## 视频
<video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/SPT201-Creating_new_analytics_in_sports-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video>
## 导读
体育运动的原始数据已从盒式记分过渡到跟踪数据,随之而来的是应用 AI/ML 来展现新见解的机会,这些新见解将影响我们的教练、训练和体育消费方式。在本论坛中,您将听到 NHL 和亚马逊云科技讨论如何创建从构思到播出的新分析方法。
## 演讲精华
<font color = "grey">以下是小编为您整理的本次演讲的精华,共1400字,阅读时间大约是7分钟。如果您想进一步了解演讲内容或者观看演讲全文,请观看演讲完整视频或者下面的演讲原文。</font>
The future of sports analytics holds immense potential to revolutionize the spectator experience and grant teams game-changing competitive advantages. This was the overarching topic of an insightful panel discussion held during the 亚马逊云科技 Amazon Summit, which focused on the advancement of analytics in professional hockey and the National Hockey League (NHL).
The panel, moderated by Julie Souza, Head of Sports for 亚马逊云科技 Amazon Global Professional Services, featured experts from various fields such as data science, hockey operations, and broadcasting, who shared their firsthand experiences and perspectives on this analytics revolution.
Souza began the session by introducing the panelists, starting with Andrew Reich, a Senior Sports Consultant at 亚马逊云科技 Amazon. Reich mentioned that he leads the Professional Services team engaged with sports leagues and teams to develop analytics solutions on 亚马逊云科技 Amazon Web Services.
Next was Brant Berglund, Senior Director of Coaching and GM Technology for the NHL. With prior experience as a video coach for the Boston Bruins and leadership in hockey product development, Berglund brought a wealth of hockey operations expertise. He assumed his current role with the NHL in March 2020, a time certainly filled with challenges due to the onset of the COVID-19 pandemic and suspension of the NHL season.
The third panelist was Cassie Campbell-Pascall, a former captain of the Canadian Women's National Hockey Team and current hockey broadcaster for Rogers Sportsnet and ESPN. With three Olympic gold medals and eight IIHF World Championship gold medals to her name, Campbell-Pascall represented the voice of the on-air talent who bring analytics to life for viewers.
Rounding out the group was Lei Li, a Principal Architect and Data Scientist at 亚马逊云科技 Amazon Web Services. Li contributed the critical data science perspective to the discussion, with extensive knowledge of 亚马逊云科技 Amazon Web Services technologies like SageMaker used to build analytics models.
After introducing the panelists, Souza aimed to guide the audience through the evolution of hockey analytics. She started by asking Berglund to describe how the NHL collects the raw inputs that fuel their models.
Berglund explained that a system of infrared cameras is installed in each of the NHL's 32 arenas to continuously track the puck and players. Players have tags placed just above their jersey nameplate that emit signals picked up by the cameras. The puck also contains sensors that allow it to be tracked.
这个追踪数据是以高速度捕获的,磁贴位置每秒采样60次,球员位置每秒采样12次。所有这些数据从32个独立的场馆流入亚马逊云科技,然后可以进行处理以生成分析结果。
索萨注意到,在收集和连续传输如此丰富的数据时,下一个问题变成了实际上应该对它提出什么要求。新的分析思路来自哪里?代表冰球生态系统不同部分的各个小组在这里都有作用。
坎贝尔-帕斯科从广播员的视角描述了这一点,他们可能在广播中只有15-45秒的时间来描述一个分析结果。这需要有简单易懂的图形,以便让观看比赛的球迷能够快速理解。简单的图形可以快速传达信息,使广播员能够专注于冰场上发生的事情。
伯格兰德补充说,来自像坎贝尔-帕斯科这样的广播员的直接反馈是非常宝贵的。分析团队可以建立模型,但如果现场解说员不能以观众能理解的方式快速解释它,那么它将无效。合作确保最终产品符合广播员的需求。
李强调了数据科学的角度,他们的目标是识别可理解的且相互独立的预测因素。虽然复杂的深度学习模型有它们的用途,但具有基于冰球术语的透明因素对于讲故事至关重要。
莱希注意到,这个小组上的每个人,无论他们的背景是数据科学、冰球运营还是广播,都以不同的角度看待这个问题。这种多样性的观点最终为球迷提供了更好的产品。
为了说明开发过程,索萨将重点放在了一个特殊的分析模型上,称为机会分析。这个模型根据诸如球员和冰球运动、守门员位置、离球门距离等因素评估射门机会的质量。
李解释了如何利用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)进行机会分析。通过使用70,000个历史NHL射门,他们训练一个模型来学习哪些因素组合与导致进球的射门相关。通过学习这些因素如何在射门之前结合在一起,它可以预测预期的进球率。
亚马逊云科技的SageMaker为数据科学家提供了一个平台,使他们能够轻松地构建、训练和部署模型,而无需亲自管理基础设施。一旦模型部署到生产环境,它将实时分析NHL比赛的追踪数据,评估实时机会因素,从而生成关于每次射门尝试的预测进球率。这个输出将被传输到电视台和其他应用程序,以增强赛事报道。Berglund注意到,他们的分析能力已经从一个简单的数据传输阶段发展到了现在的机会分析等预测模型的阶段。这些模型提供了更深入的赛事洞察。一个有趣的讨论点是机会分析模型的因素如何与冰球规则相联系。Campbell-Pascall指出,球员们在射门前会被教导“穿越皇家道路”,即在横向穿过中心区域滑冰,以提高对抗守门员的角度。该模型的输出证实了这一传统智慧,表明穿越皇家道路的交叉会提高预测的得分率。Reich描述了他们是如何通过广泛审查视频以及从冰球专家(如Berglund)那里获得反馈,以确保模型输出是有意义的。这有助于识别并解决任何不符合现实世界预期的情况。除了开发分析模型之外,将这些模型有效地传达给不同的受众也至关重要。广播员(如Campbell-Pascall)可以用引人入胜的方式来解释数据,而视觉效果(如球权获胜概率的实时更新)也会有所帮助。Reich强调说,他们与现场人员紧密合作,共同创建解释性材料。目标是让电视台能够通过令人信服的数据驱动故事来更好地讲述赛事。例如,数据显示,安德斯·比约克(Anders Bjork)是波士顿布鲁尔斯(Boston Bruins)中基于其操纵守门员角度的能力而具有最高预期进球率的球员。这强调了他在比赛中的一个被忽视的方面,而数字则量化了这一方面。该团队还讨论了一些遇到的挑战。一个例子是处理季后赛中使用的连续加时赛格式与常规赛中射门比赛之间的差异。为了处理在多个加时赛后的射门,机会分析模型需要进行调整。
另一个挑战是将内部使用的技术术语翻译成广播公司和粉丝都能理解的语言,以便他们了解这些分析数据所代表的内容。能够用一种类似于“电梯演讲”的方式解释每个模型和指标对于被采纳至关重要。
展望未来,国家冰球联盟(NHL)认为仍有大量空间可以进行创新分析。Berglund强调的一个领域不仅仅是跟踪冰球的位置,而是更好地理解基于球员位置和运动的比赛流程。其他想法,如追踪蓝线失误和防守员缺口控制,将为新的战略见解提供新的思路。
李指出,像计算机视觉这样新兴的技术可以更详细地追踪球员和守门员的动作。这种姿势追踪数据与现有传感器相结合可能支持下一代高级分析。
最后,坎贝尔-帕斯科强调,体育分析的真正价值在于提升观众体验。将分析与视频示例和清晰解释相结合使广播公司能够讲述更多引人入胜的数据驱动的故事。随着新技术的出现,未来的可能性是无穷无尽的,特别是当新的数据来源开放时。
总的来说,re:Invent小组讨论为我们提供了关于顶级冰球分析前沿的令人着迷的见解。通过使用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)和技术,NHL和亚马逊云科技正在揭示新的统计数据和战略见解。但关键是利用这些数据来吸引和教育球迷,从而提高对精英冰球的速度、技巧和策略的惊人之处的认识。分析正在彻底改变这项运动的教学、比赛和观看方式。
**下面是一些演讲现场的精彩瞬间:**
卡西提供的反馈对我们的分析至关重要,该分析旨在了解曲棍球迷的需求和期望。
![](https://d1trpeugzwbig5.cloudfront.net/SPT201-Creating_new_analytics_in_sports/images/rebranded/SPT201-Creating_new_analytics_in_sports_0.png)
数据显示,乔纳森·马西奥的细微杆动作对杰克·埃舍尔的守门员角度产生了影响。
![](https://d1trpeugzwbig5.cloudfront.net/SPT201-Creating_new_analytics_in_sports/images/rebranded/SPT201-Creating_new_analytics_in_sports_1.png)
在演讲中,专家讨论了像阿切尔·曼宁这样的现代运动员如何利用数据驱动的方法来提升观众的观赛体验。
![](https://d1trpeugzwbig5.cloudfront.net/SPT201-Creating_new_analytics_in_sports/images/rebranded/SPT201-Creating_new_analytics_in_sports_2.png)
随着流媒体技术的发展,未来的体育赛事直播将实现个性化,并通过提供独特的观看体验(例如与大城市格林斯的NHL广播产生共鸣的青春期女孩)来吸引新的观众。
![](https://d1trpeugzwbig5.cloudfront.net/SPT201-Creating_new_analytics_in_sports/images/rebranded/SPT201-Creating_new_analytics_in_sports_3.png)
## 总结
该视频探讨了体育分析的进步,特别关注国家冰球联盟(NHL)如何通过追踪球员数据来获得洞察力。NHL在所有比赛中都安装了红外摄像头系统,用于收集球员和冰球的跟踪数据。这些数据被传输到亚马逊云计算服务中,由[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型进行分析,以生成诸如射门和扑救概率、胜负概率和机会分析等结果。这些模型考虑了诸如距离球门、防守压力和守门员位置等因素。这些分析的目的是将数据科学与冰球专业知识相结合,讲述引人入胜的故事并教育粉丝。
NHL分析发展的关键要素包括:
- 数据科学家、联赛专家以及广播人才的紧密合作,共同迭代优化模型,确保分析结果与赛场实际情况一致,并有助于广播叙事。
- 采用亚秒级延迟的高效计算模型,这对于实时更新胜负概率等关键数据的场景至关重要。亚马逊云的SageMaker等服务支持实现这一速度。
- 发现新颖的数据视角,例如分析球员的比赛策略如何导致守门员站位失误。这些数据为传统的冰球智慧带来了全新的可视化展示。
- 拓展应用场景,如增强现实技术,吸引更多类型的粉丝关注。分析驱动的篮球卡通广播体验,如《大都市绿盟》等项目。
NHL将继续在此基础上发展,探索新的分析领域,如运动动力学和比赛动态的空间追踪。随着体育分析不断改进粉丝体验,未来的潜力是无穷的。
## 演讲原文
## 想了解更多精彩完整内容吗?立即访问re:Invent 官网中文网站!
[2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站")
[点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处"),一键获取亚马逊云科技全球最新产品/服务资讯!
[点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处"),一键获取亚马逊云科技中国区最新产品/服务资讯!
## 即刻注册亚马逊云科技账户,开启云端之旅!
[【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“")
[【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")