Die NHL übernimmt Gewinnwahrscheinlichkeiten im Spiel für Übertragungen, ein bedeutender Sprung für die Liga in Bezug auf Datenanalyse und Technologie.
„Face-off Probability“ verwendet Daten, die von NHL Edge, der Puck- und Spieler-Tracking-Technologie der Liga, gesammelt wurden, um ein Diagramm zu erstellen, das die Chancen anzeigt, dass ein Spieler ein Bully gewinnt oder ein Team ein Bully gewinnt Puck.
Es ist eine der ersten maschinellen Lernstatistiken, die die Liga in Zusammenarbeit mit Amazon Web Services entwickelt hat, deren künstliche Intelligenz im Spiel Wahrscheinlichkeiten mit einer Geschwindigkeit von weniger als einer Sekunde erstellen kann.
„Dies ist das erste Mal, dass die NHL und AWS zusammenkommen, um etwas aufzubauen, das einem Ereignis vorausgeht und eine Wahrscheinlichkeit dafür liefert, ob dieses Ereignis stattfinden wird oder nicht“, sagte Dave Lehanski, NHL Executive Vice President für NHL, gegenüber ESPN und Innovation. Montag. „Normalerweise nehmen wir Daten von einer Veranstaltung und analysieren sie schnell, um eine Art von Informationen zu präsentieren. Auch wenn wir dies in Echtzeit tun, haben wir dies noch nicht vor einer Veranstaltung getan.“
Priya Ponnapalli, Senior Manager bei Amazon Machine Learning Solutions Lab, sagte, dass Face-off Probability mehr als 70 verschiedene Datenpunkte aus historischen und In-Game-Statistiken sowie Kontextdaten verwendet. Ponnapalli sagte, dass die künstliche Intelligenz 10 Jahre an Bully-Ergebnissen benötigt – mehr als 200.000 Unentschieden für alle Spieler in der Liga heute – und Daten verwendet, die die Erfolgsquote eines Spielers basierend auf dem Bully-Ort, Heim- und Auswärtsspielen und Geschichte vs. konkrete Gegner. Dabei werden auch personenbezogene Daten wie Seitenlage, Größe und Gewicht berücksichtigt.
Die NHL fügt dann In-Game-Face-Off-Statistiken hinzu, um die Daten zu ergänzen. In historischen und In-Game-Statistiken gibt es zusätzlichen Kontext wie Spielsituationen, Punktzahl und Zeitpunkt, zu dem Anspiele stattfanden.
Die künstliche Intelligenz verwendet das Spieler-Tracking-System der NHL, um zu bestimmen, wer das Duell beider Teams bestreiten könnte, und führt diese Daten dann sofort aus, um eine Wahrscheinlichkeit zu erstellen, die mit Sendern und Fans geteilt wird.
Ponnapalli sagte, dass es im Vergleich zu anderen Sportarten, mit denen AWS gearbeitet hat, Herausforderungen bei der Entwicklung dieser Technologie für Hockey gibt.
„Das Anspiel-Vorhersagemodell muss flexibel sein, um Vorhersagen zu generieren, wenn sich die Spielsituation ändert“, sagte sie. „Wenn beispielsweise ein Spieler aufgrund eines Verstoßes aus dem Anspiel ausgeschlossen wird, sollten Vorhersagen für ein neues Spiel basierend auf Echtzeit-Streaming-Sensordaten aktualisiert werden. Vorhersagen erfolgen auch mit Latenzen von weniger als einer Sekunde und werden jederzeit ausgelöst . All diese Komplexität musste integriert werden, und die resultierende Lösung musste flexibel sein.“
Die NHL glaubt, dass ihre Tracking-Technologie eine Möglichkeit bietet, die Fans über das Spiel aufzuklären und den Sendern mehr Möglichkeiten zum Geschichtenerzählen zu bieten. Lehanski sagte, mit 50 bis 70 Bullys pro Spiel und bis zu 20 Sekunden zwischen einer Spielunterbrechung und dem Bully sollte es viele Gelegenheiten zum Geschichtenerzählen geben.
„Wenn es ein wichtiges kritisches Faceoff gibt, möchten wir in der Lage sein, eine Wahrscheinlichkeit dafür zu zeigen, wer gewinnen könnte und wie sich diese Wahrscheinlichkeit ändern könnte, wenn jemand anderes das Faceoff übernimmt. Das wäre unglaublich überzeugend und wirklich wertvoll für den Zuschauer“, sagte er .
Mit dieser Statistik des maschinellen Lernens, die jetzt vorhanden ist, sagte Lehanski, dass die zugrunde liegende Technologie auf andere Aspekte des Eishockeys angewendet werden könnte, um Wahrscheinlichkeiten und Vorhersagen für Übertragungen zu erstellen.
„Nehmen Sie historische Daten, kombinieren Sie sie mit echten Live-Daten im Spiel, verarbeiten Sie sie, um Analysen oder Wahrscheinlichkeiten zu entwickeln, und zeigen Sie sie dann in weniger als einer Sekunde als Diagramm auf dem Bildschirm an“, erklärte er. „Es öffnet uns definitiv die Tür zu unbegrenzten Möglichkeiten, die Art und Weise zu erweitern, wie wir alle Ereignisse sehen, die im Zusammenhang mit einem Hockeyspiel stattfinden.“
Diese Quoten und alle von der NHL Edge-Technologie gesammelten Daten haben eine weitere faszinierende Anwendung: Sportwetten.
Die NHL prognostiziert, dass Sportwetten schließlich zusätzliche Wetten rund um die aus der Spielerverfolgung gesammelten Daten erstellen werden. Die Liga hat formelle Datenlizenzvereinbarungen mit MGM Resorts International, FanDuel, William Hill und PointsBet. Es hat auch eine 10-Jahres-Vereinbarung mit Sportradar als offiziellem Wettdaten-Rechte- und Integritätspartner der NHL.
Lehanski sagte, „die Technologie ist da, um auf Bullys zu wetten“, aber er warnte davor, dass diese Art des Wettens zum jetzigen Zeitpunkt nur eine Möglichkeit sei.
„Wenn es da draußen ein Wettunternehmen gibt, das Faceoffs eine neue Art von Wette zuweisen möchte und wir erfassen können, um eine Quote für das Spiel zu entwickeln, basierend auf der Wahrscheinlichkeit des Ergebnisses, dann gibt es theoretisch ein ziemlich langes Fenster durch ein Handy App können Sie einen Knopf drücken und entscheiden, ob Sie auf das Ergebnis eines Bully wetten möchten oder nicht“, sagte er.
Lehanski sagte, die Herausforderungen für Echtzeitwetten wie Face-offs seien die Zeitunterschiede zwischen Wetten, die in einer Arena oder von Fans zu Hause abgegeben werden, die eine Show mit einer Verzögerung von mehreren Sekunden verfolgen, sowie ob die NHL niemals Wetten auf Ergebnisse zulassen würde wie Face-offs.