지난주 2024 Opta Forum 연구 공모전의 2단계 제출 마감 결과, 4개의 프로젝트가 무대 발표 후보에 올랐으며, 포스터 발표를 위해 추가로 5개의 프로젝트가 추천되었습니다.
제출된 각 제안서는 혁신성, 방법론, 관련성 및 적용이라는 네 가지 주요 기준에 따라 심사되었습니다. 이제 가장 우수한 9개의 프로젝트가 런던에서 초청된 업계 대표들에게 공개될 예정입니다.
2024 Opta Forum 새로운 이니셔티브 중 하나는 포스터 전시업체 5곳이 각각 10분간 스포트라이트 강연을 할 수 있는 기회를 제공하는 새로운 무대를 도입하는 것입니다. 이 시간은 예정된 네트워킹 휴식 시간에 진행되며, 참가자들은 각자의 프로젝트와 주요 연구 결과에 대해 자세히 알아볼 수 있습니다.
11년 연속 개최되고 있는 Opta Forum 축구 분석 캘린더에서 중요한 날로 자리 잡고 있습니다. 이 행사의 역대 발표자 중 상당수가 프로 축구 업계에서 다양한 역할을 맡고 있습니다.
2024 Opta Forum 이러한 연구 발표 외에도 팀 환경에서 성과와 채용을 개선하고 팬의 관점에서 청중 참여를 강화하기 위한 데이터의 역할에 관한 주요 주제에 초점을 맞춘 초청 강연과 패널 토론으로 구성된 다양한 의제를 다룰 예정입니다.
2024 Opta Forum 전체 연구 발표 및 포스터 라인업은 다음과 같으며, 특정 순서는 없습니다:
무대 프레젠테이션
하쉬 미슈라 - 코너킥의 인과관계 분석
이 프로젝트는 공개 제출 부문에서 선정되었으며, 인과적 프레임워크의 렌즈를 통해 코너킥 플레이북을 수립한 로리 쇼의 이전 연구를 기반으로 합니다.
이벤트와 추적 데이터를 조합하여 2021-22 리그 1 시즌 동안 시도된 600개 이상의 다양한 코너킥을 전달 유형, 수비 셋업(맨 마킹 또는 지역 마크) 및 전반적인 결과에 따라 분류한 결과, Harsh의 프로젝트가 탄생했습니다. 선수의 시작과 끝 위치, 역동적인 움직임, 상대 마킹을 고려하여 코너킥에서 반복되는 공격 셋업도 클러스터링합니다.
그런 다음 하쉬의 인과관계 프레임워크를 적용하여 특정 수비 셋업을 상대하거나 특정 유형의 코너킥을 노릴 때 각기 다른 공격 셋업에 대해 슛이 발생할 확률을 설정합니다.
이 프로젝트의 목표는 세트피스 분석가가 특정 유형의 코너를 빠르게 식별하여 워크플로우를 보다 효율적으로 만들고 공격 및 수비 상황에서 세트피스 플레이를 분석하는 데 사용할 수 있는 시간을 극대화하는 것입니다.
인도 출신으로 현재 영국에 거주하고 있는 Harsh는 컴퓨터 공학 석사 학위를 보유하고 있으며 현재 Rothamsted Research에서 머신러닝 엔지니어로 근무하고 있습니다. 그는 글로벌 축구 분석 커뮤니티에서 활발하게 활동 중이며, 그의 블로그에 접속하거나 LinkedIn에서 그와 소통할 수 있습니다.
Alex Sattari - 최적화된 채용 프로파일링을 위한 패스, 리셉션, 고강도 달리기 분석을 통한 선수 스타일 파악
이 프로젝트는 Opta Forum실무자 주도 제출 부문에서 선정되었으며, 파르마의 마티유 라콤이 Opta Vision 데이터를 적용하여 개별 플레이어 스타일에 대한 새로운 해석이 가능한 특성을 만들어냈습니다.
특정 경기의 모든 선수를 대상으로 패스, 리시브, 고강도 달리기 전용 네트워크를 구축한 후, 알렉스는 모든 선수의 공통된 패스, 리시브, 고강도 달리기 패턴을 발견하기 위해 비음수 행렬 인수분해(NMF)를 적용할 것을 제안합니다. 또한 NMF 분석을 통해 각 선수별로 이러한 공통 패턴의 고유한 조합을 파악하여 각 선수의 스타일을 새롭게 해석할 수 있는 특성으로 이끌어낼 것입니다.
이 연구의 목적은 채용 부서의 기존 프로파일링 파이프라인을 개선하여 분석가가 클럽의 게임 모델 내에서 선수 프로필에 필요한 스타일적 유사성과 현장 특성을 가진 선수를 찾아내는 프로세스를 간소화하는 것입니다.
Alex는 캐나다 캘거리 대학교에서 지구물리학 박사 학위를 받았으며 최근에는 스웨덴 욘쾨핑 대학교에서 스포츠 분석 박사 후 연구원으로 근무했습니다. 현재 캘거리에 거주하고 있습니다.
니암 그레이엄, 야스민 헝스터, 마이아 트로워 - 순이익: 여자 축구에서 다양성이 성적에 미치는 영향 분석하기
니암, 야스민, 마이아의 프로젝트는 FA 여자 슈퍼리그의 핵심 선수 신상 데이터와 Opta 이벤트 데이터를 사용해 WSL 팀 전반의 다양성과 응집력, 개별 선수의 경기력 사이에 연관성이 있는지에 대한 질문을 던집니다.
선수의 연령, 국적, 클럽 배경 등 팀의 다양성과 선수들의 과거 함께 뛴 시간으로 측정한 팀의 응집력 사이의 관계를 분석합니다.
그런 다음 WSL 경기의 각 소유권 체인에 대한 패스 네트워크를 구축하여 각 소유권에 다양성 점수와 응집력 점수를 할당합니다. 그런 다음 슛으로 끝나는 모든 소유권 체인에 대해 xG 값을 사용하여 다양성과 응집력이 팀과 개인의 성과에 미치는 영향을 평가합니다.
니암, 야스민, 마이아는 모두 에든버러 대학교에서 각각 수학 박사 학위를 취득하고 있습니다.
마티유 르 갈 - 현대 축구에서 스로인이 미치는 영향 분석: 소유권, 패턴, 그리고 경기 상황
마티유의 프레젠테이션은 다양한 게임 시나리오에서 스로인 이후 반복되는 플레이 패턴을 파악하여 스로인에서 시작된 시퀀스에서 득점 기회를 가장 효과적으로 창출하는 팀을 식별하는 데 도움을 주기 위해 Opta 이벤트 데이터를 적용합니다.
마티유의 프로젝트는 두 부분으로 나뉩니다. 첫 번째 파트에서는 공격과 수비의 관점에서 스로인을 다양한 카테고리로 분류하고, 소유 시간, 시퀀스 중 패스, 획득한 영역 등 주요 요소를 고려합니다. 이 정보는 리그 전체 팀의 스로인 지수를 만드는 데 사용되며, 빠른 재시작, 볼 보유 또는 수비 상황에서 턴오버를 강요하는 높은 압박 등 팀이 스로인에서 공을 사용하는 방식을 강조합니다.
두 번째 파트에서는 스로인 패스 패턴을 분석하여 팀이 어떻게 전략적으로 스로인 기회를 활용하여 득점 위협을 창출하는지에 대한 인사이트를 확인할 수 있습니다. 또한 스로인 이후 패스 이벤트의 패스 엔드 위치 좌표에 대한 확률 분석도 보여줄 예정입니다.
프랑스 렌에 거주하는 마티유는 프랑스 국방부의 데이터 과학자로 일하고 있습니다. 그는 자신의 업무와 국립예술고등음악원에서 빅데이터 및 AI 학위 취득을 위한 공부를 병행하고 있습니다. 올해 말 학위를 취득할 예정인 그는 데이터 과학자로서 스포츠 관련 클럽이나 회사에 입사하기를 희망하고 있습니다.
포스터 전시업체
최호영 - 방어 진형을 평가하기 위한 그래프 신경망 접근법
이 포스터는 한 시즌 동안 팀들이 채택한 다양한 수비 포메이션의 성과를 측정하는 접근 방식을 소개합니다.
최 감독은 특히 소유권 유지에 중점을 둔 그래프 신경망(GNN) 모델을 개발하고 적용함으로써 팀의 수비 전략에 대한 이해를 높이고, 공을 지키는 효율성과 관련하여 경기장에서 모든 선수들의 집단적 영향력에 대한 인사이트를 공유할 예정입니다.
이 GNN 접근 방식은 선도적인 팀에게 방어 구조의 실제 분석을 위한 실용적이고 적용 가능한 시스템을 제공하기 위해 고안되었습니다.
최 씨는 올해 초 학사 학위를 취득하고 현재 대전에 위치한 카이스트 산업 및 시스템공학과에서 석사 과정을 밟고 있는 학부생입니다.
레오 마르틴스 데 사 프레이레 - "위협 대 목표" 도입 - 공격량을 골 득점 기회로 전환하는 총체적 효율성 측정
최근 몇 년 동안 이벤트 데이터의 활용은 PV(Possession Value) 및 xT(Expected Threat)와 같은 액션 가치 평가 지표에 크게 집중되었습니다. 이러한 메트릭을 통해 데이터 분석가는 경기 중 각 온볼 액션의 품질을 측정할 수 있습니다. 그러나 이러한 액션을 통해 팀이 창출하는 가치와 득점 기회를 통해 상대팀에게 가해지는 위험 사이의 관계는 아직 제대로 밝혀지지 않은 상태입니다.
레오의 포스터는 두 가지 고급 지표인 기대 득점(xG)과 기대 위협(xT) 간의 관계에 대한 심층 조사 결과를 발표하고, 그 결과를 바탕으로 팀이 온볼 위협을 얼마나 효과적으로 활용하여 고품질의 슈팅 시도를 창출하는지에 대한 인사이트를 제공하는 새로운 지표인 위협 득점을 소개함으로써 이러한 간극을 메우는 것을 목표로 하고 있습니다.
브라질 벨루오리존치에 거주하는 Leo는 미나스 제라이스 연방대학에서 컴퓨터 과학 석사 과정을 밟고 있으며, 세리에 A 팀인 아틀레티코 미네이루에서 데이터 과학자로서의 역할을 병행하고 있습니다.
아톰 스콧과 타이가 소메야 - FootballGPT: 축구를 위한 파운데이션 모델을 사용한 사실과 반대되는 평가
데이터 과학자는 사실과 반대되는 평가를 통해 가상의 시나리오를 탐색하고 축구에서 다양한 전술적 결정이 미칠 수 있는 잠재적 영향을 이해할 수 있습니다. 여기에는 일반적으로 선수의 움직임을 예측하기 위해 생성 모델을 훈련한 다음 실제 움직임과 시뮬레이션된 움직임을 특정 시나리오와 비교하는 과정이 포함됩니다.
아톰과 타이가는 포스터를 통해 축구의 집단 움직임에 초점을 맞춘 기초 모델인 FootballGPT를 구축한 결과를 발표할 예정입니다. 이들은 "수비 라인의 높은 프레스가 롱볼에 대한 취약성에 어떤 영향을 미치는가?" 또는 "역습에 추가 선수가 합류하면 득점 확률이 높아질까?" 등의 질문에 대한 답을 찾고자 합니다. 또한, FootballGPT의 기능을 분석하여 하위 작업으로 일반화할 수 있습니다.
아톰과 타이가는 선택한 시나리오에 대한 시뮬레이터로 FootballGPT 모델을 활용함으로써 팀이 정량적 데이터를 기반으로 전략적 평가와 결정을 내릴 수 있도록 지원하는 것을 목표로 합니다. 이 시뮬레이터를 통해 팀은 수비 라인의 변경이나 역습에 참여하는 선수 수 등 실제 경기 시나리오에서 다양한 전술적 변화의 효과를 시뮬레이션할 수 있을 뿐만 아니라 여러 경기에서 유사한 소유권 시퀀스를 식별하고 분석하여 경기력 분석 프로세스를 보다 효율적으로 만들 수 있습니다.
아톰은 현재 일본 나고야대학교에서 인공지능 박사 과정을 밟고 있으며, 스포츠 분석에 중점을 둔 신생 스타트업의 창립자입니다. 타이가는 도쿄대학교에서 컴퓨터 언어학 석사 과정을 밟고 있으며, 전 일본 15/16세 대표팀 유망주였던 경력을 살려 스포츠 분석, 특히 축구 분석에 대한 연구도 진행하고 있습니다.
앤드류 강, 트래비스 커슨, 스콧 파워 - 모든 기능이 똑같이 만들어지는 것은 아닙니다: 목표별 클러스터링 및 클러스터 평가 동기 부여
선수 역할 클러스터링은 스포츠 분석에서 잘 알려진 문제로, 많은 클러스터링 방법론의 공통적인 결함인 특정 분석 목표와의 관련성에 관계없이 모든 피처에 동일한 가중치를 부여하는 것 때문에 종종 방해를 받곤 합니다.
앤드류, 트래비스, 스콧의 포스터는 경기장에서 스타일이 비슷한 여러 팀의 선수를 식별하여 채용 워크플로우를 개선하기 위해 Opta Vision 데이터를 적용하여 2단계 재귀적 K-평균 클러스터링 알고리즘을 제시합니다. 이 알고리즘은 먼저 선수의 공수 성향에 따라 역할 스타일을 클러스터링한 다음, 플레이메이커를 식별할 때 패스 관련 기능을 적용하는 등 채용 분석가의 특정 요구 사항에 따라 하위 클러스터를 생성합니다.
각 클러스터에 속한 선수들의 기량을 비교하고 승리에 대한 기여도를 평가하기 위해 앤드류, 트래비스, 스콧은 농구 분석에 사용되는 박스 플러스-마이너스(BPM) 방법을 적용합니다. 여기에는 정규화된 조정 플러스-마이너스(RAPM)를 사용하여 각 선수의 팀 예상 득실차(xG) 차이에 대한 기여도를 추정하는 것이 포함됩니다. 이를 통해 분석은 팀의 성공을 위해 각 선수 집단이 뛰어나야 하는 각 기술의 수치적 중요성을 강조합니다.
앤드류는 텍사스 주 휴스턴에 위치한 Rice University에서 컴퓨터 공학을 전공하는 학부생으로, Rice Athletics 여자 축구팀의 데이터 분석가로도 활동하고 있으며, 트래비스가 보조 코치로 있는 백룸 팀에서 일하고 있습니다. NCAA 디비전 I에 출전하고 있는 Scott은 2023년 라이스 대학교 스포츠 경영학과에 스포츠 분석 조교수로 합류했습니다.
Matthew Hilton - 스코어보드 너머: 축구 선수의 행동을 평가하는 베이지안 접근법
개별 선수의 경기력을 분석하려면 각 선수의 득점 및 실점에 대한 기여도를 면밀히 조사해야 합니다. 하지만 경기 내에서 플레이어가 취할 수 있는 행동은 다양하므로 어떤 행동이 득점으로 이어질 가능성이 높고 실점으로 이어질 가능성이 낮다는 점에서 가장 가치 있는 행동은 무엇일까요?
Matt의 포스터는 축구 선수의 행동을 평가하기 위한 새로운 베이지안 프레임워크를 소개합니다. 이 프레임워크는 득점 예측에 의존하는 대신 각 골 득점 예측과 관련된 불확실성을 명시적으로 정량화하는 베이지안 기반 xG 모델을 기반으로 구축되었습니다. 이 프레임워크는 플레이어가 수행하는 모든 행동과 그것이 득점 및 실점 확률에 어떻게 기여하는지를 분석하도록 확장할 수 있습니다. 결정적으로, 데이터 분석가는 선수의 행동과 그 실행의 차이를 평가할 수 있습니다.
데이터 과학 석사 학위를 취득한 Matt는 현재 영국 바클레이즈에서 근무하고 있습니다. 은행의 데이터 과학 팀의 일원으로 모기지 포트폴리오의 재무 모델링 업무를 담당하고 있습니다.
Stats Perform 제안서를 제출해 주신 모든 분들께 감사드리며, 2024 Opta Forum 발표 또는 전시할 9개 그룹을 축하합니다.
