Поделиться
Гонка за технологиями невозможна без погони за данными. Сегодня спортсмены генерируют огромное количество данных, и их анализ становится важным преимуществом на пути к победе. Анализ данных используется почти во всех видах спорта, влияя не только на выступления спортсменов, но и на саму спортивную индустрию.
Эксперты выделяют два основных направления использования данных и современных способов обработки информации в спорте. Во-первых, это инструменты для обеспечения зрелищности, сбора и доставки контента (в том числе и больших объемов HD-видео), бесперебойной работы мобильных приложения и веб-страниц, предоставляющих болельщикам дополнительные сервисы и информацию. Вторая сторона развития напрямую связана с участниками соревнований. Аналитические системы позволяют взглянуть по-новому на результаты самих спортсменов и их тренировок, помогают увидеть то, что раньше казалось незначительным или было не исследовано вовсе.
"Исследователи проанализировали три основные переменные, связанные с тем, как выполняет бросок главная тройка олимпийских толкателей ядра. Они обнаружили, что золотой медалист высвобождал ядро под углом на один градус выше, чем его соперники. Подобный подход применили и к изучению техники прыгунов в длину. Если прошлые исследования обращали внимание на такие вещи, как скорость разбега и сила отталкивания прыгуна от доски, то сравнительно небольшой набор данных одного специалиста по биомеханике прыжка показал, что ключевым отличием победителя был угол отрыва. Используя эти данные, прыгун в длину из Великобритании изменил свои тренировки и выиграл золотую медаль, хотя ранее не принадлежал к фаворитам", - рассказал директор по работе с ключевыми заказчиками и партнерами ЕМС Россия и СНГ Юрий Аристархов.
"Технологии использовались в клубе "Хоффенхайм" и в сборной Германии, которая стала главной сенсацией прошлогоднего чемпионата мира в Бразилии. В клубе для тренировок команды применялось решение Match Insights, которое позволяет создавать трехмерную модель игры и анализировать действия каждого игрока и команды в целом, причем не только сборной (чтобы исправить ошибки и улучшить эффективность), но и конкурентов, находя слабые места в игре и подготовке соперников. Сегодня аналогичные решения применяет еще футбольный клуб "Бавария", - рассказал заместитель генерального директора SAP СНГ Дмитрий Шепелявый.
Аналитика больших данных использовалась в одном из этапов уникальной гонки катамаранов Extreme Sailing Series, который проходил в Санкт-Петербурге летом 2014 года. В этом году в августе Россия также принимала этап парусной глобальной регаты катамаранов. Решение, которое использовалось на катамаранах, может оперативно анализировать и выдавать в виде наглядных отчетов данные с датчиков. Можно увидеть траекторию движения лодок в формате 2D или 3D визуализации, узнать среднюю скорость, время отставания от лидера, улучшения и потери на определенных отрезках и многие другие данные, важные зрителям, тренерам и спортсменам. Благодаря этим данным они детально анализируют свои действия после гонки, могут увидеть ошибки и понять, как изменить стратегию в лучшую сторону.
Подобные решения используются и в мотоспорте. Например, аналитики компании EMC решили выяснить, в чем секрет успеха легенды мотоспорта Джона МакГиннеса по прозвищу Ракета из Моркамба, победителя 21 гонки IsleofManTT (одной из наиболее экстремальных мотогонок в мире) и шестикратного победителя в гонках NW200. Чтобы понять, почему Джон МакГиннес настолько быстр, специалисты установили в его костюм и мотоцикл сложные датчики и модули сбора данных для записи технической, биометрической и механической информации. Для сравнительного анализа в проект был приглашен еще один мотоциклист. В результате были получены несколько потоков разнородных данных, во взаимосвязи которых и предстояло искать причины успеха Джона. Всего с этого "научно-исследовательского" заезда удалось собрать более 700 тысяч различных данных. "Мы представили наборы данных с гонки сообществу специалистов по анализу данных в виде открытого конкурса на портале CrowdANALYTIX. Победитель конкурса разделил трассу на отдельные отрезки и оценил действия Джона на каждом из них: с какой скоростью он его проходит, когда переключает передачу, как изменяется пульс мотогонщика и т.д. Выяснилось, что действия Джона отличаются от действий других гонщиков, и в этом и есть основной элемент успеха при прохождении одной из самых сложных трасс в мотогонках, - рассказал Юрий Аристархов. - Благодаря проведенному анализу механики смогли отрегулировать мотоцикл с учетом самых важных участков трассы и дать Джону информацию о том, на какие моменты стоит обращать особое внимание".
Огромные объемы полученной информации о спортивном событии открывают новые возможности и для болельщиков. "Сегодня зрители смотрят соревнования в режиме реального времени, обмениваются впечатлениями в социальных сетях, дополняя реальный опыт виртуальным восприятием событий. Многие спортивные мероприятия проходят несколько дней, при этом проводятся в разных местах одновременно. Трансляции соревнований в прямом эфире и передача видео в режиме реального времени позволяют создать необходимый эффект сопричастности, делая посещение стадионов все более интересным. Но при этом такие события становятся настоящим испытанием на выживание для ИТ-инфраструктуры", - добавил Юрий Аристархов.
Аналитика для спорта - это возможность получать информацию любой детализации и глубины, достигая практически научного понимания механизма игры, не оставляя ничего на волю случая. "При этом не менее чем полнота данных важна возможность работать с ними быстро и удобно - ведь в игре ситуация меняется ежесекундно, - отметил Дмитрий Шепелявый. - Нам кажется, что уже в ближайшие несколько лет в спорте произойдут большие изменения. И все это благодаря использованию технологичных решений, которые сделают жизнь не только игроков, но и спортивных болельщиков намного ярче".