نمونه های کاربردی

کلان داده و یادگیری ماشین: عامل برتری فوتبال آلمان در سال‌ های اخیر

این مطلب عیناً از وب سایت زومیت برداشته شده است  و مهندسی داده، با هدف جمع آوری مطالب مناسب فارسی در حوزه کلان داده به بازنشر آن پرداخته است .

همواره آلمانی‌ها به ارائه‌ی یک فوتبال ماشینی شهره بوده‌اند، اما چیزی که در جام جهانی ۲۰۱۴ شاهد آن بودیم، فاصله‌ی زیاد مانشافت، مخصوصا در برابر تیم‌های بزرگ بود که دلیل آن استفاده از کلان داده و ابزار‌های تحلیلی مبتنی بر هوش مصنوعی برای تحلیل بازی حریف و تهیه‌ی یک روش بازی منحصر به فرد برای بازی در برابر حریفان مختلف است. با زومیت باشید تا پرطرفدارترین ورزش کره‌ی زمین را از منظر فناوری بنگریم.

به طور حتم درآمدزایی بالای فوتبال به عنوان یکی از کسب و کارهای پولساز دنیا، پای فناوری را به این رشته باز کرده است. با توجه به اینکه درآمد کسب شده توسط ۲۰ باشگاه ثروتمند دنیای فوتبال در طول یک سال بالغ بر ۸ میلیارد دلار است، از این‌رو سرمایه‌گذاری برای استفاده از آخرین فناوری‌ها چندان هم غیرمنتظره نیست. استفاده از کلان داده یا Big Data در سال‌های اخیر رشد زیادی در فوتبال داشته و بسیاری از تیم‌ها با استفاده از داده‌های برگرفته از سنسور‌هایی نظیر GPS و دریافت و ثبت میزان مسافت طی شده یا ناحیه تحت پوشش توسط بازیکنان، استراتژی‌های مختلفی را در برابر تیم‌ها مورد استفاده قرار می‌دهند. البته با نگاهی به تاریخ می‌توان چنین نتیجه گرفت که استفاده از داده‌های آماری سابقه‌ی بلندی در دنیای فوتبال دارند، بطوریکه برای اولین بار در تاریخ این رشته‌ی ورزشی، چارلز ریپ (Charles Reep) اقدام به استفاده از آمار در رشته‌ی فوتبال کرد. وی یک حسابدار و طرفدار فوتبال بود که آمار مربوط به گل‌های به ثمر رسیده را تحلیل کرده و به این نتیجه رسید که بیشترین گل‌ها با ارسال کمتر از سه پاس به ثمر می‌رسند. البته اطلاعات ارائه‌ی شده توسط ریپ منجر به ایجاد سبک بازی بسیار خسته‌کننده‌ای با عنوان بازی مستقیم شد که طی آن تیم‌ها سعی می‌کردند با ارسال توپ‌های بلند و تاثیر گذاشتن روی این توپ‌ها، به طریقی توپ را به مهاجم خود رسانده و وی را صاحب موقعیت گل کنند. هر چند این سبک از بازی که اتفاقا در کشورمان نیز محبوب است، می‌تواند منجر به گل زنی شود، اما بسیار خسته کننده و غیرجذاب است، از این‌رو بسیاری انتقادات شدیدی را به ریپ و داده‌های ارائه شده توسط وی وارد کردند.

استفاده از داده‌های آماری و تحلیلی تا دهه‌ی نود میلادی تغییر چندانی به خود ندید، تا اینکه ترکیب داده‌های برگرفته از ویدیو و داده‌های دستی وارد شده، سیستم Prozone را معرفی کرد. این سیستم با جزئیات داده‌های به دست آمده از تصاویر ویدیویی را پس از بازی در اختیار مربیان قرار می‌داد. تیم Derby County اولین تیم در لیگ جزیره بود که در سال ۱۹۹۸ این سیستم را برای استفاده تهیه کرد. این روزها اغلب تیم‌های مطرح در جهان از وجود دوربین‌های دیجیتال برای تحلیل بازی‌ها در ورزشگاه خانگی استفاده می‌کنند. در هر بازی بیش از ۱.۴ میلیون نقطه داده جمع آوری می‌شود. اطلاعات جمع آوری شده که از ۸ تا ۱۰ دوربین به کار رفته به دست می‌آیند، شامل بیش از ۱۰ نقطه داده در هر ثانیه از ۲۲ بازیکن حاضر در زمین بازی است که در مجموع بیش از ۱.۴ میلیون نقطه داده را به ارمغان می‌آورد.

در کنار استفاده از تصاویر ویدیویی، از سال ۲۰۰۲ استفاده از سنسورهای جی پی اس و ضربان قلب برای اندازه‌گیری میزان حرکت و همچنین قدرت تنفس بازیکنان در کنار اطلاعات برگرفته از میزان خواب و رژیم غذایی بازیکنان نیز به مجموع داده‌های مورد استفاده، اضافه شده‌اند. اما توسعه‌ی سیستمی که بتواند تمام اطلاعات دریافت شده را تحلیل کرده و خروجی قابل استفاده‌ای را در اختیار تیم‌ها قرار دهد، یکی از خلاءهایی بود که آلمان‌ها موفق به پر کردن آن شدند. بسیار پیش از آنکه تاثیر این ابزار را در تیم ملی آلمان ببینیم، باشگاه فوتبال هوفنهایم، با استفاده از آن تاثیر کلان داده و نرم‌افزار توسعه یافته توسط کمپانی SAP را نشان داد. هوفنهایم تیمی روستایی است که در اولین فصل از حضورش در بوندسلیگای یک موفق شد تا قهرمان نیم فصل شود، اما تیم در نیم فصل دوم با از دست دادن بازیکنان بسیار در اثر مصدومیت، نتوانست آنچنان که باید نتیجه بگیرد، هرچند این تیم نه چندان پرآوازه که از یک روستای ۳۰۰۰ نفری برخواسته، تاکنون همواره در نیمه بالای جدول قرار گرفته است و تنها در فصل جاری خطر سقوط را تجربه می‌کند. نکته‌ی جالب در مورد هوفنهایم، مالکیت این باشگاه است. دیتمار هوپ، سرمایه گذار اصلی هوفنهایم، در عین حال مدیرعامل کمپانی SAP است. این کمپانی با توسعه‌ی سیستم تحلیلی خود و استفاده از آن در تیم هوفنهایم، قدرت تحلیل داده‌ها را در فوتبال نشان داد.

کلان داده در ورزش

با استفاده از سیستم توسعه یافته توسط SAP می‌توان داده‌ها را بصورت آنی (Real Time) در حین تمرینات و بازی دریافت کرده و مورد استفاده قرار داد.

استفان لاچر، مدیر فناوری در کمپانی SAP در خصوص این سیستم چنین اظهار نظر می‌کند:

سیستم توسعه یافته توسط SAP روش جدیدی از تمرین کردن را در اختیار تیم‌های فوتبال قرار داده است. با استفاده از نصب ردیاب‌ها و سنسور‌ها در تمام نقاط زمین، می‌توان زمین فوتبال را بصورت مجازی در دسترس داشت. ردیاب‌ها را می‌توان در دروازه‌ها و انواع پست‌های زمین قرار داد. همچنین هر یک از بازیکنان تعدادی از این سنسور‌ها را دریافت می‌کنند. توپ مورد استفاده در تمرین نیز از سنسور بهره می‌برد.

وی در خصوص قدرت تولید داده توسط این سیستم گفت:

در صورتی که تمرین ۱۰ بازیکن در مقابل ۱۰ بازیکن دیگر با سه توپ توسط سیستم SAP مانیتور شود، بیش از ۷ میلیون نقطه داده بصورت آنی تولید و توسط سیستم تحلیل می‌شود.

سیستم SAP قادر است با دریافت و تحلیل داده‌ها، نقاط ضعف هر یک از بازیکنان را مشخص کند. مربیان قادرند با استفاده از سیستم SAP داده‌های کسب شده توسط سیستم را در اختیار بازیکنان نیز قرار دهند. برای مثال در صورتی که یواخیم لو بخواهد داده‌های تمرین از قبیل سرعت، جاگیری و زمان پاسکاری را در اختیار توماس مولر قرار دهد، قادر است ویدیویی از بازی را در کنار داده‌هایی که مولر باید روی آن‌ها و بهبودشان کار کند، به گوشی هوشمند مولر ارسال کند.

لانچر در این خصوص می‌گوید:

فلسفه‌ی این سیستم در مورد پررنگ‌تر کردن قابلیت‌ها و ضعف‌های بازیکنان استوار شده است. با استفاده از این سیستم می‌توان زمان بیشتری را برای تقویت نقاط ضعف صرف کرده و قوی‌تر از پیش شد.

با استفاده از SAP می‌توان سایه‌ی دفاعی یک تیم را به وضوح مشخص کرد، بطوریکه ناحیه‌ی تحت پوشش هر بازیکن به وضوح مشخص می‌شود. با استفاده از این موضوع می‌توان با تحلیل بازی حریفان از روی ویدیوی بازی، به نقاط ضعف دفاعی حریفان پی برد. الیور بیرهوف، مدیر تیم ملی فوتبال آلمان در گفتگو با ESPN به موارد جالبی از توانایی‌های SAP اشاره کرده است:

ما داده‌های بسیاری را از تیم‌هایی که قرار است در مقابلشان بازی کنیم، در اختیار داریم. برای مثال در بازی برابر پرتغال، ژروم بواتنگ بصورت اختصاصی با نحوه‌‌ی حرکت کریس رونالدو درون محوطه و سرعت و زمان ارسال و دریافت پاس‌های این بازیکن آموزش دید. در بازی مقابل فرانسه نیز ما مشاهده کردیم که این تیم در میانه زمین بسیار متراکم بوده و ساختار خوبی دارد، اما در جناحین، این تیم توانایی موجود در میانه میدان را ندارد، از این‌رو به فرانسه از این طریق ضربه زدیم.

شکوفایی تیم ملی آلمان

در اکتبر سال ۲۰۱۳ میلادی فدراسیون فوتبال آلمان و کمپانی SAP همکاری خود را برای استفاده از سیستم نرم‌افزاری SAP با یکدیگر آغاز کردند. این همکاری در راستای بهبود عملکرد ملی پوشان برای جام جهانی فوتبال انجام شد. این نرم افزار از مارس ۲۰۱۴ در اختیار یواخیم لو، سرمربی آلمان قرار گرفت و این تیم از آن زمان تا به امروز از SAP استفاده می‌کند.

نتیجه‌ی استفاده از این نرم‌افزار به روشنی در تیم ملی آلمان و شیوه‌ی بازی این تیم مشهود بود. تحقیر برزیل در ورزشگاه ماراکانا با به ثمر رساندن ۷ گل تصویری است که تمام جام جهانی ۲۰۱۴ را تحت تاثیر خود قرار داد. آلمان‌ها نشان دادند که اکتفا به ساق‌های تکنیکی بازیکنان تنها راه پیروزی در فوتبال قرن ۲۱ نیست و همواره باید با شیوه‌های ماشینی و مهندسی به جلو رفت تا موفقیت تضمین شده باشد. در بازی نیمه نهایی برابر برزیل، آلمان موفق شد تا در طول سه دقیقه سه گل به ثمر برساند، در حالی که میزان مالکیت توپ با ۵۲ درصد در اختیار سلسائو بود. بازیکنان آلمان کاملا توجیه شده بودند و می‌دانستند باید در برابر کدام بازیکن، چه حرکتی انجام دهند. کدام بازیکن باید تحت فشار قرار گرفته و در هر یک از ناحیه‌های زمین چگونه پاسکاری کنند.

براساس اطلاعات ارائه شده میانگین زمان پاسکاری بازیکنان آلمان در فاصله‌ی جام جهانی ۲۰۱۰ تا ۲۰۱۴ پیشرفت بسیار قابل ملاحظه‌ای داشته، بطوریکه میانگین پاسکاری از ۳.۴ ثانیه در سال ۲۰۱۰ به ۱.۱ ثانیه در جام جهانی ۲۰۱۴ رسیده است. ارسال پاس در این زمان کوتاه نه تنها مدافعان را برای عکس العمل سردرگم می‌کند، بلکه تصمیم برای تحت پوشش قرار دادن بازیکنان بدون توپ مهاجم را نیز که شاید هدف ارسال پاس قرار گیرند، سخت می‌کند. نکته‌ی دیگری که باید به آن اشاره کرد، آگاهی کامل بازیکنان المان از روزنه‌های دفاعی حریف و ضعف حرکتی هر یک بازیکنان است که کار را برای به ثمر رساندن گل ساده می‌کند.

نظر شما در این خصوص چیست؟

مجتبی بنائی

دانشجوی دکترای نرم‌افزار دانشگاه تهران (yun.ir/smbanaie)، مدرس دانشگاه و فعال در حوزه توسعه نرم‌افزار و مهندسی داده که تمرکز کاری خود را در چند سال اخیر بر روی مطالعه و تحقیق در حوزه کلان‌داده و زیرساخت‌های پردازش داده و تولید محتوای تخصصی و کاربردی به زبان فارسی و انتشار آنها در سایت مهندسی داده گذاشته است. مدیریت پروژه‌های نرم‌افزاری و طراحی سامانه‌های مقیاس‌پذیر اطلاعاتی از دیگر فعالیتهای صورت گرفته ایشان در چند سال گذشته است.

۵ دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

جای خالی در معادله زیر را با کی برد انگلیسی وارد کنید : * Time limit is exhausted. Please reload CAPTCHA.

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

دکمه بازگشت به بالا