Sport Analytics
ΑΦΙΕΡΩΜΑ: Νέα Εποχή σε Ανάλυση Δεδομένων και Στατιστική
Tων Δ. ΚΑΡΛΗ και Ι. ΝΤΖΟΥΦΡΑ,
Καθηγητών, Τμήμα Στατιστικής, ΟΠΑ
Ο αθλητισμός ήταν πάντα ένας γόνιμος τομέας εφαρμογής στατιστικών μεθόδων σε ένα ευρύ φάσμα προβλημάτων. Για παράδειγμα, μπορεί να μας ενδιαφέρει να κάνουμε πρόβλεψη τελικού αποτελέσματος αγώνων, να μετρήσουμε ή και να απεικονίσουμε την απόδοση μιας ομάδας ή μεμονωμένων παικτών της ή/και να αξιολογήσουμε την επίδραση αθλητών και στρατηγικών κατά τη διάρκεια του αγώνα (π.χ. πότε πρέπει να γίνουν οι αλλαγές παικτών, ή ποια πεντάδα παικτών μιας ομάδας μπάσκετ είχε το καλύτερο αποτέλεσμα). Τέτοιες αποφάσεις μπορεί να είναι σημαντικές για όσους εμπλέκονται σε ένα άθλημα αλλά από την άλλη κεντρίζουν και το ενδιαφέρον των απλών φιλάθλων, φοιτητών ή ακόμα και του ευρύτερου κοινού.
Το «Moneyball», μια αμερικανική βιογραφική αθλητική δραματική ταινία του 2011, περιγράφει την επιτυχημένη σεζόν 2002 της ομάδας μπέιζμπολ Oakland Athletics και τις προσπάθειες του γενικού διευθυντή της (Billy Beane) να συγκεντρώσει μια ανταγωνιστική ομάδα με βάση την εμπειρική ανάλυση των στατιστικών στοιχείων του μπέιζμπολ που μετρούν τη δραστηριότητα κατά τη διάρκεια του παιχνιδιού. Η ταινία αυτή έκανε δημοφιλή την ιδέα της χρήσης δεδομένων για τη λήψη αποφάσεων στον αθλητισμό, βασισμένη σε μια αληθινή ιστορία. Στις μέρες μας, ειδικά στα μεγάλα πρωταθλήματα, ομάδες εξειδικευμένων επιστημόνων εξετάζουν εξονυχιστικά τα δεδομένα για να αποκαλύψουν τις τακτικές και τις λεπτομέρειες του αντιπάλου.
Η ανάγκη για περισσότερα και καλύτερης ποιότητας δεδομένα στον αθλητισμό έχει αυξήσει τη χρήση νέων τεχνολογιών συλλογής δεδομένων. Στις μέρες μας, οι ομάδες διαθέτουν τεχνολογίες που παίρνουν αναλυτικές μετρήσεις φυσιολογίας σε πραγματικό χρόνο από τους παίκτες και μπορούν να διαπιστώσουν τη φυσική τους κατάσταση ή να γνωρίζουν μέχρι και τις κινήσεις τους στον αγωνιστικό χώρο του γηπέδου. Αυτό έχει ως αποτέλεσμα την τροφοδοσία των ειδικών επιστημόνων του αθλητισμού με περισσότερα δεδομένα, δημιουργώντας έναν κύκλο ζήτησης και χρήσης δεδομένων. Φυσικά, δεν είναι όλες οι προσπάθειες επιτυχείς, ούτε καν σωστές, αλλά η αύξηση της διαθεσιμότητας δεδομένων δημιουργεί νέες μεθοδολογίες και επιστημονικές προκλήσεις σε όλα τα αθλήματα.
Μέσα σε αυτό το περιβάλλον, οι επιστήμες που βασίζονται στα δεδομένα, όπως παραδοσιακά είναι η Στατιστική, έρχονται στο προσκήνιο δίνοντας τεράστιες δυνατότητες και επιλογές στην επίλυση προβλημάτων και ερωτημάτων που εμφανίζονται στον αθλητισμό. Εκμεταλλευόμενες τη σύγχρονη τεχνολογία και την πληθώρα διαθέσιμων δεδομένων, οι επιστήμες αυτές μπορούν να μας βοηθήσουν να κατανοήσουμε και να προβλέψουμε το αποτέλεσμα των αθλητικών αγώνων, αλλά και να χρησιμοποιηθούν για τον σχεδιασμό δίκαιων και ανταγωνιστικών αθλητικών διοργανώσεων αυξάνοντας σημαντικά την ποιότητα του παραγόμενου προϊόντος διασκέδασης, που με τη σειρά του μπορεί να οδηγήσει σε αυξημένη ζήτηση εισιτηρίων και τηλεοπτικών δικαιωμάτων. Για παράδειγμα, στην κλήρωση για το Παγκόσμιο Κύπελλο, οι ομάδες δημιουργούν διαφορετικά γκρουπ δυναμικότητας με βάση έναν αλγόριθμο που καθορίζει τη δυναμικότητά τους ώστε να επιτευχθεί μια πιο δίκαιη κατανομή των ομάδων, μεγαλύτερη ανταγωνιστικότητα και άρα μεγαλύτερο ενδιαφέρον για τους τελικούς χρήστες του προϊόντος.
Η πρόβλεψη του αποτελέσματος ενός αγώνα ή αθλητικού γεγονότος είναι εύκολη από κάθε άποψη. Η αβεβαιότητα όμως του τελικού αποτελέσματος μπορεί να μελετηθεί με στατιστικές μεθόδους ώστε να προκύψουν καλύτερες προβλέψεις. Εξετάζοντας ιστορικά δεδομένα, μπορούμε να κατανοήσουμε πώς να σχεδιάσουμε καλύτερα πρωταθλήματα και αθλητικές διοργανώσεις που θα αυξήσουν τον ανταγωνισμό, μπορούμε να μετρήσουμε την απόδοση των παικτών, αλλά και να αποκαλύψουμε με ποιον τρόπο ένας προπονητής μπορεί να βελτιώσει την ομάδα του ή να αντιμετωπίσει έναν αντίπαλο. Τα Μαθηματικά, η Στατιστική και η μηχανική μάθηση μπορούν να βοηθήσουν σημαντικά όλα τα μέλη της αθλητικής βιομηχανίας (ομάδες, προπονητές, παίκτες, καταναλωτές, φιλάθλους) να βελτιώσουν τις επιδόσεις τους ή να λάβουν τις βέλτιστες αποφάσεις.
Τα Μαθηματικά, η Στατιστική και η μηχανική μάθηση μπορούν να βοηθήσουν σημαντικά όλα τα μέλη της αθλητικής βιομηχανίας (ομάδες, προπονητές, παίκτες, καταναλωτές, φιλάθλους) να βελτιώσουν τις επιδόσεις τους ή να λάβουν τις βέλτιστες αποφάσεις.
Και φυσικά, δεν πρέπει να ξεχνάμε το στοιχείο της «διασκέδασης» στον αθλητισμό. Οι φίλαθλοι παρακολουθούν τα αθλητικά γεγονότα για τον ενθουσιασμό που προσφέρουν. Τους προκαλεί και διεγείρει να μαντέψουν το τελικό αποτέλεσμα ενός αγώνα και ενθουσιάζονται με την αβεβαιότητα, την έκπληξη και το απρόβλεπτο του τελικού αποτελέσματος. Τα αθλήματα με μικρότερη αβεβαιότητα είναι λιγότερο συναρπαστικά. Το δράμα που προσφέρεται όταν μια ομάδα πετυχαίνει ένα γκολ στο τελευταίο λεπτό είναι ίσως δύσκολο να το βρει κανείς σε άλλες δραστηριότητες της πραγματικής ζωής. Η κατανόηση και η υποστήριξη αυτής της αβεβαιότητας είναι η κρυφή μαγεία του αθλητισμού. Η στατιστική επιστήμη μπορεί να βοηθήσει στην κατανόηση και στη μέτρηση αυτής της αβεβαιότητας και, παρόλο που στα περισσότερα αθλήματα δεν θα μπορούσαν να προβλέψουν τον νικητή, μπορούν να προσφέρουν μια βελτιωμένη εμπειρία θέασης επισημαίνοντας στοιχεία που παλιότερα δεν ήταν διαθέσιμα.
παρόλο που στα περισσότερα αθλήματα δεν θα μπορούσαν να προβλέψουν τον νικητή, μπορούν να προσφέρουν μια βελτιωμένη εμπειρία θέασης επισημαίνοντας στοιχεία που παλιότερα δεν ήταν διαθέσιμα
AUEB Sports Analytics Group:
Στο Τμήμα Στατιστικής και στο Εργαστήριο Υπολογιστικής και Μπεϋζιανής μυθολογίας, λειτουργεί από το 2015 η ομάδα Αναλυτικής Αθλητισμού του ΟΠΑ με πλήθος δραστηριοτήτων (διπλωματικές, ερευνητικές δημοσιεύσεις, δημοσιεύσεις στον τοπικό Τύπο), ενώ διοργανώνει κάθε χρόνο το AUEB Sports Analytics Workshop με διακεκριμένους επιστήμονες του χώρου από την Ελλάδα και το εξωτερικό. https://aueb-analytics.wixsite.com/sports
Επιστροφή στο ΤΕΥΧΟΣ 44ο – ΟΚΤΩΒΡΙΟΣ 2022
