Os jogos da NFL foram responsáveis por 46 das 50 maiores transmissões do ano passado, com uma média de 15,8 milhões de telespectadores ao longo da temporada. Para os fãs, o apelo contínuo do esporte pode ter muito a ver com a combinação de estratégia, preparação e instinto semelhante ao xadrez que existe em cada jogada. Nenhum fator pode ser esquecido por seu impacto potencial em como essas jogadas se desenvolvem: desde mudanças nas listas de times até as condições em campo.
Embora a NFL tenha rastreado uma grande variedade de estatísticas desde seu início, por décadas essas métricas foram relativamente rudimentares – como simplesmente contar estatísticas que não necessariamente revelavam todo o escopo do que acontecia durante as jogadas. Recentemente, a NFL percebeu que precisava de um sistema mais avançado para coletar dados e dar sentido a eles. Tal sistema pode revelar insights sobre a dinâmica do jogo para fãs e jogadores – por exemplo, os resultados de escalações de jogadores específicos ou os fatores que afetaram o desempenho de um jogador. O objetivo final: criar a fidelidade do cliente para a NFL e alimentar os fãs obstinados em sua busca por entender melhor o jogo.
Hoje, o programa Next Gen Stats (NGS) da NFL usa tecnologia de rastreamento sofisticada coletada por meio de dispositivos RFID nas ombreiras de cada jogador e incorporada em cada um de seus estádios. Esses dispositivos capturam dados sobre quais jogadores estão em campo em um determinado momento, sua localização dentro de centímetros e a velocidade e direção em que se movem. Este tesouro de dados representa um recurso tremendo para as 32 equipes da liga, vários parceiros de mídia e aproximadamente 180 milhões de fãs em todo o mundo.
AWS em ação
Em parceria com a Amazon Web Services (AWS), a NFL está aproveitando o poder de seus dados por meio de análises sofisticadas e Machine Learning. “O Machine Learning está revelando o potencial para fazermos mais do que poderíamos de outra forma, em tempo hábil e com um alto grau de confiança”, disse Matt Swensson, vice-presidente de tecnologia da NFL. “Tínhamos muitas estatísticas e queríamos encontrar a melhor maneira de aproveitá-las. Estamos recebendo tantos dados agora com o sistema de rastreamento que podemos usar o Machine Learning para entender quais elementos são relevantes e quais não são. ”
Com a ferramenta Amazon SageMaker, a plataforma NGS permite que a NFL crie e implemente modelos de Machine Learning de maneira rápida e fácil, capazes de interpretar a jogabilidade. Um exemplo é a métrica de probabilidade de conclusão do NGS, que integra mais de 10 medições em jogo que vão desde o comprimento e a velocidade de um passe específico até a distância entre o receptor e os defensores mais próximos – bem como o quarterback e os pass rushers mais próximos.
Usar o Amazon SageMaker para criar, treinar e executar facilmente esses modelos preditivos ajudou a reduzir o tempo para obter resultados de 12 horas para 30 minutos. E, como Swensson aponta, com SageMaker, a NFL não precisa se armar com equipes de cientistas de dados – seus engenheiros podem começar a trabalhar rapidamente. “Não precisamos reinventar a roda toda vez que queremos fazer algo”, diz Swensson.
Informação rápida aos torcedores
Os resultados ajudam os fãs a entender por que algumas jogadas de passe são mais difíceis do que outras e fornecem uma compreensão mais significativa do próprio jogo. Esses insights podem ser usados rapidamente pela NFL e seus parceiros de mídia para aprimorar as transmissões e o conteúdo online, ou mesmo para educar e entusiasmar os fãs dentro do estádio. “Recebi muitos comentários positivos dos fãs dizendo: ‘Uau, como eles concluíram aquele passe?’ Conseguimos quantificar e comparar com outros passes, e isso tem sido um verdadeiro valor agregado para os fãs porque cria contexto para o que está acontecendo no jogo ”, diz Swensson.
Obviamente, os dados só são úteis quando podem ser acessados de forma rápida e fácil. Usando a ferramenta de inteligência de negócios Amazon QuickSight, a NFL é capaz de obter maiores insights internamente, ao mesmo tempo que abre uma janela para que os fãs se envolvam com os dados. “Isso nos permite executar consultas extremamente rápidas para fazer perguntas e apresentar as respostas em painéis”, diz Swensson. “Fornecemos painéis aos nossos clubes, emissoras e ao nosso pessoal editorial e redatores de futebol fantástico no NFL.com.”
Esses painéis, que costumavam levar horas ou dias para serem construídos, agora podem ser criados em minutos e também podem incluir qualquer número de filtros relevantes. “Isso nos permitiu evitar a escrita de muito código toda vez que queremos mostrar informações”, diz Swensson. “É muito mais eficiente.”
Insights
Além disso, a NFL pode pegar esses insights e aplicá-los a diferentes partes da organização, ajudando os treinadores a criar melhores planos de jogo e até mesmo encontrar maneiras de melhorar a segurança do jogador. “Quanto mais informações você tiver, melhor poderá identificar os padrões em jogo”, observa Swensson. Esses padrões, identificados por meio do Machine Learning, podem ser a chave para entender melhor onde os jogadores têm maior probabilidade de se machucar e para ajudar a criar regras para reduzir o risco.
O resultado final é uma experiência melhor para fãs, jogadores e equipes – tudo em tempo real. É nada menos do que a próxima geração do futebol da NFL e é alimentado por análises de última geração e Machine Learning.
Este artigo foi traduzido do Powering Business AWS
Conheça a solução de Machine Learning para predição de falhas que a dataRain oferece e entre em contato!
