Keterampilan Fakta Pertandingan Bundesliga: Mengukur kualitas pemain sepak bola menggunakan pembelajaran mesin di AWS

Stempel Waktu: 2 Maret 2022 10
Node Sumber: 1195672

Dalam sepak bola, seperti dalam banyak olahraga, diskusi tentang pemain individu selalu menjadi bagian yang menyenangkan. "Siapa pencetak gol terbaik?" atau “Siapa raja para pembela?” adalah pertanyaan yang terus diperdebatkan oleh penggemar, dan media sosial memperkuat perdebatan ini. Pertimbangkan saja bahwa Erling Haaland, Robert Lewandowski, dan Thomas Müller saja memiliki gabungan 50 juta pengikut di Instagram. Banyak penggemar mengetahui statistik luar biasa yang dibuat oleh pemain bintang seperti Lewandowski dan Haaland, tetapi cerita seperti ini hanyalah puncak gunung es.

Pertimbangkan bahwa hampir 600 pemain terikat kontrak di Bundesliga, dan setiap tim memiliki juaranya masing-masing—pemain yang diperkenalkan untuk membawa keterampilan khusus untuk digunakan dalam pertandingan. Lihat misalnya di Michael Gregoritsch dari FC Augsburg. Sampai tulisan ini dibuat (pekan 21), dia telah mencetak lima gol di musim 21/22, bukan sesuatu yang akan membuat siapa pun menyebut dia dalam percakapan tentang pencetak gol hebat. Tapi mari kita lihat lebih dekat: jika Anda mengumpulkan nilai gol yang diharapkan (xGoals) dari semua peluang mencetak gol yang dimiliki Gregoritsch musim ini, angka yang Anda dapatkan adalah 1.7. Ini berarti dia tampil berlebihan pada tembakan ke gawangnya sebesar +194%, mencetak 3.2 gol lebih banyak dari yang diharapkan. Sebagai perbandingan, Lewandowski tampil lebih baik dengan hanya 1.6 gol (+7%). Sungguh suatu prestasi! Jelas Gregoritsch membawa keahlian khusus ke Augsburg.

Jadi bagaimana kami menjelaskan semua cerita tersembunyi tentang pemain Bundesliga individu, keterampilan mereka, dan dampaknya pada hasil pertandingan? Masukkan Fakta Pertandingan Bundesliga baru yang didukung oleh AWS yang disebut Skill. Keterampilan telah dikembangkan melalui analisis mendalam oleh DFL dan AWS untuk mengidentifikasi pemain dengan keterampilan dalam empat kategori khusus: inisiator, finisher, pemenang bola, dan sprinter. Postingan ini memberikan penjelasan mendalam tentang keempat keterampilan ini dan membahas bagaimana penerapannya pada infrastruktur AWS.

Hal menarik lainnya adalah hingga saat ini Bundesliga Match Facts dikembangkan secara independen satu sama lain. Skill adalah Fakta Pertandingan Bundesliga pertama yang menggabungkan keluaran dari beberapa Fakta Pertandingan Bundesliga secara real time menggunakan arsitektur streaming yang dibangun Kafka Streaming Terkelola Amazon (AmazonMSK).

Pemrakarsa

Inisiator adalah pemain yang melakukan sejumlah besar assist pertama dan kedua yang berharga. Untuk mengidentifikasi dan mengukur nilai bantuan tersebut, kami memperkenalkan metrik baru xAssist. Ini dihitung dengan melacak umpan terakhir dan kedua terakhir sebelum tembakan ke gawang, dan menetapkan nilai xGoals masing-masing untuk tindakan tersebut. Inisiator yang baik menciptakan peluang dalam situasi yang menantang dengan berhasil menyelesaikan operan dengan tingkat kesulitan yang tinggi. Untuk mengevaluasi seberapa sulit menyelesaikan umpan yang diberikan, kami menggunakan yang ada xPass model. Dalam metrik ini, kami sengaja mengecualikan umpan silang dan tendangan bebas untuk fokus pada pemain yang menghasilkan peluang mencetak gol dengan assist tepat mereka dari permainan terbuka.

Skor keterampilan dihitung dengan rumus berikut:

Mari kita lihat penggagas Peringkat 1 saat ini, Thomas Müller, sebagai contoh. Dia telah mengumpulkan nilai xAssist 9.23 pada tulisan ini (matchday 21), yang berarti bahwa umpannya untuk pemain berikutnya yang menembak ke gawang telah menghasilkan nilai xGoal total 9.23. Rasio xAssist per 90 menit adalah 0.46. Ini bisa dihitung dari total waktu bermainnya musim ini, yang luar biasa—lebih dari 1,804 menit waktu bermain. Sebagai assist kedua, ia menghasilkan nilai total 3.80, yang diterjemahkan dalam 0.19 detik assist per 90 menit. Secara total, 38 dari 58 assist pertamanya merupakan umpan yang sulit. Dan sebagai assist kedua, 11 dari 28 umpannya juga merupakan umpan yang sulit. Dengan statistik tersebut, Thomas Müller telah melambungkan dirinya ke peringkat pertama dalam peringkat inisiator. Sebagai perbandingan, tabel berikut menyajikan nilai dari tiga teratas saat ini.

.. xBantuan xAssistper90 xSecondAssist xSecondAssistper90 SulitPassesAssisted SulitPassesAssisted2 Hasil akhir
Thomas Müller – Peringkat 1 9.23 0.46 3.80 0.18 38 11 0.948
Serge Gnabry – Peringkat 2 3.94 0.25 2.54 0.16 15 11 0.516
Florian Wirtz – Peringkat 3 6.41 0.37 2.45 0.14 21 1 0.510

Finisher

Seorang finisher adalah pemain yang sangat baik dalam mencetak gol. Dia memiliki efisiensi tembakan yang tinggi dan mencapai banyak gol sesuai dengan waktu bermainnya. Keterampilan didasarkan pada gol aktual yang dicetak dan perbedaannya dengan gol yang diharapkan (xGoals). Ini memungkinkan kita untuk mengevaluasi apakah peluang dimanfaatkan dengan baik. Mari kita asumsikan bahwa dua striker memiliki jumlah gol yang sama. Apakah mereka sama kuatnya? Atau apakah salah satu dari mereka mencetak gol dari keadaan mudah sementara yang lain selesai dalam situasi yang menantang? Dengan efisiensi tembakan, ini dapat dijawab: jika gol yang dicetak melebihi jumlah xGoals, seorang pemain memiliki performa yang berlebihan dan merupakan penembak yang lebih efisien daripada rata-rata. Melalui besarnya perbedaan ini, kita dapat mengukur sejauh mana efisiensi penembak mengalahkan rata-rata.

Skor keterampilan dihitung dengan rumus berikut:

Untuk finisher, kami lebih fokus pada gol. Tabel berikut memberikan tampilan lebih dekat pada tiga teratas saat ini.

.. Anda GolPer90 TembakanEfisiensi Hasil akhir
Robert Lewandowski – Peringkat 1 24 1.14 1.55 0.813
Erling Haaland – Peringkat 2 16 1.18 5.32 0.811
Patrik Schick – Peringkat 3 18 1.10 4.27 0.802

Robert Lewandowski telah mencetak 24 gol musim ini, yang menempatkan dia di tempat pertama. Meskipun Haaland memiliki efisiensi tembakan yang lebih tinggi, itu masih belum cukup untuk Haaland menjadi peringkat pertama, karena kami memberikan bobot yang lebih tinggi pada gol yang dicetak. Ini menunjukkan bahwa Lewandowski mendapat untung besar dari kualitas dan kuantitas assist yang diterima, meskipun dia mencetak gol dengan sangat baik. Patrick Schick telah mencetak dua gol lebih banyak dari Haaland, tetapi memiliki rasio gol per 90 menit yang lebih rendah dan efisiensi tembakan yang lebih rendah.

Pelari cepat

Pelari cepat memiliki kemampuan fisik untuk mencapai kecepatan tertinggi, dan melakukannya lebih sering daripada yang lain. Untuk tujuan ini, kami mengevaluasi kecepatan tertinggi rata-rata di semua pertandingan musim pemain saat ini dan menyertakan frekuensi sprint per 90 menit, di antara metrik lainnya. Sebuah sprint dihitung jika seorang pemain berlari dengan kecepatan minimum 4.0 m/s selama lebih dari dua detik, dan mencapai kecepatan puncak setidaknya 6.3 m/s selama waktu tersebut. Durasi sprint dicirikan oleh waktu antara pertama dan terakhir kali ambang 6.3 m/s tercapai, dan perlu setidaknya 1 detik untuk diakui. Sebuah sprint baru hanya dapat dianggap telah terjadi setelah kecepatannya turun di bawah ambang batas 4.0 m/s lagi.

Skor keterampilan dihitung dengan rumus berikut:

Rumusnya memungkinkan kita untuk mengevaluasi banyak cara kita dapat melihat sprint oleh pemain, dan melangkah lebih jauh dari sekadar melihat kecepatan tertinggi yang dihasilkan para pemain ini. Misalnya, Jeremiah St. Juste memiliki rekor musim saat ini 36.65 km/jam. Namun, jika kita melihat frekuensi sprint-nya, kita menemukan bahwa dia hanya melakukan sprint rata-rata sembilan kali per pertandingan! Alphonso Davies di sisi lain mungkin tidak secepat St. Juste (kecepatan tertinggi 36.08 km/jam), tetapi melakukan 31 sprint yang mengejutkan per pertandingan! Dia berlari lebih sering dengan kecepatan rata-rata yang jauh lebih tinggi, membuka ruang bagi timnya di lapangan.

Pemenang bola

Seorang pemain dengan kemampuan ini menyebabkan kerugian bola kepada tim lawan, baik secara total maupun sesuai dengan waktu bermainnya. Dia memenangkan banyak duel darat dan udara, dan dia sering mencuri atau mencegat bola, menciptakan kontrol bola yang aman untuk dirinya sendiri, dan kemungkinan bagi timnya untuk melakukan serangan balik.

Skor keterampilan dihitung dengan rumus berikut:

Sampai tulisan ini dibuat, pemenang bola pertama adalah Danilo Soares. Dia memiliki total 235 duel defensif. Dari 235 duel defensif, ia telah memenangkan 75, mengalahkan lawan secara langsung. Dia telah mencegat 51 bola musim ini dalam posisi bermainnya sebagai bek bertahan, memberinya tingkat kemenangan sekitar 32%. Rata-rata, ia mencegat 2.4 bola per 90 menit.

Contoh keterampilan

Fakta Pertandingan Bundesliga Keterampilan memungkinkan kami untuk mengungkap kemampuan dan kekuatan pemain Bundesliga. Peringkat Keterampilan menempatkan pemain dalam sorotan yang mungkin tidak diperhatikan sebelumnya dalam peringkat statistik konvensional seperti gol. Misalnya, ambil pemain seperti Michael Gregoritsch. Gregoritsch adalah striker untuk FC Augsburg yang menempati urutan keenam dalam peringkat finisher pada matchday 21. Dia telah mencetak lima gol sejauh ini, yang tidak akan menempatkan dia di puncak peringkat pencetak gol mana pun. Namun, ia berhasil melakukannya hanya dalam 663 menit bermain! Salah satunya adalah gol penyama kedudukan di menit ke-97 yang membantu Augsburg terhindar dari kekalahan tandang di Berlin.

Melalui Skill Fakta Pertandingan Bundesliga, kita juga bisa mengenali berbagai kualitas dari setiap pemain. Salah satu contohnya adalah bintang Dortmund Erling Haaland, yang juga telah mendapatkan lencana sprinter dan finisher, dan saat ini berada di urutan keenam di antara sprinter Bundesliga.

Semua metrik ini didasarkan pada data pergerakan pemain, data terkait gol, data terkait aksi bola, dan data terkait operan. Kami memproses informasi ini dalam saluran data dan mengekstrak statistik relevan yang diperlukan per keahlian, memungkinkan kami menghitung perkembangan semua metrik secara real time. Banyak dari statistik yang disebutkan di atas dinormalisasi oleh waktu di lapangan, memungkinkan pertimbangan pemain yang memiliki sedikit waktu bermain tetapi tampil luar biasa baik saat mereka bermain. Kombinasi dan bobot metrik digabungkan menjadi satu skor. Hasilnya adalah peringkat untuk semua pemain pada empat keterampilan pemain. Pemain dengan peringkat 10 besar menerima lencana keterampilan untuk membantu penggemar dengan cepat mengidentifikasi kualitas luar biasa yang mereka bawa ke skuat mereka.

Implementasi dan arsitektur

Fakta Pertandingan Bundesliga yang telah dikembangkan hingga saat ini tidak tergantung satu sama lain dan hanya mengandalkan penyerapan data posisi dan peristiwa, serta perhitungannya sendiri. Namun, ini berubah untuk Keterampilan Fakta Pertandingan Bundesliga yang baru, yang menghitung peringkat keterampilan berdasarkan data yang dihasilkan oleh Fakta Pertandingan yang ada, seperti xGoals atau xPass. Hasil dari satu event, mungkin gol yang luar biasa dengan peluang masuk yang rendah, dapat memiliki dampak yang signifikan pada peringkat skill finisher. Oleh karena itu, kami membangun arsitektur yang selalu memberikan peringkat keterampilan terbaru setiap kali ada pembaruan pada data yang mendasarinya. Untuk mencapai pembaruan keterampilan secara real-time, kami menggunakan Amazon MSK, layanan AWS terkelola untuk Apache Kafka, sebagai streaming data dan solusi pengiriman pesan. Dengan cara ini, Fakta Pertandingan Bundesliga yang berbeda dapat mengomunikasikan acara dan pembaruan terbaru secara real time.

Arsitektur yang mendasari Skill terdiri dari empat bagian utama:

  • An Kluster Amazon Aurora Tanpa Server menyimpan semua output dari fakta pertandingan yang ada. Ini termasuk, misalnya, data untuk setiap operan (seperti xPass, pemain, penerima yang dituju) atau tembakan (xGoal, pemain, gol) yang telah terjadi sejak diperkenalkannya Fakta Pertandingan Bundesliga.
  • Sebuah pusat AWS Lambda fungsi menulis output Fakta Pertandingan Bundesliga ke dalam database Aurora dan memberi tahu komponen lain bahwa telah ada pembaruan.
  • Fungsi Lambda untuk setiap keterampilan individu menghitung peringkat keterampilan. Fungsi-fungsi ini berjalan setiap kali data baru tersedia untuk perhitungan keterampilan tertentu.
  • Cluster Amazon MSK Kafka berfungsi sebagai titik pusat komunikasi antara semua komponen ini.

Diagram berikut menggambarkan alur kerja ini. Setiap Fakta Pertandingan Bundesliga segera mengirimkan pesan acara ke Kafka setiap kali ada pembaruan untuk suatu acara (seperti nilai xGoals yang diperbarui untuk acara pemotretan). Fungsi pengirim pusat Lambda secara otomatis dipicu setiap kali Fakta Pertandingan Bundesliga mengirim pesan seperti itu dan menulis data ini ke database. Kemudian mengirimkan pesan lain melalui Kafka yang berisi data baru kembali ke Kafka, yang berfungsi sebagai pemicu untuk fungsi perhitungan keterampilan individu. Fungsi-fungsi ini menggunakan data dari peristiwa pemicu ini, serta klaster Aurora yang mendasarinya, untuk menghitung dan memublikasikan peringkat keterampilan terbaru. Untuk melihat lebih mendalam tentang penggunaan Amazon MSK dalam proyek ini, lihat posting blog Set Piece Threat.

Kesimpulan

Dalam posting ini, kami mendemonstrasikan bagaimana Keterampilan Fakta Pertandingan Bundesliga yang baru memungkinkan untuk membandingkan pemain Bundesliga secara objektif pada empat dimensi pemain inti, membangun dan menggabungkan Fakta Pertandingan Bundesliga sebelumnya secara waktu nyata. Hal ini memungkinkan komentator dan penggemar untuk mengungkap kemampuan pemain yang sebelumnya tidak diketahui dan menjelaskan peran yang dipenuhi oleh berbagai pemain Bundesliga.

Fakta Pertandingan Bundesliga yang baru adalah hasil analisis mendalam oleh pakar sepak bola Bundesliga dan ilmuwan data AWS untuk menyaring dan mengkategorikan kualitas pemain sepak bola berdasarkan data kinerja objektif. Lencana keterampilan pemain ditampilkan di daftar pemain dan di halaman detail pemain di aplikasi Bundesliga. Dalam siaran, keterampilan pemain diberikan kepada komentator melalui pencari cerita data dan ditampilkan secara visual kepada penggemar saat pergantian pemain dan saat seorang pemain naik ke peringkat 10 teratas masing-masing.

Kami harap Anda menikmati Fakta Pertandingan Bundesliga yang baru ini dan memberi Anda wawasan baru tentang permainan. Untuk mempelajari lebih lanjut tentang kemitraan antara AWS dan Bundesliga, kunjungi Bundesliga di AWS!

Tentang Penulis

Simon Rolfes memainkan 288 pertandingan Bundesliga sebagai gelandang tengah, mencetak 41 gol dan memenangkan 26 caps untuk Jerman. Saat ini Rolfes menjabat sebagai Direktur Olahraga di Bayer 04 Leverkusen di mana dia mengawasi dan mengembangkan daftar pemain pro, departemen kepanduan dan pengembangan pemuda klub. Simon juga menulis kolom mingguan di Bundesliga.com tentang Fakta Pertandingan Bundesliga terbaru yang didukung oleh AWS

Luuk Figdor adalah Spesialis Teknologi Olahraga Senior di tim Layanan Profesional AWS. Dia bekerja dengan pemain, klub, liga, dan perusahaan media seperti Bundesliga dan Formula 1 untuk membantu mereka bercerita dengan data menggunakan pembelajaran mesin. Di waktu luangnya, dia suka mempelajari semua tentang pikiran dan persimpangan antara psikologi, ekonomi, dan AI.

Pascal Kuhner adalah Pengembang Aplikasi Cloud di Tim Layanan Profesional AWS. Dia bekerja dengan pelanggan di seluruh industri untuk membantu mereka mencapai hasil bisnis mereka melalui pengembangan aplikasi, DevOps, dan infrastruktur. Dia sangat bersemangat tentang olahraga dan menikmati bermain bola basket dan sepak bola di waktu luangnya.

Tareq Haschemi adalah konsultan dalam AWS Professional Services. Keahlian dan bidang keahliannya meliputi pengembangan aplikasi, ilmu data, pembelajaran mesin, dan data besar. Berbasis di Hamburg, ia mendukung pelanggan dalam mengembangkan aplikasi berbasis data di dalam cloud. Sebelum bergabung dengan AWS, beliau juga menjadi konsultan di berbagai industri seperti penerbangan dan telekomunikasi. Dia bersemangat untuk memungkinkan pelanggan dalam perjalanan data/AI mereka ke cloud.

Jakub Michalczyk adalah Ilmuwan Data di Sportec Solutions AG. Beberapa tahun yang lalu, dia memilih pelajaran matematika daripada bermain sepak bola, karena dia sampai pada kesimpulan, dia tidak cukup baik dalam hal yang terakhir. Sekarang ia menggabungkan kedua hasrat ini dalam karir profesionalnya dengan menerapkan metode pembelajaran mesin untuk mendapatkan wawasan yang lebih baik tentang permainan yang indah ini. Di waktu luangnya, ia masih menikmati bermain sepak bola tujuh lawan satu, menonton film kriminal, dan mendengarkan musik film.

Javier Poveda-Panter adalah Ilmuwan Data untuk pelanggan olahraga EMEA dalam tim Layanan Profesional AWS. Dia memungkinkan pelanggan di bidang olahraga penonton untuk berinovasi dan memanfaatkan data mereka, memberikan pengalaman pengguna dan penggemar berkualitas tinggi melalui pembelajaran mesin dan ilmu data. Dia mengikuti hasratnya untuk berbagai olahraga, musik, dan AI di waktu luangnya.

Stempel Waktu:

Lebih dari Pembelajaran Mesin AWS