O que Big data e NFL tem em comum? Descubra

O que Big data e NFL tem em comum? Descubra

A National Football League (NFL) é a liga esportiva mais popular dos Estados Unidos e reúne 32 times de jogadores profissionais de futebol americano.

As temporadas da NFL começam com quatro semanas de pré-temporada, uma espécie de aquecimento, seguidas por dezessete semanas de temporada regular onde cada time joga dezesseis partidas. Em seguida temos os playoffs eliminatórios com doze times que terminam na grande final do campeonato conhecida como Super Bowl.

Assim como muitas outras organizações esportivas, a NFL usa dados para analisar o desempenho dos times e jogadores. Atualmente, sensores são instalados nas ombreiras dos jogadores e nos estádios e coletam dados detalhados sobre a localização de cada jogador. A partir desses dados temos informações sobre aceleração do jogador, velocidade e posicionamento no campo. Recentemente as bolas também receberam sensores para mostrar exatamente o quão longe elas são lançadas.

Considerando que cada um dos 32 times devem ter no mínimo 46 jogadores, temos pelo menos 1.472 sensores gerando dados dos jogadores. Se considerar outros sensores espalhados pelo campo e nas bolas esse número é ainda maior. Agora perceba a quantidade de dados que são gerados a cada segundo por esses sensores e tente imaginar uma tecnologia que permita o processamento dessa grande massa de dados: Sim, vamos falar sobre Big Data.

O termo Big Data refere-se a conjuntos de dados muito grandes e complexos que o processamento tradicional não consegue lidar e baseia-se em 5 V´s: velocidade, volume, variedade, veracidade e valor. É aqui que está o grande diferencial do Big Data, ao analisar esses grandes conjuntos de dados de forma adequada é possível encontrar novas correlações e conseguir informações que não estavam disponíveis antes.

A NFL não é novata no uso de Big Data. Na verdade, várias ligas esportivas já utilizam estatísticas há muitos anos. Muito antes do termo Big Data existir, essas ligas já processavam grandes volumes de dados. A diferença é que agora abraçaram a tecnologia e investem em recursos humanos e computacionais especializados nessa tecnologia.

Os dados coletados são utilizados para as mais diversas finalidades. Um bom exemplo de dados que já são utilizados há tempos, é a quantidade de vezes que um jogador foi negociado e o número de lesões que ele sofreu e como isso afeta na escolha do treinador. Além disso, os técnicos podem aproveitar esses dados para definir estratégias de jogo e medir com que frequência essas estratégias funcionaram além de avaliar se ao longo do tempo um jogador está evoluindo ou não.

Não seria exagero dizer que os dados de rastreamento de jogadores serão a próxima corrida armamentista analítica na NFL. Porém, a implementação bem-sucedida exigirá uma disposição da alta gerência de investir tanto na tecnologia quanto nas pessoas necessárias para trabalhar com os dados.

Em temporadas anteriores, as equipes mantinham informações de rastreamento apenas em seus próprios jogadores. Agora a NFL disponibiliza dados de rasteamento de todos os jogadores da liga.

Os benefícios a longo prazo podem revelar informações muito mais valiosas e acredita-se que as equipes que fizerem bom uso desses dados, conseguirão vantagem competitiva significativa.

Os modelos de aprendizado de máquina por exemplo, poderão produzir informações como previsão de taxas de acerto de lançamentos e conclusão de jogadas, percentual de acerto em táticas de defesa, capturas de bola acima da expectativa e muito mais.

Não há limites para a quantidade de dados que podem ser coletados. Um exemplo disso é que além de coletar dados das partidas, algumas equipes também instalaram os sensores em suas instalações de treinamento para rastrear a carga de trabalho dos jogadores. Dessa forma, podem ter mais dados para entender outros aspectos como a saúde e prevenção de lesões para cada jogador. O que pode ser muito valioso para os clubes.

Outra aplicação interessante é usar os dados para entender melhor o rendimento dos jogadores ao longo do tempo. Fazer uma análise da curva de idade e rendimento de um jogador pode revelar informações importantes sobre como a idade afeta o desempenho do atleta. Atualmente existe uma ideia generalizada que a partir de determinada idade o rendimento do atleta piora, mas é bom lembrar que nem todos envelhecem da mesma forma.

Em breve, cada equipe poderá ter um vasto banco de dados e as empresas especializadas no ramo terão um papel importante no processo de transformar os dados em informações com valor agregado.

Muitos acreditam que os dados de rastreamento dos jogadores revelarão insights significativos que podem impactar as estratégias das equipes e mudar o jogo.

É difícil prever como essa enxurrada de novos dados afetará o jogo, mas uma coisa é certa: O uso de Big Data já é uma realidade e já está sendo utilizado por algumas equipes para conseguir vantagem estratégica nos jogos.

A corrida pelo novo ouro, os dados, já começou. E você, está preparado?

Autor: Geovan Salvato Borges

Leave a Reply

Your email address will not be published.