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9億2000万ユーロ以上移動し、2025年までに33億8000万ユーロに達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、とりわけスポーツのビッグデータを使用して、ライバルに関するインテリジェンスを取得し、特定の戦略をまとめ、才能を引き付けることが考慮されています。
これらは中期的な見積もりですが、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 ビッグデータを使用するデータアナリストのプロファイルは、多くのスポーツエンティティで不可欠になりつつあり、常に改善と競争上の優位性を求めています。」.
しかし…この革命は何についてですか？サッカーにビッグデータを導入することで、プレーヤーの能力を高め、パフォーマンスを向上させ、技術スタッフに彼らのラインナップに関する予測と関連する決定を行う機会を提供します。さらに、そのアプリケーションが情報管理に影響を与えたことは否定できません。これにより、チームはこれまでにない徹底的な評価を実行できるようになり、怪我の防止にも役立ちます。
このように、ビッグデータとデータ分析の適用により、より完全なスポーツ管理モデルを取得できます。サッカーチームでの優れたパフォーマンスと同様に。これにより、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、バイオメカニスト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を採用する必要があります。したがって、データアナリストとスポーツの間の将来のコラボレーションは、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、より高度なデータ分析技術への依存の高まりは、将来のスポーツ科学者に新たな課題をもたらします。
それで彼は何を指しているのでしょうか？ 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、および当該データを分析する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。で フットボール この用語は、情報通信技術（ICT）の分野に含まれています。
ビッグデータとは、私たちが行うすべてのことが、意思決定のために収集、変換、分析できるデジタル証跡を残す（または残さない）という事実です。
サッカーでビッグデータを使用する理由
お互いを知り、ライバルを知る
スポーツのビッグデータが始まって以来重要だった側面の1つは データ主導の戦略の作成。 「複数のオプションは、基本的に、競争環境として一般に知られている、自身のチームとライバルの分析に関連して提示されます。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、チームとプレーヤーの特性を客観的に説明するのに役立つ複数のメトリックが使用されます」と、のCEOであるDavidR.Sáezは指摘します。 . スポーツデータキャンパス。
Sports Data CampusのCEOは、ビデオ分析がますます関心を集めていることを強調しています。結論を出すためにビデオ画像の表示に依存している多くの報告があります。新しい画像分析技術により、これらのドキュメントからより多くの情報を取得することが可能になります。
サッカーアナリストのダニエルペレスは、通常は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、サイクリングでは、[ビッグデータ]は個人のパフォーマンスをライブで測定するために広く使用されています。このようにして、彼らはサイクリストが特定のパフォーマンスを達成するために各瞬間に行う必要がある努力を予測しようとすることができます。サイクリングのパフォーマンスはサッカーよりもやや簡単です。そのため、今日でははるかに効果的です。」.
プレーヤーの怪我を避ける
スポーツとアスリートのケアは、データ分析のもう1つの重要なアプリケーションです。 「これは、スポーツのキャリアを伸ばすためだけでなく、怪我のリスクを最小限に抑えるためにも使用されます」と、この場合のサッカーについてサエズは言います。
ここでは、情報はアスリートの健康に影響を与える非常に多様な情報源から来ています。 「スポーツ、生体認証、物理的、遺伝的、化学的データが収集されます。そして、それらはすべて、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、パーソナライズされ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。
人材獲得
サッカーでも他のスポーツでも、移籍における高度な分析の役割は際立っています。スポーツの王様では、それは現在主な用途です：才能を引き付けること。
サッカーでは、チームでうまく機能している特定の特性を持つプレーヤーを持つことができます。つまり、ライバルもそれに値する役割を果たしていることを指摘せずに、フィールド上の他の10人のプレーヤーと関係がある状況で使用できます。別の分析。ビッグデータは、適切な変数を使用して、あらゆる機会に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、何がどの程度重要であるかを定義するため、もう1つの重要な部分です。同時に、このフェーズでは、最終結果で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介して行われます。 PySparkは、分析、予測、または人工知能モデルの設計に焦点を当てた、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
治療が行われると、結果を処理するユーザーに応じて、何らかの方法で結果が表示されます。ダッシュボードのデザインやレポートの表示に関しては、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です。
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。要するに、競技会と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。ただし、これらはデータに特化した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。
情報に基づく意思決定
ここから、プロセス全体から導き出された結論が出てきます。それらは意思決定の要因となり、ますます関連性が高まります。コーチ、スカウト、または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することが不可欠です。なぜなら、彼らの分析は、創世記の段階から、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。その使用は増えていますが、それでも異なる分野間で不平等です。個人スポーツでは分析する変数が少なく、環境がはるかに制御されているため、個人スポーツとチームスポーツを区別する必要があります。チームスポーツでは、可能性は倍増します。重要で複雑なのは相互作用です。したがって、分析するのはより困難です。
この投稿の後半では、適用方法についてすべて説明しますので、しばらくお待ちください。
そして、ビッグデータがあなたが自分自身に捧げたいものであることをすでに明確にしているなら、あなたは私たちの実行を待っています スポーツビッグデータのマスター。
