Carnegie Mellon révolutionne l'analyse sportive :des informations pionnières basées sur les données pour un avantage concurrentiel

Andrew Corselli (Image :StockSnap via Pixabay)

Les analystes sportifs d’aujourd’hui ont accès à des données plus nombreuses et de meilleure qualité que jamais. Les experts de l'Université Carnegie Mellon transforment ces données en informations, en utilisant les statistiques et la science des données pour aider les équipes professionnelles à acquérir un avantage concurrentiel.

"Tous les dixièmes de seconde, les puces de données Next Gen de la NFL fournissent des informations sur la position de chaque joueur sur le terrain :la direction dans laquelle il se déplace, la vitesse à laquelle il se déplace", a déclaré Ron Yurko, professeur adjoint au département de statistiques et de science des données de la CMU et directeur du Carnegie Mellon Sports Analytics Center.

Le suivi des joueurs sur le terrain s'étend au-delà de la NFL.

Ron Yurko (Image :CMU)

"La MLB dispose d'informations sur chaque swing de la Ligue majeure de baseball", a déclaré Yurko, qui est également partenaire académique de la NFL. "Au baseball et au basket-ball, ils disposent de ce qu'on appelle des "données squelettiques de pose", où nous savons à chaque fraction de seconde où se trouvent le coude, l'épaule, la rotule et dans un espace tridimensionnel."

Bien sûr, la question à laquelle tout le monde veut répondre – des propriétaires d’équipes, managers et entraîneurs aux analystes, parieurs et fans – est de savoir quoi faire avec toutes ces données. Poursuivez votre lecture pour découvrir des Tech Briefs exclusifs. entretien, édité pour plus de longueur et de clarté, avec Yurko, qui sait exactement quoi faire avec les données.

Notes techniques :Quel type de technologie utilisez-vous pour collecter ces données ? Et pouvez-vous s'il vous plaît expliquer en termes simples comment tout cela fonctionne ?

Yurko :Nous ne collectons pas personnellement les données chez Carnegie Mellon; ces données proviennent de la NFL.

La NFL a des puces dans les épaulettes de chaque joueur sur le terrain. Ceux-ci reprennent leur position sur le terrain tous les dixièmes de seconde; à quelle vitesse ils se déplacent ; la direction dans laquelle ils se déplacent et changent ; comment ils accélèrent au cours de la pièce. Ensuite, en tant que chercheurs, nous aurons accès à ces données – que ce soit grâce à des collaborations avec la NFL ou à la publication des données qu'elle fournit – et nous y travaillerons. Quelles nouvelles perspectives pouvons-nous en tirer ? Et nos étudiants travailleront sur ces projets, ils participeront au concours annuel Big Data Bowl de la NFL, et cela mènera ensuite à des opportunités d'emploi.

Et au niveau universitaire, ce qui se passe, c'est qu'ils n'ont pas les puces dans les épaulettes des joueurs de football universitaire, mais vous avez une quantité incroyable de vidéos. Et grâce à la technologie d’IA de vision par ordinateur, nous pouvons convertir cette vidéo en un type de données très similaire à celui des puces de la NFL. Ce avec quoi les équipes de la NFL travaillent actuellement, c'est le même type de données de suivi riches dans tout le football universitaire ; ils utilisent cela pour déterminer quels sont les joueurs qu'ils devraient recruter.

Notes techniques :Pouvez-vous parler de certaines des puces qu'ils utilisent ?

Yurko :À la NFL, ce sont des puces RFID – des signaux infrarouges qui sont captés dans les stades de la NFL. Ce sont les systèmes de positionnement local qui fournissent des données extrêmement riches dont dispose la NFL. Au-delà de cela, la NFL a désormais rejoint la Major League Baseball et la NBA, où elles disposent de systèmes de caméras complets autour du stade. Et la NFL l’année dernière, ils ont utilisé ce système de caméra, je pense que c’est Hawkeye, pour capter où se trouve le ballon afin de marquer le premier essai – le ballon traverse-t-il la première ligne d’essai – plutôt que de s’occuper des chaînes à l’ancienne. Maintenant, cela peut être automatisé grâce à la façon dont ils pourraient récupérer le football.

Grâce à cette même technologie, la NFL a désormais accès à l'endroit où se trouvent littéralement les mains, les coudes et les genoux des athlètes – une représentation squelettique complète des joueurs de football sur le terrain en fractions de seconde. Cette technologie existe désormais et est utilisée dans la NFL. Il est utilisé par les équipes de la Ligue majeure de baseball et de la NBA depuis plusieurs années maintenant, mais nous le constatons désormais dans d'autres sports.

Notes techniques :Selon vous, quelle ligue possède la technologie la plus avancée ?

Yurko :Je dirais, à ce stade, la Major League Baseball. Il s'agit probablement de l'utilisation la plus avancée de la technologie et des statistiques – « Moneyball » étant la célèbre histoire du début des années 2000 sur l'utilisation des données par l'Oakland A.

Ainsi, les équipes de la Ligue majeure de baseball ont certainement été les premières à réfléchir à la manière dont nous intégrons la technologie et utilisons la modélisation statistique et l'apprentissage automatique pour comprendre comment évaluer les joueurs. Vous le voyez non seulement par les équipes mais aussi par les joueurs eux-mêmes.

Les joueurs se rendront dans ces laboratoires de lanceurs :ils utilisent des caméras à haute vitesse pour comprendre ce qui se passe lorsqu'ils modifient la prise de la balle; comment cela change les forces, la trajectoire de vol et le mouvement ; concevoir de nouveaux emplacements. Et ils utilisent littéralement toute cette technologie et ces données eux-mêmes pour devenir de meilleurs joueurs. Ainsi, le baseball est en avance par rapport aux autres sports.

Dans la NFL, lorsque ce suivi des données des puces a commencé en 2017, cela a conduit à une petite course aux armements, où les équipes de la NFL ont commencé à embaucher des data scientists, des ingénieurs en apprentissage automatique, pour vraiment comprendre comment travailler avec toutes ces informations.

Notes techniques :Vous êtes cité dans cet article que j'ai lu comme disant :" Littéralement tous les dixièmes de seconde, les puces Next Gen Data de la NFL fournissent des informations sur la position, la vitesse et la direction de chaque joueur. La question est maintenant de savoir quoi faire avec toutes ces données. " Eh bien, ma question est :quelle est la réponse ? Que faites-vous de toutes ces données ? Quelles sont vos prochaines étapes ? Où vas-tu à partir d'ici ?

Yurko :C'est une bonne question. Ce sur quoi nous avons travaillé en tant que chercheurs, et ce que nous savons être utilisé par les équipes de la NFL, c'est comment caractériser le mouvement que nous observons et comprendre ce qu'est un type de mouvement de grande valeur, un positionnement de grande valeur – par exemple, quels défenseurs jouent la meilleure couverture contre les receveurs lorsqu'ils parcourent des itinéraires. Il s’agissait d’un type de statistiques auquel nous n’avions pas accès auparavant dans les scores traditionnels. Si vous aviez un défenseur couvrant un receveur, et s'il était ce défenseur incroyable qu'un quarterback n'a jamais tenté de lui lancer, il n'aurait jamais d'interception, il n'obtiendrait jamais de plaquage, il n'aurait jamais de statistiques de comptage.

Transcription

00:00:02 Si vous considérez le football comme un dîner, un recrutement, un entraînement, c'est le steak. Pour moi, l'analyse sportive, c'est de la purée de pommes de terre. C'est la sauce. C'est quelque chose qui peut faire d'un bon repas un bon repas. Ils font du repérage à la moissonneuse-batteuse depuis 40 ans. Jusqu’où pouvez-vous sauter ? Quelle est votre taille ? Quelle est la nouvelle chose que nous pouvons découvrir ? Quand pensons-nous que cette personne sera recrutée ? Les analyses sont derrière pratiquement tous les aspects du jeu. CMSAC est le centre d'analyse sportive CarnegieMellon,

00:00:28 qui est notre centre de recherche et d'éducation et les différents événements que nous organisons à l'Université Carnegie Mellon. Nos étudiants sont devenus vraiment le type d’individus recherchés par les équipes et les ligues sportives professionnelles. Nous avons désormais accès aux fractions de seconde où se trouve chaque joueur sur le terrain de football grâce aux puces qui se trouvent dans ses épaulettes. Nous savons donc littéralement chaque dixième de seconde à quelle vitesse ils se déplacent, dans quelle direction ils se déplacent et quelle est l'orientation de leurs épaules. Donc, ce sur quoi nous nous sommes concentrés en tant que groupe, c'est l'élaboration d'une méthodologie statistique,

00:01:02 méthodes d'apprentissage automatique, outils d'IA qui peuvent conduire à des informations exploitables. Compte tenu de cet ensemble de données, pouvons-nous être suffisamment créatifs dans notre analyse afin de pouvoir identifier des informations utiles pour créer des avantages concurrentiels pour une équipe ? Au cours d'un jeu, nous pouvons littéralement prédire où ils vont se retrouver sur le terrain, combien de mètres ils vont gagner. Quelle est la probabilité qu'ils obtiennent un touché. Droite. Tout cela nécessite une méthodologie assez sophistiquée. Le sport compte tellement pour tant de gens. Les données constituent simplement un autre moyen de se connecter au sport.

00:01:35 Être capable de prendre des données non structurées, de s'y plonger et de raconter une histoire est extrêmement gratifiant. C'est incroyable de voir des étudiants de la CMU transformer leurs passions en carrières qui, vous le savez, contribuent à façonner l'avenir du football professionnel. Si vous considérez le football comme un dîner, un recrutement, un entraînement, c'est le steak. Pour moi, l'analyse sportive, c'est de la purée de pommes de terre. C'est la sauce. C'est quelque chose qui peut faire d'un bon repas un bon repas. Ils font du repérage à la moissonneuse-batteuse depuis 40 ans. Jusqu’où pouvez-vous sauter ?

01:00:19 Quelle est votre taille ? Quelle est la nouvelle chose que nous pouvons découvrir ? Quand pensons-nous que cette personne sera recrutée ? Les analyses sont derrière pratiquement tous les aspects du jeu. CMSAC est le CarnegieMellon Sports Analytics Center, qui est notre centre de recherche et d'éducation et les différents événements que nous organisons à l'Université Carnegie Mellon. Nos étudiants sont devenus vraiment le type d’individus recherchés par les équipes et les ligues sportives professionnelles. Nous avons désormais accès aux fractions de seconde où se trouve chaque joueur

01:00:51 sur le terrain de football à cause d'éclats dans leurs épaulettes. Nous savons donc littéralement chaque dixième de seconde à quelle vitesse ils se déplacent, dans quelle direction ils se déplacent et quelle est l'orientation de leurs épaules. Ce sur quoi nous nous sommes concentrés en tant que groupe est de développer une méthodologie statistique, des méthodes d'apprentissage automatique et des outils d'IA qui peuvent conduire à des informations exploitables. Compte tenu de cet ensemble de données, pouvons-nous être suffisamment créatifs dans notre analyse afin de pouvoir identifier des informations utiles pour créer des avantages concurrentiels pour une équipe ? Au cours d'un jeu, nous pouvons littéralement prédire où ils vont se retrouver sur le terrain, combien de mètres ils vont gagner.

01:01:25 Quelle est la probabilité qu'ils obtiennent un touché. Droite. Tout cela nécessite une méthodologie assez sophistiquée. Le sport compte tellement pour tant de gens. Les données constituent simplement un autre moyen de se connecter au sport. Être capable de prendre des données non structurées, de s'y plonger et de raconter une histoire est extrêmement gratifiant. C'est incroyable de voir des étudiants de la CMU transformer leurs passions en carrières qui, vous savez, contribuent à façonner l'avenir du football professionnel.