A decade of NFL Next Gen Stats innovation｜NFL次世代統計の10年間の革新

NFL次世代統計の10年にわたる革新 NFLの試合ごとに、RFID装備の22人の選手から数百万のトラッキングデータポイントが生成されます。AWS上で動作する75の機械学習モデルが、そのデータを1秒以内に処理し、フットボールをあらゆる動きが測定、モデル化、即時分析されるスポーツへと変えています。 共有 共有 リンクをコピー ![](https://assets.amazon.science/dims4/default/ac69b30/2147483647/strip/true/crop/200x200+0+0/resize/295x295!/quality/90/?url=http%3A%2F%2Famazon-topics-brightspot.s3.amazonaws.com%2Fscience%2Ffb%2Fac%2Fffa7635fe0614ab4c2e5eb855537%2Fa-decade-of-nfl-next-gen-stats-innovationqrcode) NFLにおける毎回のスナップ（プレー開始）は、膨大な物理データの奔流を引き起こします。22人の選手が瞬時に加速、衝突し、方向を変え、ボールは制御された混沌の中を軌跡を描きます。 しかし、このスポーツの歴史の大半において、その複雑さの多くは測定されませんでした。「フットボールは、100年以上にわたり、ボックススコア（試合記録）のゲームでした。獲得ヤード、タッチダウン、タックルの数などです…」と、NFL次世代統計のリサーチ＆アナリティクスシニアマネージャー、マイク・バンドは言います。 それらの数字が捉えられるのは、フィールド上で実際に起きたことのほんの一部に過ぎませんでした。コーチは試合の録画を熟視し、経験に基づいた推測をしました。ファンはスタンドやソファから議論を交わしました。審判は部分的で、しばしば視界が遮られた状態に基づいて、時折ジャッジメントコール（裁量判断）を行いました。「ボックススコアの統計を見ても、あるプレーでどの22人の選手がフィールドにいたかさえ分かりませんでした」と、NFLフットボールデータ＆アナリティクスシニアディレクター、マイク・ロペスは言います。 2015年、NFLはボックススコアを超えるものとして次世代統計（NGS）の立ち上げを決定しました。すべてのショルダーパッド一式とボール内部にRFIDチップが埋め込まれ、各スタジアムの周囲には20台以上の超広帯域レシーバーが設置されました。このシステムは、22人全選手の座標（1秒間に10回）とボールの座標（1秒間に25回）のストリーミングを開始しました。リーグ史上初めて、すべてのプレーのあらゆる瞬間において、数インチの精度で包括的な選手位置データを捕捉できるようになったのです。 最初は、各クラブは自チームのトラッキングデータにしかアクセスできませんでした。それが変化したのは2018年、チームがリーグ全体のデータにアクセスできるようになり、コーチ、スカウト、アナリストが共通の分析基盤に立った時です。また同年、リーグはAWSとのパートナーシップを正式化・深化させ、NGSがトラッキング実験からNFLの重要なインフラへと徐々に変貌を遂げる始まりとなりました。ライブ放送は、その最も目に見える表現に過ぎません。 今日、NGSはリーグ全体の意思決定の基盤となっています。クラブが選手を評価し、ゲームプランを設計する方法から、NFLがオフィシエイティング（審判業務）、選手の安全性、ルール変更を研究する方法まで。すべてのチーム、そしてリーグ自体の多くが、今や同じ、絶えず拡大するデータ基盤から作業を行っています。 しかし、始まりは単純なものだったとバンドは言います。「初期の指標は、得やすい成果（ロー・ハンギング・フルーツ）でした。選手間の距離、スピード、スローまでの時間など、当時持っていたデータから容易に導き出せるものでした。より複雑なゲーム指標のモデル化にははるかに多くの労力が必要で、そこにAWSが関わってきたのです。」 このパートナーシップが生み出した最初の複雑な統計は、2018年の「パス成功確率」でした。これは「パスの難易度を数値化できるか？」という単純な問いに答えるために構築されました。 その答えは、一部、AmazonのSageMakerプラットフォーム上でホストされたXGBoost機械学習（ML）モデルによってもたらされました。このモデルは、クォーターバックへのプレッシャーからスローの深さ、レシーバーの離脱距離、サイドラインへの近接性まで、スローの結果を形作る要因を組み合わせました。モデルは、可能性と難易度の両方を捉えた単一のパーセンテージを返しました。「それが私たちの機械学習への入り口となりました」とバンドは言います。 SageMakerを超えて、NFLの分析作業は幅広いAWSツール群へと拡大しました。その中にはAmazon Quickも含まれ、リーグはこれを使用してファン、アナリスト、放送パートナーにリアルタイムのインタラクティブな可視化と回答を提供しています。ロペスは、リーグのフットボールデータアナリティクスグループのメンバーについて「私たちは自らを『AWSショップ』と呼んでいます」と述べています。2018年までに、リーグ全体でのアクセスが整い、AWSのMLパイプラインが稼働するようになると、NGSはこのスポーツ全体におけるより深い問いを照らし始めました。 NFLの試合ごとに数百万の生トラッキングデータポイントが生成されますが、生のデータフィードは単なる基盤に過ぎません。真のデータの成長は、座標を利用可能なフットボールの洞察に変換するモデルからもたらされます。例えば、「プレッシャー確率」は、パスラッシュの各瞬間においてディフェンダーがクォーターバックに影響を与える可能性を推定し、十数以上の二次的な指標を生成します。 バンドの推定では、NGSは現在、1プレーあたり500から1000の統計を生成しています。システムの応答性を維持するためには、AWSのインフラストラクチャに依存して、データフィードを取り込み、モデルを実行し、チームや放送局に数秒以内に結果を返し、より深い分析のために広範なデータの宝庫を保存する必要があります。 Amazon Quick Sightダッシュボードの概要。NFLはAmazon QuickのエージェントAIとBI機能を利用して、ファン、アナリスト、放送パートナーにリアルタイムのインタラクティブな可視化と回答を提供しています。Amazon Quickの機能を活用し、NFLはCombine IQ、Draft IQ、Draft IQ Assistantといった体験を通じて、100万人以上のファンに選手のパフォーマンスやドラフト予測に関する洞察への前例のないアクセスを提供しました。 そのより深い分析のルーツは、2018年に始まった初の「ビッグデータボウル」にまで遡ります。ロペスが主導したこの取り組みは、選手トラッキングデータを外部の研究者に開放するリーグ初の大規模な試みとなり、どのディフェンダーが最も効果的に間合いを詰めるか、あるいはスロー後の選手の動きをどのように予測するかといった課題に取り組むよう彼らを招待しました。 数ヶ月にわたるハッカソンとして構成されるこの年次コンペティションは、参加者に過去のトラッキングデータでMLモデルを訓練し、未見のプレーへの一般化能力をテストするよう挑戦します。その重点は、次に何が起こるかを予測できるモデルへと、ますます置かれています。 初期の成功例は、2020年に開発された「期待値超過ラッシュヤード（RYOE）」でした。この指標は、実際に獲得したヤード数と、平均的なリーグの選手が同じ状況（ブロッカーとディフェンダーの位置、スピード、方向を考慮して）で獲得すると予測されるヤード数である「期待ラッシュヤード」との差を測定します。これは、特定のランがどれほど強力だったかを文脈化し、集計することで、ランニングバックが1試合または1シーズンを通じてどれだけうまくプレーしたかを理解するのに役立ちます。 RYOEはビッグデータボウルから全国放送へと素早く移行しました。ロペスは、2021年のNFCチャンピオンシップゲーム（バッカニアーズ対パッカーズ）で初めてそれが表示されるのを見た瞬間を回想します。「レナード・フォーネットが良いランを見せた直後に、彼の期待値超過ラッシュヤードを示すグラフィックがポップアップしました。それは優勝ソリューションを得てから10ヶ月も経っていない時でした。」彼は付け加えます。「私はテレビ画面の写真を撮り、同僚たちも私に彼らの写真を送ってきました。誇らしい瞬間でした。」 そのパイプラインにより、ビッグデータボウルはアイデアとデータサイエンス人材の両方の実証の場へと変わりました。最初の10年で、ビッグデータボウルはリーグの分析エコシステムの中心的な一部となりました。当時ニューオーリンズ・セインツのコーチだったショーン・ペイトンが2015年にサイドラインでのリアルタイムデータの台頭について冗談めかして言ったように、「MIT卒のコーチがもっと増えるってことだと思うよ。」 過去10年間で、NGSはオフェンス、ディフェンス、スペシャルチーム、ゲーム戦略にまたがる75以上のMLモデルのポートフォリオへと成長しました。その中でも、「タックル確率」と「ディフェンシブアラート」は、生のトラッキングデータがいかにしてチーム、放送局、ファンにとってより明確な洞察に変換されるかを、おそらく最もよく示しています。 タックル確率は、接触の瞬間にディフェンダーがタックルを完了する可能性を、スピード、角度、距離、レバレッジ（有利な体勢）、追跡を考慮して推定します。このデータにより、NGSは真のタックル機会を特定し、ミスタックルを定量化し、ディフェンダーがセーブした、または許したヤード数を計算することができます。 ディフェンシブアラートは、スナップ前のディフェンシブの配置と動きを評価します。

NFL次世代統計の10年間の革新

背景や根拠まで確認しますか？

調べる

選ぶ

サイト