариабельность сердечного ритма
Избыточное постпотребление кислорода
Уровень беспокойства
Лактатный порог
Сила
Мощность
Аэробные возможности и многое другое
Внешние данные: каждый взаимодействует с природой, живыми и неживыми объектами, чтобы удовлетворить свои потребности в контексте спорта; Условия игры, будь то мероприятие в помещении или на открытом воздухе, оказывают влияние наряду с такими факторами, как форма и соперники.
С контекстом для спортивных показателей; в спорте постоянно предпринимаются усилия по улучшению показателей, оценивающих способности игроков, но практически не предпринимается никаких усилий для количественной оценки и сравнения существующих показателей.
Всякий раз, когда мы разрабатываем показатели модели машинного обучения; мы должны учитывать три критерия:
Постоянство: измеряет ли показатель одно и то же во времени
Дискриминация: различает ли метрика игроков
Объективность: предоставляет ли метрика новую информацию
Дискриминация. Чтобы быть эффективной, мера оценки мастерства игрока должна быть методом различения разных спортсменов. Это означает, что большая часть различий между игроками связана с реальными различиями в игровых возможностях, а не случайностью или шумом из-за ограниченного размера выборки.
Постоянство. Очень важно учитывать, как часто показатель конкретного игрока меняется от сезона к сезону, в дополнение к неравенству, которое представляет собой схему, описывающую вариации в течение одного сезона. Когда дело доходит до будущих сделок, идея последовательности особенно важна в спортивном менеджменте. После устранения случайной изменчивости мы используем постоянство в качестве параметра, чтобы объяснить, как часто мы ожидаем, что метрика одиночной игры будет меняться с течением времени. Этот показатель проверяет чувствительность показателя к изменениям обстоятельств или внутренних способностей игрока с течением времени.
Объективность. Мы не должны рассматривать несколько показателей, количественно оценивающих связанные аспекты навыков игрока, как разные знания. Это особенно важно для лиц, принимающих решения в спортивном менеджменте, которые зависят от этих измерений при принятии решений. Только путем правильного синтеза доступных данных можно будет точно измерить мастерство игрока.
Давайте кратко поговорим о некоторых видах спорта:
Анализ в баскетболе
Благодаря статистике с четкой рамкой оценки дискриминации и стабильности соответствуют представлениям. Наименее различимым и надежным параметром является необработанный процент трехбалльной оценки; аналитические байесовские расчеты трехточечной пропускной способности повышают как согласованность, так и различение. Показатели, такие как подборы, блоки и передачи, являются надежными индикаторами позиции игрока и по этой причине очень различительны и стабильны. Поминутная или игровая статистика, как правило, более стабильна, но менее разборчива. Наряду со статистикой матчей с применением искусственного интеллекта; видеоаналитика оказала большое влияние на улучшение игрока.
Анализ в футболе
В футбольной аналитике количественная аналитика учитывает частоту владения мячом, ожидаемое количество голов, успех высокого прессинга, корреляцию между событием и результатами, количество ударов по воротам, процент пасов и многое другое. более. Однако качественная аналитика включает в себя позицию игрока, положительный или отрицательный результат игры. Полуколичественный анализ вероятности контратак, потери мяча и стандартного положения. Видеоанализ также играет важную роль во время технических и тактических занятий.
Анализ в крикете
В крикете аналитика данных и моделирование сильно зависят от представления данных и модели, а их сложность прямо пропорциональна типу прогностических вопросов, которые задаются в ходе исследования. Когда требуется реалистичная интерпретация игры в крикет, например, что произошло бы, если бы игрок с битой ударил по мячу под другим углом, все становится намного сложнее с точки зрения расчетов и сравнения данных, а с использованием машинного обучения это помогает. предсказать пробеги не только отдельного игрока, но и команды, а также помочь определить, забьет ли игрок пятьдесят или сто. Тем не менее, описательная статистика помогает получить представление о среднем количестве ударов игроков с битой, боулерах и многом другом. Можно отслеживать широкий спектр переменных, включая количество игроков на поле, их характеристики, мяч и множество возможных действий.
Анализ основных компонентов и спорт
В контексте трех указанных выше критериев Постоянство, Различение и Объективность; есть истечение слишком многих параметров, будь то спорт; вслепую мы не могли исключить несколько параметров и наоборот. Например; в анализе баскетбола с простой статистикой очков и сенсорными технологиями (такими как Garmen, Catapult или Equivital); мы могли бы получить данные о производительности человека, такие как частота сердечных сокращений, EPOC, максимальная частота сердечных сокращений, частота сердечных сокращений восстановления и т. д., а также конкретные спортивные показатели, такие как сыгранные минуты, попытки филд-гола, 3 попытки, 2 попытки, личные фолы, очки, подборы в атаке. , Подборы в защите, процент текучести, ценность замены и многое другое; с применением анализа основных компонентов, который представляет собой метод уменьшения размерности таких наборов данных, повышения интерпретируемости с минимальной потерей информации.
Упрощенная формула линейной модели:
Определение показателей для спорта можно представить в виде трехмерного массива игроков, сезонов и показателей, где s – сезоны, p – игрок, а m – показатели. Если мы разработаем линейную модель по времени как сезоны s для игрока p и показатель m; это будет указано как:
Y = мкм + Xsm + Xpm + Xspm + espm
Где:
мкм: среднее значение распределения
Xsm: случайный эффект сеанса и показателей {со значением от 0 до дисперсии}
Xpm:: случайный эффект игрока и показателей {со значением от 0 до дисперсии }
Xspm: случайный эффект сеанса, игрока и показателей {со значением от 0 до дисперсии}
espm: изменение, вызванное выборкой
Однако Y обозначает истинное значение навыка m игрока p в сезоне s
"Аналитика данных в режиме реального времени может помочь в извлечении информации даже после матча, позволяя команде и связанным с ней компаниям менять стратегии для получения экономического преимущества и роста".
