スポーツ競技は近年大きく変化しており、まだまだ進化の余地があります。 .Grand View Research によると、スポーツ分析市場は 2020 年に 9 億 2,000 万ユーロ以上の規模となり、2025 年までに 33 億 8,000 万ユーロに増加すると推定されています。、『エル・パイス』によると。これらの計算では、スポーツにおけるビッグデータが、何よりもライバルから情報を入手し、具体的な戦略をまとめ、才能を引き付けるために使用されることが考慮されています。
これらは中期的な推定値ですが、今日ではスポーツのパフォーマンスとその治療に関するデータの収集が重要になっています。 「ビッグデータと高度な分析は、 スポーツの世界に革命を起こす そして、ビッグデータを扱うデータアナリストのプロフィールは、常に改善と競争上の優位性を模索する多くのスポーツ団体にとって不可欠なものになりつつあります。」.
しかし...この革命は一体何なのでしょうか？サッカーにおけるビッグデータの導入は、選手の能力を高め、パフォーマンスを向上させるのに役立ち、技術スタッフにラインナップを予測し、適切な決定を下す機会を提供します。さらに、その適用により、これまでにない徹底した評価が可能となり、怪我の予防にもつながるなど、情報管理にも影響を与えていることは否定できません。
このように、ビッグデータとデータ分析の応用により、より完全なスポーツ管理モデルを得ることができます。サッカーチームでの優れたパフォーマンスだけでなく。このため、将来のサッカー研究では、複雑なデータセットを理解するために、主にパフォーマンスアナリスト、運動科学者、生体力学専門家を含むコーチングスタッフによる、より包括的な学際的なアプローチの採用が余儀なくされています。したがって、データ アナリストとスポーツ アナリストの間の今後のコラボレーションが、これらのアプローチをより効率的に適用するための鍵となります。そして、より発展したデータ分析技術への依存がますます高まることで、将来のスポーツ科学者にとって新たな課題が生じています。
それで、それは何をするのですか ビッグデータ サッカーで？大量のデータまたは情報の蓄積、およびそのデータの分析プロセスで反復パターンを見つけるために使用される手順。その中で サッカー この用語は、情報通信技術 (ICT) の分野に含まれます。
ビッグデータとは、私たちが行うすべての行為が、意思決定のために収集、変換、分析できるデジタル痕跡を残す (または残さない) という事実です。
なぜサッカーでビッグデータを使用するのでしょうか?
自分自身とライバルを知る
スポーツにおけるビッグデータの始まり以来、重要な側面の 1 つは次のとおりです。 .データドリブンな戦略を作成する。 「一般に競争環境として知られる、基本的に自チームとライバルチームの分析に関連した複数のオプションが提示されます。この意味で、ゲームモデル、システム、スペースの占有、そしてもちろんチームと選手の特徴を客観的に記述するのに役立つ、複数の指標が使用され、いくつかはより個人化され、他のものはより個別化されていません」と、CEOのデビッド・R・サエスは述べています。 .スポーツデータキャンパス。
Sports Data Campus の CEO は、ビデオ分析への関心がますます高まっていることを強調しました。ビデオ画像の表示に基づいて結論を導き出すレポートが数多くあります。新しい画像解析技術により、これらの文書からさらに多くの情報を取得できるようになりました。
サッカーアナリストのダニエル・ペレス氏は、通常分析が容易な個々のスポーツに焦点を当てています。 「たとえば、自転車競技では、個人のパフォーマンスをライブで測定するためにビッグデータが広く使用されています。このようにして、自転車選手が特定のパフォーマンスを達成するために常に必要な努力を予測することができます。自転車競技のパフォーマンスは、サッカーよりもある意味で単純です。そのため、今日ではより効果的です。」.
選手の怪我を避ける
アスリートやスポーツ選手のケアも、データ分析の重要な用途です。 「スポーツ選手としてのキャリアを延ばすだけでなく、怪我のリスクを最小限に抑えるためにも使われます」とサエス氏はこの場合サッカーに言及しながら説明する。
ここでの情報は非常に多様な情報源から得られており、アスリートの健康に影響を与えます。 「スポーツ、生体認証、物理的、遺伝的、化学的データがまとめられます。そして、それらはすべて、怪我、特に筋肉の過負荷によって引き起こされる怪我を防ぐことを目的として、個人に合わせた負荷管理を備えたトレーニング モデルを設計するために使用されます。」.
人材の獲得
サッカーでも他のスポーツでも、サインにおける高度な分析の役割は際立っています。この美しいスポーツにおいては、現在、人材の採用が主な用途となっています。
サッカーでは、特定の特性を備えた選手がチーム内でうまく機能した、つまりフィールド上で他の 10 人の選手と交流したという状況で活躍した選手がいる場合がありますが、そのライバルも個別に分析するに値する役割を果たしていると指摘せずにはいられません。ビッグデータは、適切な変数を使用して、どんな場面でも適切なプレーヤーを見つけるのに役立ちます。
ゲームとプレーヤーのパフォーマンスに関する情報を収集した後、それを処理する必要があります。これは、何がどの程度重要かを定義するため、もう 1 つの重要な部分です。同時に、このフェーズでは、最終結果においてそれほど基本的ではない要素の重みが緩和されます。
データのクリーニングと処理は通常、R や Python などのプログラミング言語を通じて行われます。 PySpark は、分析モデル、予測モデル、または人工知能モデルの設計に重点を置いた、機械学習モデルとアルゴリズムの設計または使用で際立っています。
画面
処理が実行されると、結果を扱うユーザーに応じて、結果が何らかの方法で表示されます。ダッシュボードのデザインやレポートのプレゼンテーションに関しては、複数のツールがあります。 「視覚化」として知られる部分は、プロセスを効率化するための鍵となります。
多くの場合、この視覚化はコーチ、スポーツ ディレクター、理学療法士などの人々を対象としています。一言で言えば、競技やアスリートの特定の側面について決定を下さなければならない人々です。ただし、特化したデータプロファイルではないため、情報は見やすい方法で送信する必要があります。
情報に基づいた意思決定
ここからが、プロセス全体から導き出される結論になります。それらは意思決定の要素となり、その関連性はますます高まっています。コーチ、スカウト、スポーツディレクターは意思決定プロセスでビッグデータツールを使用することが増えていますが、データアナリストはこれらのスポーツ専門家から切り離されてはいません。スポーツ環境で働くデータサイエンティストは、ゲームの概念を明確に理解していることが不可欠です。なぜなら、生成段階からの分析の方がはるかに価値があるからです。
結局のところ、ビッグデータはスポーツ専門家の知識を補完するために使用されることを覚えておく必要があります。その使用は増加していますが、異なる分野間では依然として不均一です。個人スポーツとチームスポーツは区別する必要があります。個人スポーツでは分析する変数が少なく、環境がよりコントロールされているためです。チームスポーツでは可能性が倍増します。重要かつ複雑なのは相互作用です。したがって、分析はさらに困難になります。
この投稿の第 2 部では、その適用方法についてすべて説明しますので、お楽しみに!
そして、ビッグデータが自分の専念したいものであることをすでに明確にしているのであれば、私たちの取り組みを実行するために何を待っているのでしょうか？ スポーツビッグデータのマスター。
