Carnegie Mellon Merevolusi Analisis Olahraga:Memelopori Wawasan Berbasis Data untuk Keunggulan Kompetitif

Andrew Corselli

(Gambar:StockSnap melalui Pixabay)

Analis olahraga saat ini memiliki akses ke lebih banyak – dan lebih baik – data dibandingkan sebelumnya. Pakar Universitas Carnegie Mellon mengubah data tersebut menjadi wawasan, menggunakan statistik dan ilmu data untuk membantu tim profesional mendapatkan keunggulan kompetitif.

“Setiap sepersepuluh detik, chip data NFL Next Gen memberikan informasi tentang posisi setiap pemain di lapangan — arah mereka bergerak, kecepatan mereka bergerak,” kata Ron Yurko, Asisten Profesor Pengajar di Departemen Statistik &Ilmu Data CMU dan Direktur Pusat Analisis Olahraga Carnegie Mellon.

Melacak pemain di lapangan tidak hanya mencakup NFL.

Ron Yurko (Gambar:CMU)

“MLB memiliki informasi tentang setiap ayunan di Major League Baseball,” kata Yurko, yang juga merupakan mitra akademis NFL. “Dalam bisbol dan bola basket, mereka memiliki apa yang disebut 'data kerangka pose', yang setiap sepersekian detik kita mengetahui di mana letak siku, bahu, tempurung lutut, dan dalam ruang tiga dimensi.”

Tentu saja, pertanyaan yang ingin dijawab semua orang – mulai dari pemilik tim, manajer, dan pelatih hingga analis, petaruh, dan penggemar – adalah apa yang harus dilakukan dengan semua data tersebut. Baca terus untuk mengetahui Ringkasan Teknologi eksklusif wawancara, diedit agar panjang dan jelas, dengan Yurko, yang tahu persis apa yang harus dilakukan dengan datanya.

Ringkasan Teknologi :Teknologi apa yang Anda gunakan untuk mengumpulkan data ini? Dan bisakah Anda menjelaskan secara sederhana cara kerjanya?

Yurko :Kami tidak mengumpulkan data secara pribadi di Carnegie Mellon; data itu berasal dari NFL.

NFL memiliki chip di bantalan bahu setiap pemain di lapangan. Mereka mengambil posisi mereka di lapangan setiap sepersepuluh detik; seberapa cepat mereka bergerak; arah pergerakan dan perubahannya; bagaimana mereka berakselerasi selama permainan. Kemudian, sebagai peneliti, kami akan mendapatkan akses ke data tersebut — baik melalui kolaborasi dengan NFL atau rilis data yang mereka berikan — dan kami akan mengerjakannya. Wawasan baru apa yang dapat kita peroleh dari hal ini? Dan siswa kami, mereka akan mengerjakan proyek ini, mereka akan mengikuti kompetisi tahunan Big Data Bowl NFL, dan hal ini kemudian membuka peluang kerja.

Dan di tingkat perguruan tinggi, apa yang terjadi adalah mereka tidak memiliki kemampuan seperti pemain sepak bola perguruan tinggi, tetapi Anda memiliki jumlah video yang luar biasa. Dan dengan menggunakan teknologi AI visi komputer, kami dapat mengonversi video tersebut menjadi jenis data yang sangat mirip dengan yang berasal dari chip di NFL. Apa yang dikerjakan tim NFL saat ini adalah jenis data pelacakan kaya yang sama di seluruh sepak bola perguruan tinggi; mereka menggunakannya untuk mencari tahu siapa pemain yang harus mereka draft.

Ringkasan Teknologi :Bisakah Anda menjelaskan tentang beberapa chip yang mereka gunakan?

Yurko :Di NFL, ini adalah chip RFID — sinyal inframerah yang ditangkap di dalam stadion NFL. Sistem penentuan posisi lokallah yang benar-benar memberikan data yang sangat kaya yang dimiliki NFL. Selain itu, kini NFL telah bergabung dengan Major League Baseball dan NBA, di mana mereka memiliki sistem kamera lengkap di sekitar stadion. Dan NFL dalam setahun terakhir ini, mereka menggunakan sistem kamera ini, menurut saya Hawkeye, untuk mengambil posisi bola untuk menandai pukulan pertama — apakah bola melewati garis bawah pertama — daripada berurusan dengan rantai kuno. Kini hal itu dapat diotomatisasi karena cara mereka dapat menguasai sepak bola.

Dari teknologi yang sama, NFL kini memiliki akses ke bagian tangan, siku, dan lutut para atlet — representasi kerangka penuh pemain sepak bola di lapangan dalam hitungan sepersekian detik. Teknologi itu sekarang ada dan digunakan di NFL. Ini telah digunakan oleh tim Major League Baseball dan tim NBA selama beberapa tahun, namun kini kami melihatnya juga diterapkan di olahraga lain.

Ringkasan Teknologi :Menurut Anda, liga mana yang memiliki teknologi paling canggih?

Yurko :Menurut saya, pada titik ini, Major League Baseball. Ini mungkin merupakan penggunaan teknologi dan statistik yang paling canggih — “Moneyball” adalah kisah terkenal di awal tahun 2000-an tentang penggunaan data di Oakland A.

Jadi, tim Major League Baseball jelas merupakan yang paling awal mengadopsi pemikiran tentang bagaimana kita mengintegrasikan teknologi dan menggunakan pemodelan statistik, pembelajaran mesin, untuk memahami cara mengevaluasi pemain. Anda melihatnya tidak hanya dari tim tetapi juga pemain itu sendiri.

Pemain akan pergi ke laboratorium pelemparan ini — mereka menggunakan kamera berkecepatan tinggi, memahami apa yang terjadi ketika mereka memodifikasi cengkeraman bola; bagaimana hal itu mengubah kekuatan dan jalur penerbangan serta pergerakan; merancang promosi baru. Dan mereka benar-benar menggunakan semua teknologi dan data ini untuk menjadi pemain yang lebih baik. Jadi, bisbol lebih unggul dibandingkan olahraga lainnya.

Di NFL, ketika pelacakan data dari chip ini dimulai pada tahun 2017, hal ini menyebabkan sedikit perlombaan senjata, di mana kini tim NFL mulai mempekerjakan ilmuwan data, insinyur pembelajaran mesin, untuk benar-benar mencari tahu bagaimana Anda bekerja dengan semua informasi tersebut.

Ringkasan Teknologi :Anda dikutip dalam artikel yang saya baca yang mengatakan, "Secara harfiah setiap sepersepuluh detik, chip Data Generasi Berikutnya NFL memberikan informasi tentang posisi, kecepatan, dan arah setiap pemain. Pertanyaannya sekarang adalah apa yang harus dilakukan dengan semua data itu." Nah, pertanyaan saya adalah:Apa jawabannya? Apa yang Anda lakukan dengan semua data itu? Apa langkah Anda selanjutnya? Ke mana Anda pergi setelah ini?

Yurko :Itu pertanyaan yang bagus. Apa yang telah kami kerjakan sebagai peneliti, dan apa yang kami tahu sedang digunakan oleh tim NFL, adalah bagaimana kami mengkarakterisasi pergerakan yang kami amati dan memahami jenis pergerakan bernilai tinggi, penentuan posisi bernilai tinggi — misalnya, pembela HAM mana yang memberikan jangkauan terbaik terhadap penerima saat mereka menjalankan rute. Ini adalah jenis statistik yang sebelumnya tidak dapat kami akses dalam kotak skor tradisional. Jika Anda memiliki pemain bertahan yang melindungi penerima, dan jika mereka adalah pemain bertahan luar biasa yang tidak pernah dilempar oleh quarterback, mereka tidak akan pernah mendapatkan intersepsi, mereka tidak akan pernah mendapatkan tekel, mereka tidak akan pernah memiliki statistik penghitungan.

Transkrip

00:00:02 Jika Anda menganggap sepak bola seperti makan malam, kepanduan, pelatihan, itulah steaknya. Analisis olahraga adalah kentang tumbuk. Itu kuahnya. Itu adalah sesuatu yang bisa membuat makanan enak menjadi makanan enak. Mereka telah melakukan pencarian di pabrik tersebut selama 40 tahun terakhir. Seberapa jauh Anda bisa melompat? Berapa tinggi badanmu? Hal baru apa yang dapat kami temukan? Kapan kita memperkirakan orang ini akan direkrut? Analitik berada di balik hampir semua aspek permainan. CMSAC adalah Pusat Analisis Olahraga CarnegieMellon,

00:00:28 yang merupakan pusat penelitian dan pendidikan serta berbagai acara yang kami adakan di Carnegie Mellon University. Siswa kami telah menjadi sangat menyukai standar tipe individu yang dicari oleh tim dan liga olahraga profesional. Kami sekarang memiliki akses ke sepersekian detik di mana setiap pemain berada di lapangan sepak bola karena chip yang ada di bantalan bahu mereka. Jadi setiap 10 detik kita mengetahui seberapa cepat mereka bergerak, ke arah mana mereka bergerak, dan apa orientasi bahu mereka. Jadi yang kami fokuskan sebagai kelompok adalah membangun metodologi statistik,

00:01:02 metode pembelajaran mesin, alat AI yang dapat menghasilkan wawasan yang dapat ditindaklanjuti. Dengan adanya kumpulan data ini, dapatkah kita cukup kreatif dalam melakukan analisis sehingga kita dapat mengidentifikasi wawasan yang berguna untuk menciptakan keunggulan kompetitif bagi sebuah tim? Dalam sebuah permainan, kita benar-benar dapat memprediksi di mana mereka akan berakhir di lapangan, berapa yard yang akan mereka peroleh. Berapa kemungkinan mereka akan mendarat. Benar. Itu semua memerlukan metodologi yang cukup canggih. Olahraga sangat berarti bagi banyak orang. Data memberikan cara lain untuk terhubung dengan olahraga.

00:01:35 Mampu mengambil data tidak terstruktur dan mendalaminya serta menceritakan sebuah kisah adalah hal yang sangat bermanfaat. Sungguh menakjubkan melihat mahasiswa CMU mengubah minat mereka menjadi karier yang, Anda tahu, membantu membentuk masa depan sepak bola profesional. Jika Anda menganggap sepak bola seperti makan malam, kepanduan, pembinaan, itulah steaknya. Analisis olahraga adalah kentang tumbuk. Itu kuahnya. Itu adalah sesuatu yang bisa membuat makanan enak menjadi makanan enak. Mereka telah melakukan pencarian di pabrik tersebut selama 40 tahun terakhir. Seberapa jauh Anda bisa melompat?

01:00:19 Berapa tinggi badan Anda? Hal baru apa yang bisa kami temukan? Kapan kita memperkirakan orang ini akan direkrut? Analitik berada di balik hampir semua aspek permainan. CMSAC adalah Pusat Analisis Olahraga CarnegieMellon, yang merupakan pusat penelitian dan pendidikan serta berbagai acara yang kami adakan di Universitas Carnegie Mellon. Siswa kami telah menjadi sangat menyukai standar tipe individu yang dicari oleh tim dan liga olahraga profesional. Kami sekarang memiliki akses ke sepersekian detik di mana setiap pemain berada

01:00:51 di lapangan sepak bola karena keripikyang ada di bantalan bahu mereka. Jadi setiap 10 detik kita mengetahui seberapa cepat mereka bergerak, ke arah mana mereka bergerak, dan apa orientasi bahu mereka. Jadi yang kami fokuskan sebagai kelompok adalah membangun metodologi statistik, metode pembelajaran mesin, alat AI yang dapat menghasilkan wawasan yang dapat ditindaklanjuti. Dengan adanya kumpulan data ini, dapatkah kita cukup kreatif dalam melakukan analisis sehingga kita dapat mengidentifikasi wawasan yang berguna untuk menciptakan keunggulan kompetitif bagi sebuah tim? Dalam sebuah permainan, kita benar-benar dapat memprediksi di mana mereka akan berakhir di lapangan, berapa yard dan apa yang akan mereka peroleh.

01:01:25 Berapa kemungkinan mereka akan mendarat. Benar. Itu semua memerlukan metodologi yang cukup canggih. Olahraga sangat berarti bagi banyak orang. Data memberikan cara lain untuk terhubung dengan olahraga. Mampu mengambil data tidak terstruktur dan menyelaminya serta menceritakan sebuah kisah sangatlah bermanfaat. Sungguh menakjubkan melihat mahasiswa CMU mengubah minat mereka menjadi karier yang, Anda tahu, membantu membentuk masa depan sepak bola profesional.