機器學習和分析如何協助 NFL 轉型

使用 AI 改善球迷體驗

在 2018 年,最受歡迎的電視節目不是經典大戲,也不是熱門的全新真人秀節目,而是美式足球賽。


在去年 50 大電視轉播排行榜中,NFL 美式足球賽就佔了 46 個,該季收看的觀眾人數平均有 158 萬。對球迷來說,這個運動之所以一直很吸引人,是因為如同棋局般的策略組合,還有每場比賽球員本能的全力以赴。任何可能影響比賽結果的因素都不容小覷:從團隊球員名單更改到球場條件 (即室內或室外、白天或晚上等,還有風速和降雪量等)。

雖然 NFL 在一開始早已追蹤各種統計數據達數十年,但這些指標非常基本 — 例如,只是簡單的次數統計,不一定會顯示比賽過程中所發生的全貌。最近,NFL 發現他們需要有更先進的系統,來收集資料並理解資料。這類的系統可將有關球賽動態的深入分析顯示給球迷和球員,例如,特定球員陣容的結果或影響球員表現的因素。最終目標是建立客戶對 NFL 的忠誠度,並刺激死忠球迷進一步了解比賽。

而今,NFL 的 Next Gen Stats (NGS) 計畫使用精密的追蹤技術,透過放置在每位球員肩墊和內嵌於每座體育場的 RFID 裝置收集資料。這些裝置會擷取有關球員在球場上特定瞬間、球員位置,以及移動速度和方向等的資料。對聯賽中32 個球隊、多個媒體合作夥伴及全世界約 1 億 8000 萬球迷來說,這個珍貴的資料提供了極佳的資源。

「機器學習讓我們得以及時發揮潛力、充滿自信地大展身手。」

Matt Swensson
新興產品與技術部副總裁
NFL

「機器學習讓我們得以及時發揮潛力、充滿自信地大展身手。」

Matt Swensson
新興產品與技術部副總裁
NFL


NFL 與 Amazon Web Services 合作,透過精密分析和機器學習,充分發揮資料的力量。NFL 新興產品與技術副總裁 Matt Swensson表示:「機器學習讓我們及時釋放潛力、充滿自信地大展身手。我們有大量的統計數據,希望找出利用資料的最佳方式。我們現在透過追蹤系統取得非常龐大的資料,我們能使用機器學習來了解相關與不相關的元素。」

由機器學習工具 Amazon SageMaker 提供支援的 NGS 平台,讓 NFL 可以快速輕鬆地建立和部署能解析球賽的機器學習模型。其中一例是 NGS 的 Completion Probability 指標,整合了超過 10 個比賽衡量指標,包括接球手和最近守衛 (還有四分衛和最近突擊手) 之間特定傳球距離的長度和速度。

使用 Amazon SageMaker 可輕鬆建置、訓練及執行這些預測模型,將得到結果的時間有效地從 12 小時縮短到 30 分鐘。如同 Swensson 所言,有了 SageMaker,NFL 就不需要設置資料科學家團隊,原本的工程師就可以快速啟動並執行。Swensson 表示:「每次想做什麼,都不必又從零開始。」

這些結果協助球迷了解為何有些傳球戰術比其他傳球戰術難,並提供更有意義的方式來了解球賽本身。NFL 及其媒體合作夥伴可以快速使用這些深入的分析,來加強廣播和線上內容,甚至可以教育和激勵體育場內的球迷。Swensson 指出:「我從球迷口中得到許多正面評價,他們說『哇,他們那樣出色的傳球是怎麼辦到的?』。 我們早已能量化並將該次傳球與其他傳球進行比較,這對球迷來說,是真正加分的價值,因為他們可以看到整場比賽的來龍去脈。」

當然,資料只有在能被快速輕鬆存取時才真正有用。使用商業智慧工具 Amazon QuickSight,NFL 能在內部取得更好的深入分析,同時也為球迷開啟了與資料互動的一扇窗。Swensson 表示:「這讓我們可以執行極快的問題查詢,然後在儀表板上顯示答案。我們會提供儀表板給我們的足球俱樂部、廣播公司,以及 NFL.com 網站上的編輯人員和夢幻足球記者。」

這些儀表板過去需要好幾小時甚至數天才能完成建置,現在只要幾分鐘就可以完成,而且可以放入不限數量的相關篩選條件。Swensson 表示:「現在我們每次想要顯示資訊時,不必再撰寫一堆程式碼,效率提升很多。」

此外,NFL 也可以獲取這些深入分析,然後應用到組織的不同單位,協助教練建立詳盡的比賽計畫,甚至找出提高球員安全的做法。Swensson 補充說:「您手中的資訊越多,就越能找出球賽的戰術型態。這些透過機器學習識別出的型態,可以成為更充分了解球員在哪裡比較容易受傷的關鍵,並進而設計出能減輕風險的規則。

最終結果是讓球迷、球員和球隊即時享有更好的體驗。這就是新一代的 NFL 足球賽,由新一代的分析和機器學習技術提供支援。

Kia 使用 ML 降低車輛事故的死亡率

進一步了解 »

Capital One 使用 ML 更好地保護客戶遠離詐欺

進一步了解 »

GE Healthcare 透過 ML 獲得更佳的醫療保健成果

進一步了解 »

T-Mobile 使用 ML 讓客戶服務更加人性化

進一步了解 »