A big data segítségével a futballedzőknek a játékosok fejlesztésében és a taktika kialakításában segítenek. Cristiano Ronaldo mogorva arckifejezése nemrég bejárta a nemzetközi sajtót, amikor a portugál szupersztárt a Manchester United–Newcastle meccsről 18 percnyi játékidő után lecserélték a pályáról. Sokan azt gondolják, hogy a sport szórakozás – akárcsak az online casino – pedig itt aztán kemény küzdelem zajlik. Korábban is vártuk, ma pedig már valóság, hogy a mesterséges intelligencia segítségével elemezni és alakítani is lehet a játékot, a taktikát.
Intelligens labda, amely adatokat is szolgáltat
A qatari FIFA Labdarúgó Világbajnokság meccslabdája az első alkalom, hogy olyan sporteszközt használnak, amely adatkapcsolat létesítésére is képes. Az Al Rihla névre keresztelt labda (ami arabul utazást jelent), amelyet azúttal is az Adidas gyárt, beágyazott chippel rendelkezik, így a világbajnokságon technológia az eddigieknél is fontosabb szerepet játszik.
A labdarúgó világbajnokság során a játékosok teljesítményét is több paraméter segítségével mérik. A meccs végét jelző sípszó után pár percen belül minden focista meg is kapja a rá vonatkozó adatokat, amely részletes leírást tartalmaz a teljesítményt illetően. A csatárok látják például, hogy mennyit mozogtak labdával és labda nélkül, a védők pedig azt ismerhetik meg, hogy hány alkalommal szerelték az ellenfél játékosait. Az adatokat rengeteg mindenre fel lehet használni: az egyéni teljesítmény javítása mellett akár arra is, hogy az edzők a csapat taktikáját alakítsák.
A focisták mozgásának pontos mérésére egyébként ma már vannak szenzorokkal felszerelt ruhák, amelyek akár a pozíciót is képesek követni pontos GPS adatok segítségével, vagy számolni tudják, hogy a játékos milyen gyakran találkozott a labdával. A kamerák adatai is fontosak: több kamera minden mozzanatot eltérő szögekből rögzít, amely adott esetben a kényes szituációk megítélésében is segítség lehet. Az információtömeg annyira hatalmas, hogy ma már a legtöbb nagy klub, elit csapat adatelemzőket, matematikusokat alkalmaz – akárcsak az online casino-nál – annak érdekében, hogy az összefüggéseket megkeressék és kiértékeljék. Ezek a szakemberek adott esetben akár olyan nagy cégektők is érkezhetnek, mind a Microsoft vagy a svájci CERN.
Aki régóta figyelemmel kíséri a labdarúgást, az láthatja, hogy a játék képe folyamatosan változik. Ez részben az elemzők meglátásai és ajánlásai miatt történik; a csatárok például ritkábban lőnek távolról, a szélsők ahelyett, hogy keresztbe adnák a labdát, egy közeli csapattársnak passzolnak, az edzők pedig jobban koncentrálnak arra, hogyan szerezzék meg a labdát az ellenfél játékosaitól.
„A big data a futball új korszakát nyitotta meg” – mondja Daniel Memmert, a Kölni Német Sportegyetem professzora. „Megváltoztatta a csapatok filozófiáját és viselkedését, azt, hogyan elemzik az ellenfeleket, és miként fejlesztik a tehetségeket és a játékosokat.”
Minden alapot lefedve
Az egyik legismertebb példa arra, hogyan változtatja meg a játékot az adathalmaz és annak elemzése, a baseballhoz kapcsolódik.
2003-as Moneyball című könyvében Michael Lewis részletesen leírta, hogy az Oakland Athletics menedzsere, Billy Beane hogyan támaszkodott a játékosstatisztikákra, és hogyan alakított ki rájuk támaszkodva nyerő statisztikát a 2002-es idényben. Beane – többek között – a teljesítményadatok elemzése alapján olyan játékosokat vásárolt, akiket mások alulértékeltek.
A kluboknak egyébként nem szükséges maguknak gyűjteni az adatokat egy ilyen típusú taktikai elemzéshez. Meg is vásárolhatják az információkat olyan cégektől, amelyek videók alapján utólag készítik el a statisztikákat, meccsenként akár 3000 esemény rögzítésével. Eleinte ezeket az adatokat kézzel rögzítették, ma viszont már a mesterséges intelligencia (MI) is besegít.
Az elmúlt években olyan technikai megoldások jelentek meg, amelyek a mesterséges intelligencia segítségével akár arra is képesek, hogy megbecsüljék a játékosok mozgását akkor is, amikor a kamera nem mutatja őket. A mesterséges intelligencia más területeken is bizonyít (online casino). Mindez pedig arra is lehetőséget ad, hogy az adatelemző cégek a videofelvételeket az eddigieknél átfogóbb elemzések készítésére használhassák.
