GRAPHIC_Orange-rule_01

NFL이 AWS를 선택한 이유

"성공의 핵심 요소 중 하나는 훌륭한 파트너를 확보하는 것이며 AWS가 전형적인 예입니다. 저희는 뛰어난 기술을 가진 스마트한 사람들과 협력하는 것을 좋아하며, AWS와의 파트너십이 바로 그러한 것입니다." 

- Roger Goodell, NFL 커미셔너

"성공의 핵심 요소 중 하나는 훌륭한 파트너를 확보하는 것이며 AWS가 전형적인 예입니다. 저희는 뛰어난 기술을 가진 스마트한 사람들과 협력하는 것을 좋아하며, AWS와의 파트너십이 바로 그러한 것입니다." 

- Roger Goodell, NFL 커미셔너

오늘날 클라우드에서 이루어지고 있는 대부분의 기계 학습(ML)은 AWS에서 수행되기 때문에 NFL이 정교한 분석과 ML을 통해 데이터를 활용하기 위해서는 AWS가 최선의 선택입니다. NFL은 AWS ML을 활용하여 실시간으로 새로운 통계를 만들고 선수의 건강과 안전을 강화해 팬, 선수, 팀에게 더 나은 경험을 선사합니다.

기계 학습

NFL은 기계 학습 및 데이터 분석 서비스를 통해 통계를 계산하여 Next Gen Stats 플랫폼에서 제공하는 정확성, 속도 및 인사이트를 향상시킵니다.

빠른 액세스

NFL은 Amazon QuickSight 등의 비즈니스 인텔리전스 도구를 사용해 더욱 많은 인사이트를 파악함과 동시에 팬, 방송사, 해설위원들에게도 데이터를 제공할 수 있습니다.

속도

NFL은 Amazon SageMaker를 사용해 예측 모델을 작성하고 학습시켜 실행함으로써 결과를 얻는 데 걸리는 시간을 12시간에서 30분으로 줄일 수 있었습니다.

GRAPHIC_Orange-rule_01

팬들이 참여할 수 있는 환경 조성

경기가 있다면 NFL에서 통계를 수행할 수 있습니다. 리그에서는 AWS에서 여러 가지 새로운 통계를 작성했으며, 각 통계는 서로 다른 데이터 포인트를 사용합니다. 아래는 몇 가지 예일 뿐입니다. 더 많이 보려면 nextgenstats.nfl.com을 방문하세요.

러싱 야드 기대값

NFL은 AWS와 협력하여 두 번째 연례 스포츠 분석 대회인 2020 Big Data Bowl을 개최하고 이 새로운 통계를 개발했습니다. 러싱 야드 기대값은 블로커와 수비수의 상대적인 위치, 속도, 방향을 기준으로 볼캐리어가 특정 캐리에서 몇 야드를 러시할 것으로 기대되는지를 나타냅니다.

캐치 후 야드 기대값

이 새로운 예측 모델은 Amazon SageMaker를 사용하여 캐치 후 야드 기대값을 출력합니다. 기대값은 리시버가 얼마나 오픈 상태인지, 얼마나 빨리 달리는지, 공간 안에 몇 명의 수비수/블로커가 있는지 등 트래킹 데이터를 사용하는 수많은 요소를 바탕으로 결정됩니다.

루트 분류

이 차세대 통계는 선수가 어떤 루트(고, 포스트 또는 아웃)를 따라가는지 보여줌으로써 팬들이 패싱 게임을 새로운 방식으로 이해할 수 있게 도와주며, 팬들이 리그 전반의 트렌드를 공부하여 공격 전략을 새롭게 이해할 수 있도록 팀 플레이에 누적 점수를 매깁니다.

GRAPHIC_Orange-rule_01

작동 방식

GRAPHIC_1_05

데이터 캡처

선수의 어깨 패드와 게임볼에 RFID 태그를 부착하여 데이터를 캡처합니다. 초광대역 수신기가 선수와 볼의 움직임을 인치 단위까지 추적합니다. 수집된 데이터는 캡처 및 저장 과정에서 Amazon EC2, S3 및 EMR을 활용합니다.

GRAPHIC_2_05

데이터 분석

다음으로, 이 실시간 데이터를 기존 박스 스코어/플레이 바이 플레이 데이터와 결합하여 이전에는 캡처하지 못했던 100가지 지표를 계산합니다. 이러한 지표는 Amazon SageMaker에 구축된 기계 학습 모델을 거쳐 예측, 통계 등을 출력합니다.

GRAPHIC_3_05

통계

마지막으로, NFL은 AWS Lambda, Amazon ElastiCache, Quicksight, RDS, Route S3, API 게이트웨이, DynamoDB를 활용하여 인사이트, 예측, 통계를 방송 분석, 스카우트 및 코칭 도구에 제공합니다.

Next Gen Stats라고도 불리는 NFL 선수 트래킹은 경기장의 모든 곳에서 모든 선수, 모든 플레이의 실시간 위치 데이터, 속도, 가속을 캡처한 것입니다. 경기장 곳곳에 배치된 센서가 선수의 어깨 패드에 부착된 태그를 추적하면서 개인의 움직임을 인치 단위까지 차트화합니다. 선수의 장비와 공 자체에 있는 RFID 태그를 사용하여 데이터를 캡처합니다. 그런 다음 NFL 경기장에 설치된 수신기로 실시간 데이터가 전송되며, NFL은 모든 플레이에 대해 모든 선수의 데이터를 얻을 수 있습니다.

GRAPHIC_Orange-rule_01

기계 학습을
데이터에 적용

AWS의 광범위한 클라우드 기반 기계 학습 기능을 활용함으로써 NFL은 팬, 방송사, 코치, 팀이 더욱 심층적인 인사이트를 얻을 수 있도록 통계 계산을 통해 경기 당일의 통계 수준을 한 단계 끌어올리고 있습니다.

Diagram-MOBILE_02
Diagram-DESKTOP_02

기존 박스 스코어 통계 데이터와 경기장에서 수집된 데이터가 Amazon Sagemaker에서 공급하는 출력을 통해 몇 초 안에 수백 가지 프로세스를 거쳐 학습됩니다. 이때, NGS 팀이 구축한 기계 학습 모델이 데이터를 수집하여 모델을 지속적으로 학습시키고 개선합니다. 그리고 기계 학습 모델을 경기 중에 실시간으로 사용하거나 참조하여 포메이션, 루트, 이벤트 등의 출력 값을 생성합니다.

GRAPHIC_thin-rule_02

"AWS를 선택한 이유는 고급 클라우드 제품, 강력한 기계 학습 기능, 대규모 운영 경험이 결합되어 있었기 때문입니다. AWS로 Next Gen Stats를 지원함으로써 저희는 훨씬 더 효과적이고 의미 있는 콘텐츠로 시즌을 시작할 수 있게 되었으며, 이전보다 풋볼 경기에 대해 더 심도 있는 인사이트를 얻을 것입니다."

- Matt Swensson, NFL 신규 제품 및 기술 부문 부사장

"AWS를 선택한 이유는 고급 클라우드 제품, 강력한 기계 학습 기능, 대규모 운영 경험이 결합되어 있었기 때문입니다. AWS로 Next Gen Stats를 지원함으로써 저희는 훨씬 더 효과적이고 의미 있는 콘텐츠로 시즌을 시작할 수 있게 되었으며, 이전보다 풋볼 경기에 대해 더 심도 있는 인사이트를 얻을 것입니다."

- Matt Swensson, NFL 신규 제품 및 기술 부문 부사장

GRAPHIC_thin-rule_02
GRAPHIC_Orange-rule_01

NFL과 오랫동안 함께할
기계 학습

플레이북을 보고 싶으신가요? NFL CIO Michelle R. McKenna가 소개하는 NFL의 기계 학습 여정에 대해 자세히 읽어보세요. 그리고 Matt Swensson으로부터 Next Gen Stats 팀이 AWS Machine Learning Solutions Lab과 어떻게 협력하여 Amazon SageMaker에서 기계 학습 모델을 구축, 학습, 배포했는지 직접 알아보세요.

eBook-02
NGS-football-graphic

다른 기업들이 어떻게 AWS를 활용하여 비즈니스를 혁신하고 있는지 알아보세요.