캐나다 몬트리올 근처에서 자란 Sam Gregory의 삶은 축구를 중심으로 돌아갔습니다. “나는 놀았다. 나는 참조했다. 코치했다”고 회상했다. “나는 그것에 완전히 집착했습니다.” 그는 또한 팀 통계에 관심을 가졌습니다. 그러나 그는 자신이 두 사람과 결혼하는 직업을 찾는 것을 결코 보지 못했습니다. 현재 그는 몬트리올에 있는 Sportlogiq의 데이터 과학자입니다. 그와 그의 동료들은 축구, 아이스하키 및 기타 팀 스포츠에 대한 데이터(실제로는 숫자)를 분석합니다.
그레고리는 팀 스포츠를 좋아하며 자란 많은 아이들 중 한 명이었습니다. 대부분은 수학이 자신이 좋아하는 팀에서 누가 뛸지 결정하는 데 도움이 된다는 사실을 깨닫지 못했습니다. 또는 플레이어가 훈련하는 방법과 사용할 장비를 안내합니다. 물론 팀에서는 이를 “수학”이라고 부르지 않습니다. 그들에게는 스포츠 분석, 팀 통계 또는 디지털 기술입니다. 그러나 이러한 모든 용어는 크런치, 비교 또는 계산할 수 있는 숫자를 설명합니다.
Gregory와 같은 데이터 과학자는 종종 팀 성과에 초점을 맞춥니다. 그들은 승패의 비율이나 타점을 측정할 수 있습니다. 숫자는 부상 없이 플레이한 게임이나 필드에서의 시간당 골일 수 있습니다.
코치들은 그러한 통계가 가치 있다는 것을 깨닫게 되었습니다. 그들은 다음 상대를 이기기 위한 전략을 안내할 수 있습니다. 그들은 또한 어떤 연습 훈련이나 회복 루틴이 선수들이 다음 매치업에서 최고의 성과를 내는 데 도움이 될 것인지 제안할 수도 있습니다.
그리고 이러한 모든 수치를 추적하는 기술은 프로 운동선수에게만 유용한 것이 아닙니다. 또한 나머지 사람들이 운동을 기록하고 향상시킬 수 있습니다.
야구에서 축구로
사람들은 종종 데이터와 정보를 같은 의미로 사용합니다. 사실, 그것들은 같은 것이 아닙니다. 데이터는 단순히 측정 또는 관찰입니다. 분석가는 의미 있는 것을 찾기 위해 이러한 데이터를 살펴봅니다. 그것은 종종 컴퓨터 계산이 필요합니다. 최종 결과는 정보입니다. 즉, 트렌드 또는 우리에게 정보를 주는 기타 정보입니다.
스포츠 분석은 야구에서 시작되었습니다. 여기에서 타율 및 이와 유사한 수치가 100년 이상 추적되었습니다. 2000년경에 어떤 사람들은 그러한 단순한 통계를 뛰어넘었습니다. 그들은 다른 팀들이 대체로 무시했던 재능 있는 선수들을 식별하고 고용하기 위해 데이터를 분석했습니다. 이를 통해 적은 예산으로 야구 팀이 부유한 팀을 이길 수 있는 명단을 만들 수 있습니다. Michael Lewis는 2003년 책 Moneyball(동일한 이름의 영화가 됨)에서 이에 대해 썼습니다.
다른 구기 스포츠는 곧 스포츠 분석 악대차에 편승했습니다. 잉글리시 프리미어 리그의 부유한 클럽들은 축구(리그와 대부분의 세계에서 축구라고 부르는 것)를 위한 분석 팀을 처음으로 구축했습니다. 다른 유럽 및 북미 리그가 그 뒤를 따랐습니다. 축구 감독 질 엘리스(Jill Ellis)는 연속 월드컵 챔피언십에서 미국 여자 대표팀을 이끌었습니다. 그녀는 2015년과 2019년의 성공 중 일부가 분석 덕분이라고 생각합니다.
오늘날 Gregory의 Sportlogiq와 같은 회사는 많은 축구 클럽이 다가오는 경기를 준비하도록 돕습니다. 그것은 상대의 이전 경기력을 분석하는 것을 의미합니다. 분석가는 컴퓨터 소프트웨어를 사용하여 많은 비디오를 “시청”합니다. 이 소프트웨어는 사람이 할 수 있는 것보다 더 빨리 그리고 여러 게임에서 데이터를 요약할 수 있습니다.
이러한 요약은 클럽이 보호해야 할 핵심 선수를 식별하는 데 도움이 됩니다. 그들은 함께 잘 일하는 선수들을 가리킨다. 그리고 그들은 상대가 공격하거나 압박하는 경향이 있는 필드 섹션을 찾아냅니다.
NBA . . . 숫자로
Gregory는 많은 클럽에서 일합니다. Matthew van Bommel은 오직 한 팀, Sacramento Kings에 자신의 노력을 바칩니다. 이 전국 농구 협회 팀은 캘리포니아의 수도에서 왔습니다.
Gregory와 마찬가지로 van Bommel은 캐나다에서 자랐습니다. 그 역시 어렸을 때 농구, 야구, 축구, 테니스와 같은 스포츠를 했습니다. 통계학 석사 학위를 받은 그는 2017년에 Kings에 합류했습니다. 현재 그는 농구 숫자를 처리하기 위해 컴퓨터 코드를 작성합니다.
“코치는 슈팅 통계, 빠른 브레이크 포인트, 페인트의 포인트를 검토합니다.”라고 van Bommel은 설명합니다. (그 중 마지막은 코트의 페인트칠된 자유투 레인 내에서 얻은 점수입니다.) 컴퓨터는 이 모든 숫자를 차트로 요약합니다. 코치는 게임이 진행되는 동안 이러한 차트를 빠르게 스캔하여 전술적 조정을 합니다.
게임 비디오에서 수집한 정보를 처리하는 데 시간이 더 걸립니다. 그러나 이러한 게임 후 리뷰는 데이터에 대한 심층 분석을 허용합니다. 샷 차트가 한 예입니다. van Bommel은 “그들은 코트의 어떤 위치에서 가장 잘 들어갈 수 있는 샷을 생성했는지 보여줍니다.”라고 설명합니다. 코치는 선수가 해당 샷에 집중할 수 있도록 드릴을 만들 수 있습니다.
2014년까지 모든 NBA 팀은 모든 선수와 공의 움직임을 추적하기 위해 경기장에 카메라를 설치했습니다. 이 카메라는 매주 많은 양의 복잡한 데이터를 생성합니다. 이 모든 숫자는 van Bommel과 그의 동료들의 창의성에 영감을 줍니다. 그들은 숫자를 유용한 정보로 바꾸는 새로운 방법을 브레인스토밍합니다.
코치와 매니저는 또한 분석을 사용하여 팀의 새로운 선수를 모집합니다. 이는 온라인 판타지 리그 게임에서도 중요합니다. 여기에서 플레이어는 실제 선수들로 구성된 가상의 팀을 구성합니다. 그런 다음 시즌 동안 해당 선수들이 실제 팀에서 수행한 성과에 따라 점수를 얻습니다.
장비는 어떻습니까?
데이터는 축구 헬멧에서 축구공에 이르기까지 장비의 재설계로 이어졌습니다. 과학자들은 야구공의 궤적에서 스핀과 표면 거칠기의 역할을 연구했습니다. 그들은 너클볼의 겉보기 너클 헤드 경로에서 마찰을 측정했습니다. 일부 스포츠에서는 공을 치는 장비에 따라 성능도 달라집니다. 예를 들면 야구뿐만 아니라 하키와 크리켓도 있습니다.
크리켓은 유럽에서 축구가 인기 있는 만큼 인도에서 인기가 높다고 Phil Evans는 말합니다. 그러나 차이가 있습니다. 유럽의 대부분의 아이들은 축구공을 살 여유가 있습니다. Evans는 “인도의 수백만 명의 아이들은 적절한 배트를 살 여유가 없습니다.”라고 말합니다. 그는 밴쿠버에 있는 브리티시 컬럼비아 대학교의 목재 과학자입니다. 그는 캐나다에서 일하는 동안 크리켓 경기를 하며 자란 영국 출신입니다.
2015년에 Evans는 캔버라에 있는 호주 국립 대학교를 방문했습니다. 그와 그의 동료들은 귀뚜라미 배트에 대해 브래드 해딘과 이야기를 나누었습니다. (Haddin은 호주의 유명한 크리켓 선수입니다.) 잉글리쉬 버드나무는 오랫동안 그러한 배트에 이상적인 나무로 여겨져 왔습니다. 이 나무는 영국 동부에서 가장 잘 자라며 상당히 비쌉니다. 그러나 Haddin은 배트의 디자인이 배트를 만드는 목재만큼이나 중요하다고 주장했습니다.
그래서 Evans는 비용이 덜 드는 대체품을 찾기로 결정했습니다. “포플러는 버드나무와 매우 비슷합니다.”라고 그는 지적합니다. 그리고 그는 비용이 거의 들지 않는다고 덧붙입니다. 그것은 농장에서 재배되며 유럽과 북미에서 널리 사용됩니다. 그러나 그는 포플러 배트에 대한 최고의 디자인을 어떻게 찾을 수 있었습니까?
Evans에게는 그 작업에 완벽한 대학원생이 있었습니다. 기계 공학자인 Sadegh Mazloomi는 컴퓨터 알고리즘(AL-go-rith-um)으로 배트를 설계하는 기술을 가지고 있었습니다. 그것은 종종 컴퓨터를 사용하여 작업을 해결하기 위한 일련의 단계별 수학적 지침입니다. 이 경우, 이러한 단계는 크리켓 공을 가능한 한 효율적으로 칠 수 있는 방망이 모양을 만들어 냈습니다.
지침에는 종종 몇 가지 제약이 따릅니다. 모든 구기 스포츠와 마찬가지로 크리켓도 공식 규정을 따릅니다. 배트의 치수는 특정 한도를 초과할 수 없습니다. 예를 들어 길이는 965밀리미터(38인치)를 초과할 수 없습니다.
과거에 많은 배트 설계자들이 변경한 것은 등을 따라 28개 지점에서 배트의 두께(또는 높이)였습니다. 규정은 각 높이의 범위를 제한합니다. 이러한 높이는 배트의 질량이 분포되는 방식에 영향을 미칩니다. 그리고 그것은 배트의 기계적 특성에 영향을 미칩니다.
Mazloomi는 실제 박쥐의 컴퓨터 3D 모델에 28개의 높이 제한을 설정했습니다. 알고리즘은 28개의 숫자를 각각 소량씩 변경합니다. 그런 다음 방망이의 다른 두 특수 지점 사이의 거리를 다시 계산합니다. 거리가 짧다는 것은 공이 방망이를 칠 때 진동이 적다는 것을 의미합니다. 다른 연구자들은 이미 물리 법칙으로 이것을 증명했습니다. 더 적은 진동으로 플레이어는 더 많은 타격력 또는 리바운드 에너지를 볼에 전달할 수 있습니다. 따라서 배트의 “스위트 스폿”에서 진동이 최소화되면 최대 파워가 발생합니다.
가능한 모든 높이 조합을 테스트하려면 최신 컴퓨터로 약 72시간이 걸립니다. 결국 그 숫자 계산은 최적의 설계를 로봇 기계가 원하는 나무 조각을 조각하기 위한 지침으로 바꿉니다. 그런 다음 로봇은 해당 나무를 표준 지팡이 손잡이에 융합합니다. 짜잔, Algobat가 준비되었습니다!
Mazloomi는 “Algobat의 모양은 오늘날 최고의 상업용 박쥐와 비슷하지만 몇 가지 참신한 기능도 가지고 있습니다.”라고 말합니다. 장인들은 수세기 동안 귀뚜라미 방망이를 개량했습니다. “72시간 동안 컴퓨터 코드를 실행하는 것은 인간의 독창성과 거의 일치했습니다.”라고 그는 덧붙입니다.
Mazloomi와 Evans는 현지 전나무에서 얻은 목재로 프로토타입을 만들었습니다. 그러나 그것을 포플러나 다른 종류의 나무로 바꾸는 것은 쉽습니다. 컴퓨터는 로봇의 조각 지침을 각 재료의 고유한 특성에 맞게 조정합니다.
연구원들은 현재 실제 귀뚜라미 경기장에서 포플러 Algobats를 테스트하고 있습니다. 궁극적으로 Evans는 회사가 $7 미만의 비용으로 이러한 배트를 생산하기를 희망합니다. 그것은 인도의 많은 아이들에게 적당할 것입니다. 그러나 값싼 원자재만이 중요한 것은 아닙니다. 가격은 또한 회사의 장비 및 인건비에 따라 달라집니다.
데이터 과학자: 팀의 새로운 아이들
데이터 분석은 운동 능력뿐만 아니라 건강과 안전도 향상시킬 수 있습니다. 이 정보에 대한 수요가 증가함에 따라 데이터 과학 기술이 필요한 새로운 일자리도 창출됩니다.
많은 대학에서 이러한 기술을 가르치기 위해 새로운 프로그램을 설계했습니다. 2018년에 Liwen Zhang은 Boston University에서 통계학 석사 학위를 취득했습니다. 학생 팀의 일원으로 그녀는 학교에서 여자 농구를 위한 웹 앱을 만들었습니다.
각 플레이어에 대해 앱은 리바운드와 같은 게임 이벤트의 성능 요약을 제공합니다. (농구에서는 스코어키퍼가 수년 동안 이러한 이벤트를 수동으로 기록했습니다.) 예를 들어 선수의 수비 점수는 수비 리바운드, 블록 및 스틸의 수를 합산합니다. 개인 파울은 점수를 줄입니다. 마지막 숫자는 선수가 팀의 전체 수비에 얼마나 기여했는지 요약합니다.
코치는 전체 게임 또는 특정 기간 동안 수비 및 공격에 대한 점수를 검토할 수 있습니다. 그들은 한 번에 한 선수 또는 여러 선수를 함께 공부할 수 있습니다. “우리 앱은 신임 코치가 자신의 팀을 알도록 도왔습니다.”라고 Zhang은 말합니다. “그는 어떤 선수 조합이 잘 어울리는지, 선수들이 압박 속에서 어떻게 성과를 내는지 배웠습니다.”
2019년 가을, 새로운 BU 학생 그룹이 Tracey Paul과 함께 일했습니다. 그녀는 그곳에서 여자 필드 하키의 보조 코치입니다. Paul은 웨어러블 장치의 플레이어 데이터를 게임 비디오의 공간 정보와 결합하기를 원했습니다.
장치는 플레이어의 등에 부착되어 매초마다 플레이어의 위치를 기록합니다. 그들은 스마트폰과 동일한 GPS 기술을 사용합니다. (이 위성 기반 글로벌 포지셔닝 시스템은 1970년대에 발명되었습니다.) 이 장치는 이동 거리를 시간으로 나눈 값으로 플레이어 속도를 계산합니다.
Paul의 특별한 관심 척도 중 하나는 플레이어의 소위 “부하”입니다. 모든 가속의 요약 측정입니다. (가속은 단위 시간당 속도의 변화입니다.) 이 부하는 훈련 세션이나 게임 중에 선수가 얼마나 많은 일을 했는지 코치에게 알려줍니다.
BU 학생들은 웨어러블 장치의 플레이어 데이터와 비디오 태그를 결합하는 앱을 개발했습니다. (비디오 태깅은 현재 수동으로 수행되지만 앞으로 자동화될 수 있습니다.) 태그는 턴오버와 같이 특히 관심 있는 게임 이벤트를 표시합니다. Paul은 턴오버 동안 모든 플레이어 로드의 시각적 요약을 검토할 수 있습니다. 이 정보를 통해 그녀는 중요한 순간에 특정 플레이어가 더 빠르게 대응할 수 있도록 연습 훈련을 설계할 수 있습니다.
이 앱은 또한 관심 영역에 대한 플레이어 로드를 보여줍니다. 이것은 골대 주변의 슈팅 서클이나 필드 쿼터일 수 있습니다. 이를 통해 Paul은 선수의 실제 노력을 팀 위치(포워드, 미드필더 또는 풀백)와 비교할 수 있습니다. 이러한 데이터는 또한 Paul이 선수의 부상 위험을 줄이기 위한 회복 루틴을 설계하는 데 도움이 됩니다.
이러한 모든 성능 수치는 귀중한 정보를 제공합니다. 그러나 중요한 모든 것을 캡처할 수는 없습니다. 예를 들어, 사람들이 얼마나 잘 지내는지와 같은 팀 케미스트리는 측정하기 어려울 것입니다. Sportlogiq의 Gregory는 연구원들이 코치가 얼마나 기여하는지 정량화하려고 노력했다고 말합니다. 그러나 코치의 기여와 선수 및 클럽의 다른 자원(예: 자금, 직원 및 시설)의 기여를 분리하기는 어렵습니다.
인간적인 요소는 사람들이 구기종목을 보고 즐기는 이유 중 하나입니다. Gregory는 “플레이어는 단순한 데이터 포인트가 아니라 실생활을 가진 실제 사람입니다.”라고 말합니다. 그리고 그는 “통계가 뭐라고 말하든 모든 사람에게는 좋은 날과 나쁜 날이 있습니다.”라고 덧붙입니다.