Fotboll är utan tvekan den mest populära sporten i världen. Enligt FIFA.com stämde totalt 3,2 miljarder människor in för att se fotbolls-VM 2014. Men visste du att tekniken spelar en avgörande roll för att göra fotboll till vad den är idag? I själva verket kan modern fotboll betraktas som en självständig IT-sektor på grund av de stora tillämpningarna av ny och äldre teknik i sporten.
Teknik som används i världscupen inkluderar äldre sådana som bildigenkänning och mönsteranalys och new age-tillvägagångssätt som artificiell intelligens och cloud computing. Faktum är att för alla som har nödvändiga färdigheter och brinner för spelet kan ett tekniskt jobb inom fotboll vara en dröm.
I den här bloggen kommer vi att diskutera fem viktiga tekniker som definierar hur fotboll gynnas som vi känner till.
Big Data och Analytics
Det finns mycket data involverade inom sportområdet, särskilt en global turnering som FIFA. Till exempel, för att heltäckande analysera och utforma förutsägbara algoritmer, behöver vi bra 185 datafält - det är bara det minsta för varje spelare.
Inte all data som genereras och används för analyser idag är strukturerad. Data i dag består av ostrukturerade komponenter som videor, bilder, inlägg på sociala medier och mycket mer. Detta kallas big data. Uppenbarligen kan enkla analyser uppnås med hjälp av text- och numerisk data, men när det gäller komplexa algoritmer som teamprestationsanalys, spelarhälsostatistikprognoser etc, är enkla matematiska och traditionella verktyg som Microsoft Excel inte tillräckligt bra. Många analyser i modern fotboll involverar verktyg som Apache Hadoop, Apache Spark och Apache Kafka på grund av dataens karaktär.
Om du är en fotbollsfan kan du veta att Tyskland vann FIFA World Cup 2014 genom att förstöra tävlingen. Men visste du att detta landslag fick sin insikt genom att använda ett komplext system för stor dataanalys? Christened Match Insights lanserades det här verktyget 2012 och utvecklades med den tyska landslagschefen, Oliver Bierhoff, som ledde avgiften. Detta omfattande projekt började ta form när en grupp på cirka 50 studenter vid Deutsche Sporthochschule Koeln började skapa en omfattande databas med statistik över alla spelare som deltog i den kommande turneringen. Och som förväntat var en omfattande samling av dessa data video från åtta olika fältkameror som omger tonhöjden. Tonhöjden, enligt skaparna av verktygen, ses som ett rutnät av databasen. I varje scenario tilldelas varje spelare en unik identifierare. Detta gör att deras rörelser och handlingar kan spåras digitalt, vilket i sin tur gör det möjligt för alla att mäta viktiga prestandaindikatorer, inklusive antal beröringar, rörelsehastigheter och genomsnittlig besittningstid.
Med hjälp av dessa data designade eleverna en algoritm som utformade en slutlig modell. Denna modell blev grunden för det tyska lagets idiotsäkra strategier mot alla deras motståndare.
Om du är intresserad av att lära dig mer fakta om dataanalys, det här är ett bra ställe att börja.
Business Intelligence (BI) och datavisualisering
Detta är ett teknikfält som är uppenbart i nästan alla sporter eftersom det går i framkant av tittarna. Avledda tabeller, diagram, grafer och värmekartor, datavisualisering och affärsinformation är fält som har definierat moderna sporter sedan början av 21stårhundrade. Alla känner till stapeldiagrammen med spelarnas poäng, pajerna som visar lagfördelning och rankningstabellerna. Allt detta är inget annat än en omfattande skildring med hjälp av datainformation.
För att förstå skillnaden i datavisualisering kommer till tabellen, låt oss ta ett enkelt exempel på antalet spelare från varje land som är registrerat per lag på FIFA just nu. Här är data, först i form av en tabell och sedan i form av en världskarta värmekarta.
grundläggande datastrukturer i java
Bara två frågor nu:
- Vilken är mer visuellt tilltalande?
- Vilken av dessa två väcker mer insikter?
Överlägset är svaret på båda frågorna kartorna. Visualisering av data gör det inte bara tilltalande att titta på, utan det gör det också lättare att förstå och få insikter från. När det gäller datavisualisering i FIFA används verktyg som IBM Cognos, Tableau och QlikView mestadels.
Internet of Things (IoT)
I de två föregående avsnitten diskuterade vi analys och rapportering av data. Låt oss nu titta på hur dessa uppgifter kan samlas in.
Det mesta av den aktuella datainsamlingen görs med traditionella metoder som XY-plan eller rutnätanalys på fältet för spelar- och bollokalisering, externa spårningsenheter för att upptäcka rörelse och hastighet etc. Men med smarta bärbara datorer och IoT tar världen med storm, det har gjorts mycket forskning och utveckling kring tillämpningar av dessa tekniker inom sport.
För att förstå detta bättre, låt oss ta exemplet med det tyska fotbollslagets Match Insights-verktyg som vi diskuterade tidigare. All data som samlats in för den slutliga modellen härleddes externt. I själva verket, som diskuterat, krävde analysen av spelarens position och rörelse laget att arbeta med en uppsättning komplexa koder. Detta program analyserade sedan videoflöden från åtta olika kameror och kom fram till ett resultat. Ärligt talat, det är en ganska hektisk och tidskrävande uppgift.
Att förenkla detta är lika enkelt som att slå på en smart tracker på varje spelares arm. I själva verket kan dessa smarta spårare inte bara användas för att härleda spelarens plats, de kan också användas för att spela in annan statistik som körd sträcka, rörelsehastighet, hjärtfrekvens och mycket mer. Baserat på samma idé har bollspårning, linjespårning och andra nyåldersinnovationer inom fotboll introducerats.
Bildkälla: IBM
IoT är ett så stort område att IBM har ett dedikerat team som arbetar med ett omfattande projekt med kognitiv IoT, som de kallar det. Teamet har tagit fram flera hårdvaru- och mjukvarulösningar byggda över IBMs berömda artificiella intelligens, IBM Watson.
Molntjänster
- Datainsamling - Kontrollera
- Dataanalys - Kontroll
- Datarapportering - Kontrollera
Vi har täckt tre av de viktigaste datarelaterade aktiviteterna som finns, men det finns en annan viktig pelare - Datalagring.
Om det var 2003 fanns det bara några alternativ för detta - lokala maskiner eller fjärrinstanser. Men som vi redan vet är mängden data som samlas in för varje enskilt spel idag alldeles för hög för att en liten dator ska hantera. Dessutom är det inte enkel strukturerad data. Den bästa lösningen för att lagra denna typ av data i molnet. Moln är inte bara ett enkelt att installera, det är också ekonomiskt när det gäller lagring av stora bitar av ostrukturerad data.
Cloud computing möjliggör fjärrlagring av data. Dessutom erbjuder de flesta av dagens molnlösningar integrerade verktyg som också kan hjälpa till med analys och rapportering. En annan stor fördel med att använda ett molnsystem istället för en lokal maskin är de säkerhets- och sekretessfrågor som molnbaserad dator adresserar. De flesta molninstanser är krypterade med privata nycklar vilket gör det svårt att hacka eller få obehörig åtkomst till dem. Och eftersom lagringen kan vara elastisk kommer det aldrig att finnas något behov av att ta bort gamla data för att göra plats för nyare. Detta kommer att säkerställa hög kvalitet och större värde i historiska analyser. Slutligen kan data som lagras i molnet nås från vilken enhet och vilken plats som helst. Denna flexibilitet gör också cloud computing till ett perfekt val för lagring av sportdata.
Populära molnlösningar som används idag inkluderar Amazon Web Services, Microsoft Azure, IBM Bluemix och Google Cloud Platform.
Artificiell intelligens (AI) och maskininlärning (ML)
När det gäller trendteknik är det väldigt få som kan ge artificiell intelligens och maskininlärning en löpning för sina pengar. Med mängden genererad data är det inte så svårt att utforma maskinintelligens som bokstavligen kan förutsäga framtiden. För några år sedan var FIFA-hypen kring bläckfisken Paul som kunde förutsäga vinnarna i varje match. Visst, den organiska varelsen hade en framgångsgrad på strax över 85 procent, men vi flyttar in i en digital värld nu och spådom är inte riktigt en del av det.
För att kompensera förlusten av denna extraordinära varelse arbetade en grupp Google-dataanalytiker på ett maskininlärningssystem som hämtade historiska insikter från en generations värt fotbollsmatcher och förutspådde resultatet av varje match i FIFA World Cup 2014. Systemet kunde framgångsrikt förutsäga 14 av 16 matchningar det användes i, vilket gjorde det nästan tre procent effektivare än den tidigare använda havsdjuret. Dessutom, enligt dess skapare, inträffade de två missningarna på grund av fel och inkonsekvenser i data.
För att vara helt ärlig förutsäger en artificiell intelligens eller maskininlärningsalgoritm inte riktigt en vinnare, den staplar bara fördelarna i ordning, vilket ger oss en sannolikhet för att varje lag vinner matchen.
Med en enkel men elegant maskininlärningsalgoritm kan vi nå följande resultat för årets FIFA World Cup: * Spoiler varning *
vad är en javascript-metod
Algoritmkälla: Kaggle
P.S: Ju lägre antal desto bättre är oddsen för det laget.
Artificiell intelligens och maskininlärning kan inte bara användas för den här typen av analyser, de kan också användas för att förbättra spelarprestanda, automatisera dagligt drivna business intelligence-lösningar och mycket mer.
Fotbolls-VM 2018 är här! Så mycket som vi alla älskar sporten, hoppas vi att vi lär oss mer om teknologierna som ligger bakom att göra sporten till vad den är.
Det här är de fem populära teknikerna i FIFA som förändrar spelet som vi känner det. Var och en av dem erbjuder sina rättvisa fördelar som gör sporten bättre än den var tidigare - både för spelare och fans. Vad mer är om du har den nödvändiga kompetensuppsättningen, kan du till och med komma in i ett IT-relaterat jobb inom sportområdet.
Vi hoppas att du gillade vår täckning av tekniker i FIFA, om du känner till fler tillämpningar av trendiga tekniker inom FIFA eller sport, i allmänhet, låt oss veta genom att skriva till oss i kommentarfältet nedan. Var noga med att prenumerera på vår blogg för mer FIFA och teknikrelaterad täckning.