팬들은 정보의 원래 출처를 알지 못한 채 STATS의 데이터를 정기적으로 소비하고 있으며, 이는 회사가 향후 더 풍부한 데이터의 활용을 모색함에 따라 반드시 변하지 않을 것입니다. 2017년이 1987년, 1997년, 심지어 2007년과 다른 점은 스포츠 정보를 제공하는 데 그치지 않고 고객에게 더 적절한 맥락에 맞게 정보를 제공한다는 점입니다.
이달 초, STATS에서 이를 실현하는 리더 중 한 명이 무대 뒤에서 Sirius XM 와튼 머니볼 진행자 Adi Wyner와 Shane Jensen과 이야기를 나눴습니다. STATS의 데이터 과학 디렉터인 패트릭 루시는 지난 5년간의 STATS SportVU 추적 데이터 수집을 되돌아보고, 증가하는 표본 규모와 업계의 발전으로 인해 현재 얻을 수 있는 해답에 대한 인사이트를 제공했습니다.
스태츠는 반년 전부터 광학 시스템인 SportVU로 NBA 경기를 추적하기 시작했는데, 이 시기는 루시가 스포츠 과학 분야에서 특히 흥미로운 시기로 꼽았던 시기와 일치했습니다.
"2012년에 어떤 일이 일어났습니다. 딥러닝이 등장했습니다."라고 2016년 MIT 슬론 스포츠 분석 컨퍼런스에서 테니스 선수의 움직임과 공 타격 패턴에 관한 연구 논문으로 1등을 차지한 루시는 말합니다.
"완벽한 폭풍과도 같습니다. 저는 이를 다리가 세 개인 의자에 비유하고 싶습니다. 우선 딥러닝이 작동하려면 세 가지가 필요합니다. 첫 번째는 많은 데이터가 필요합니다. 다행히 STATS에는 데이터가 충분합니다. 두 번째는 계산 능력이 필요합니다. 세 번째는 실제로 네트워크를 작동하거나 설정하는 방법을 아는 사람이 있어야 한다는 것입니다."
거의 2년 동안 루시는 STATS의 최고 책임자 자리에 앉아 전 세계 축구 경기를 중심으로 선수 추적을 다른 종목으로 확장하는 데 기여했습니다. 2017년 MIT 슬론 컨퍼런스에서 준우승을 차지한 농구의 슈팅 스타일에 관한 논문을 비롯해 현재 그가 하고 있는 많은 작업은 STATS의 초기에는 다루지 않았던 '만약'이라는 질문을 던지고 답하는 적절한 방법을 찾는 것과 관련이 있습니다.
"가장 중요한 것은, 그리고 이것이 우리가 정말 잘할 수 있는 일입니다. 데이터를 맥락화할 수 있다는 점입니다."라고 루시는 말합니다. "...구체적인 질문을 할 수 있습니다. '이 선수가 그 슛을 성공할 확률은 얼마나 될까요? 아니면 그 선수를 다른 선수로 교체하면 어떻게 될까요?"라고 말할 수 있습니다.
"이제 세분화된 시뮬레이션을 통해 '만약에'라는 질문을 할 수 있습니다. 박스 스코어나 선수들의 통계를 가지고 있지만, (분석의 다음 단계는) 이런 종류의 특정 플레이를 시뮬레이션하고 다른 선수가 이런 상황에서 어떻게 행동할지 확인하는 것입니다. 주어진 상황에서 해당 상황을 모델링할 수 있고 해당 상황의 데이터를 이해하기 때문에 더 정확한 답변을 제공할 수 있습니다."
신체 자세의 세부 사항은 그의 주요 관심사 중 하나가 되었습니다. 특히, 선수 트래킹의 발전과 더 정확한 예측 분석의 가능성은 광학 트래킹에서 기본 질량 중심을 사용하여 XY 좌표를 설정하는 것 이상의 측정에 중점을 두는 데 있습니다.
"예전에는 신체 포즈를 캡처할 수 있었지만 실험실 환경에서 해야만 했습니다."라고 루시는 말합니다. "이제 우리는 실제로 야생에서 그것을 할 수 있습니다."
루시의 팀은 해당 분야의 다음 대안을 끊임없이 연구하고 있으며, 향후 성과가 어떻게 더 면밀하게 평가될지에 대한 그의 견해는 일부 사람들을 놀라게 할 수도 있습니다. 반드시 새로운 분석 지표를 만드는 것이 중요한 것은 아닙니다. 사람과 기술 간의 관계에 관한 것입니다.
루시는 "사실 새로운 측정지표가 미래가 될 것이라고 생각하지 않습니다."라고 말합니다. "저는 그것이 미래라고 생각하지 않습니다. 저는 인간과 컴퓨터의 공생이라고 생각합니다. 그렇다면 도메인 전문가가 업무를 더 잘 수행할 수 있도록 돕는 새로운 기술을 개발할 수 있을까요? 이것이 바로 스포츠 분석의 다음 단계라고 생각합니다. 코치나 분석가 또는 일반인들이 이런 가정적인 질문을 할 수 있도록 돕는 기술을 개발하는 것이죠. 그렇게 멀지 않았다고 생각합니다."
