رفتن به محتوا
رویای سبز نرم افزارهای آینده
رویای سبز نرم افزارهای آینده
  • درباره فیوسافت
  • خدمات
    • برون سپاری (Outsourcing)
    • مشاوره و آموزش
  • نمونه کار
  • وبلاگ
  • تماس با ما
  • فارسی
  • درباره فیوسافت
  • خدمات
    • برون سپاری (Outsourcing)
    • مشاوره و آموزش
  • نمونه کار
  • وبلاگ
  • تماس با ما
  • فارسی

داده‌ها و تحلیل داده ها چگونه بازی‌های زیبای فوتبال را تغییر داده‌است؟

مکان شما:
  1. فیوسافت
  2. هوش تجاری
  3. داده‌ها و تحلیل داده ها…
مهر۱۴۱۳۹۸
هوش تجاری

امروزه داده ها در نقش یک ستاره فوتبال حرفه‌ای، به اهرمی بسیار ارزشمند برای تیم‌های فوتبال بدل شده‌اند. داده و تحلیل داده در مربیگری فوتبال نقشی اساسی دارد. هرچند فوتبال در ابتدا در استفاده وسیع از داده ها و تحلیل‌ داده ها، از سایر ورزش‌ها مثل بیس‌بال یا بسکتبال عقب‌مانده بود، اما جام جهانی 2014 نمونه‌های بسیاری از کاربرد داده ها را در ابعاد مختلف بازی‌ فوتبال به ارمغان آورد.

در جام جهانی و در بسیاری از لیگ‌ها در سراسر دنیا، داده ها به 5 طریق اصلی منجر به ایجاد انقلابی در زیباتر شدن بازی‌ها شده است:

  • حفظ سلامت بازیکنان
  • کمک به داوران برای برقراری ارتباط موثرتر
  • کمک به مربیان در تصمیم‌گیری فنی بهتر
  • کمک به ارزیابان تیم برای تصمیم در خصوص این‌که تیم آن‌ها چه بازیکنانی را باید به کار بگیرد
  • بهبود تجربه تماشای بازی برای طرفداران

پایش وضعیت سلامت بازیکنان، نقشی تعیین‌کننده در مسابقات و و تمرین‌ها دارد. تیم‌های زیادی از دستگاه ردیابی “Adidas miCoach” استفاده می‌کنند که اطلاعاتی در خصوص ضربان قلب، سرعت و متغیرهای دیگر را از حسگرهایی در لباس بازیکنان، برای مربیان و پزشکان تیم در کنار زمین می‌فرستد. هرچند این وسیله برای کمک به مربیان طراحی شده بود تا کارآیی بازیکنان را ارزیابی کنند، اما بیشترین مزیت این ابزار، کمک به اعضای تیم برای مشخص کردن این‌ است که کدامیک از بازیکنان خسته شده‌اند و نیاز به تعویض دارند.

اعضای تیم منچستر سیتی انگلیس از خون و بزاق بازیکنان بعد از تمرین نمونه‌گیری می‌کنند تا به کمک بررسی نتایج حاصل از آنالیز نمونه‌ها، برای جبران مواد مغذی از دست رفته‌ی بازیکنان، مکمل‌های غذایی و نوشیدنی‌های بازیابی (ریکاوری) را برای هر فرد تجویز کنند. اگرچه هیچکدام از تیم‌های ملی، گزارشی از استفاده از این نوع تغذیه‌ی مبتنی بر داده، در جام جهانی ارائه نکرده است، اما حدود 12 بازیکن تیم منچستر سیتی، از جمله ستاره اسپانیایی داوید سیلوا، کشورهایشان را در مسابقات قهرمانی همراهی کردند.

داده ها، همچنین کار داوران جام جهانی را کمی راحت‌تر کرده است. به دلیل برخی اشتباهات برجسته در مسابقات سال 2010، هیئت حاکمه‌ی فیفا در سال 2014 فنّاوری نظارت خط دروازه را پذیرفت تا مشخص کند دقیقاً چه زمانی توپ از خط دروازه عبور کرده است. ابزار نظارتی، شامل 40 دوربین سرعت‌بالا در زمین بازی بود که هر حرکتی را دنبال می‌کرد و با استفاده از پردازش تصویر، تصاویر بازیکنان، داوران و سایر اشیا را فیلتر می‌کرد. آن‌چه باقی می‌ماند موقعیت توپ با دقت چند میلی‌متر در سه بعد بود. در‌صورتی‌که در مورد این‌که تیمی گل زده است یا نه، شبهه وجود داشت ، اگر توپ از خط دروازه عبور کرده بود، سیستم یک سیگنال به ساعت مچی داور ارسال می‌کرد. این سیستم در طول بازی برزیل و مکزیک در 17 ژوئن 2014، زمانی که تشخیص داد دروازه‌بان مکزیک، یک دریافت موفق با فاصله‌ی چند اینچ انجام داده است، برای اولین بار مورد استفاده عملیاتی قرار گرفت.

 

 

برای اطمینان از این‌که توپ از خط دروازه تیم حریف عبور خواهد کرد( بعبارتی اطمینان از اینکه تیم گل می‌زند و برتری تاکتیکی نسبت به حریف وجود دارد)، اغلب اوقات، مربیان از داده های موقعیت بازیکنان در زمین بازی، برای تعیین تاکتیک خود استفاده می‌کنند. این در‌حالی‌ است که مربیان، از زمان به‌کارگیری سرویس‌های پایش کارآیی در سال 1990، از داده های بازی‌به‌بازی برای تصحیح استراتژی‌ خود استفاده می کردند، که در آن، جمع‌آوری داده ها، معمولاً به‌صورت دستی انجام شده و امکان نتیجه‌گیری کاربردی غیر‌ممکن بود. اکنون مربیان به کمک داده ها و تحلیلگران آنها، به سمت یکپارچه‌سازی پویا تر تحلیل‌ هایشان حرکت می‌کنند.

برای نمونه، شرکت نرم‌افزاری آلمانی SAP با ارایه نرم افزاری مبتنی بر تحلیل حرکت بازیکنان به تیم ملی آلمان کمک می‌کرد. مربی، با استفاده از این نرم افزار می توانست موقعیت‌های حساس را در روند بازی بیابد و بلادرنگ، جانمایی مجدد بازیکنان را انجام دهد. مربی باشگاه انگلیسی وستهام یونایتد هم به طور مرتب با تحلیل‌گرهایش در تمام مدت مسابقات در حال مکالمه است و با دقت داده ها را، بر اساس متغیرهایی از قبیل «ضربات مؤثر»، «شرایطی که بازیکنان بعد از مدت طولانی توپ را در اختیار می‌گیرند»،و … تجزیه و تحلیل می‌کند.

فضای دیگری که داده ها در آن تأثیر کلیدی داشته‌اند، استعدادیابی است. به‌طور سنتی، استعدادیابی بیشتر یک هنر بوده است تا علم، چون استعدادیاب‌ها می‌بایستی ده‌ها و یا صدها مسابقه را تماشا کنند تا بازیکنانی که به آن‌ها اهمیت کمتری داده شده است را بیابند. امروزه تیم‌ها همچنین می‌توانند داده های بازیکنان لیگ‌های دور از خانه‌شان را بررسی کنند و ستاره های آینده خودشان را بیابند. هرچند تیم‌ها صرفاً بر اساس داده ها، بازیکنان را به کار نمی‌گیرند، ولی چندین باشگاه در اروپا، از داده های شرکت های ثالثی استفاده کرده اند تا لیست کوتاهی از استخدام‌های جدید را ایجاد کنند. باشگاه انگلیسی چلسی، برای نمونه، داده های بازیکنان 15 لیگ در جهان را نگه می‌دارد که شامل بیش از 32 میلیون رکورد داده جمع آوری شده از حدود 12000 تا 13000 بازی است.

و سرانجام، داده ها تجربه تماشای بازی علاقه مندان و طرفداران فوتبال را بهبود بخشیده است. با استفاده از یک تکنولوژی پوشیدنی غیرمعمول، داده هایی را هنگام تماشای بازی، از افرادی که این دستگاه را پوشیده‌اند، جمع‌‌آوری کرده و حس هایی مثل حس بازیکنان هنگامی که با هم برخورد می‌کنند و یا ضربان قلب تماشاچیان را در طول لحظات حساس بازی، مطابق با عملکرد بازیکنان شبیه‌سازی‌ می‌نماید، طوری که دیگر لازم نیست طرفداران در ورزشگاه حضور داشته باشند.

در نمونه ای دیگر، گوگل، یک « اتاق خبر داده » 20 نفره راه‌اندازی کرده است تا اطلاعات بهنگام (real time)، از طریق جستجو در گوگل به طرفداران منتقل شود. این گروه ضمن بررسی و تحلیل موضوعات اصلی جستجو در Google در کشور های سراسر دنیا، می‌کوشد تا گزارشی از واکنش هواداران تیم‌های مختلف ثبت و ارائه نماید.

عجیب نیست که چرا تیم‌ها به‌طور فزاینده‌ای به ارزش داده ها و تحلیل‌ ها اذعان می‌کنند. طبق محاسبه‌ی شرکت مشاوره‌ای ATKearney در سال 2011، درآمد سالیانه‌ی فوتبال جهان مساوی 28 میلیارد دلار بوده است، تقریباً حدود مجموع درآمد سایر ورزش‌ها.

با توجه به این آمار ، داده ها و رویکردهای تحلیلی داده در ورزش پرطرفدار فوتبال ، بیش از پیش برای تیم ها، بازیکنان و مربیان اهمیت پیدا خواهد کرد.

 منبع :  مقاله How Data and Analytics Have Changed The Beautiful Game

دسته بندی: هوش تجاری۱۴ مهر ۱۳۹۸نوشتن دیدگاه
اشتراک گذاشتن
اشتراک در فیسبوکاشتراک در فیسبوک توییت کردناشتراک در توئیتر این را سنجاق کناشتراک در پینترست اشتراک در لینکدیناشتراک در لینکدین

نویسنده : mahdi

ناوبری مطلب

قبلیپست قبلی:مروری بر اهداف و راه‌حل‌های هوش تجاریبعدینوشته بعدی:مقایسه ابزارهای هوش تجاری

مطالب مشابه

روند فزاینده رشد بازار هوش تجاری در هند
۱۴ مهر ۱۳۹۸
مقایسه ابزارهای هوش تجاری
۱۴ مهر ۱۳۹۸
مروری بر اهداف و راه‌حل‌های هوش تجاری
۱۳ مهر ۱۳۹۸
چرا شرکت ها به هوش تجاری نیاز دارند؟
۱۳ مهر ۱۳۹۸
اشتباهات بزرگ در زمینه مصورسازی اطلاعات در فرآیند هوش تجاری در 20 سال گذشته
۱۳ مهر ۱۳۹۸

دیدگاهتان را بنویسید لغو پاسخ

آدرس ایمیل شما منتشر نخواهد شد. فیلد های ضروری مشخص شده اند *

سه × 4 =

ارسال نظر

آخرین نوشته ها
  • اپ رعنااستوری
    دریافت رایگان رعنااستوری
    ۲۲ مهر ۱۳۹۹
  • داستان کاربر – بخش دوم
    ۱۱ اسفند ۱۳۹۸
  • داستان کاربر
    ۲۹ بهمن ۱۳۹۸
  • برگزاری رویداد کد تمیز
    ۱۵ بهمن ۱۳۹۸
  • کارگاه آموزشی Sprint Planning
    ۰۳ بهمن ۱۳۹۸
  • جلسه برنامه ریزی اسپرینت
    ۰۲ بهمن ۱۳۹۸
پروژه های اخیر
آخرین نوشته ها
  • اپ رعنااستوری
    دریافت رایگان رعنااستوری
    ۲۲ مهر ۱۳۹۹
  • داستان کاربر – بخش دوم
    ۱۱ اسفند ۱۳۹۸
  • داستان کاربر
    ۲۹ بهمن ۱۳۹۸
آخرین پروژه ها
در تماس باشید!

ارسال

تمام حقوق سایت برای شرکت رویای سبز نرم افزار های آینده محفوظ است.
  • دعوت به همکاری
  • اینستاگرام
  • لینکدین
خدمات
رفتن به بالا
  • فارسی