スポーツインテリジェンスの台頭：レイクハウスがいかにして追跡データを競争優位に変えるか

プロバスケットボールの試合では、毎秒20,000以上のデータポイントがHawk-Eyeカメラから生成されます。48分間の試合全体では、数千万もの位置測定データになります。このデータストリームの中には、チームが熱心に追求する疑問への答えが隠されています。例えば、怪我の予防、より精密なスカウティング、プレーの分析、ラインナップの最適化、さらにはシュートメカニクスの微調整などです。難しいのは、これらの疑問に大規模かつ確実に答えるデータプラットフォームとAIモデルを構築することです。これらのシステムは、コート上、ロッカールーム、そしてオフィスで起こることを変えるのに十分な速さである必要があります。

プロスポーツ全体で、生体力学データとトラッキングデータの量はかつてないほど増加しています。しかし、ほとんどの組織がこのデータを実際に活用して主要なユースケースを解決する能力はほとんど進展していません。Databricks Data + AI Platformは、スポーツデータチームがこのギャップを埋めるのを支援し、チームが選手やコーチのために新しいSports Intelligence機能を構築する機会を生み出します。これにより、チームは膨大なデータに秘められた価値を最終的に引き出すことができます。Databricksは、チームが選手をより健康に保ち、より多くの試合に勝ち、パフォーマンスを向上させ、エコシステム全体でより効率的に運営できるよう支援します。

データ爆発

2023年3月、NBAはSecond Spectrumの重心ベースの選手トラッキングを、ソニーHawk-EyeのSkeleTRACKシステムに置き換え、全29アリーナに導入しました。新しいフィードは、各選手と審判の29の骨格関節を、コート上の13人について毎秒60回サンプリングして捕捉します。これは、毎秒約22,620回の位置更新に相当し、48分間の試合あたり約6,500万レコード、プレーオフや練習を含めない82試合のレギュラーシーズン全体で約800億レコードに達します。

これは画期的な進歩であり、SkeleTRACKデータはこれまでのものより約2桁豊富で、初めてリアルタイムで完全な3D姿勢を捉えます。このデータが解き放つのは、「オブジェクト検出」や「コンピュータービジョン」ではありません。それらは手段に過ぎません。実際の成果は、チームが重視する以下の点です。

• シューターのメカニクスが、疲労によって肘の角度やリリース高さが変化する試合終盤でどのように変わるかを理解する。
• ACLやアキレス腱の損傷に先行する、動きのパターンの微妙な変化を検出する。
• ディフェンスの戦術、ディフェンダーの近接度、実行されている特定のプレーがシュート精度をどのように変化させるかを定量化する。
• 試合間の生体力学的負荷を比較し、休息の決定を最適化し、怪我を減らす。
• 各アスリート独自のメカニクスを成功/失敗の結果にマッピングすることで、一般的なトレーニングモデルを強制するのではなく、スキル開発をパーソナライズする。
• 役割とポジションに特化した動きのプロファイルを設計し、チームがそのシステムに合う生体力学を持つ選手をドラフトし、トレードし、育成できるようにする。

トラッキング層は、スポーツ全体で統合されつつあります。Hawk-Eyeはすでにプレミアリーグ、テニスの4大グランドスラム、クリケットのDRS、MLBのStatcast、NASCAR、フォーミュラ1に導入されています。NHLはパックと選手トラッキングのパートナーシップを拡大しており、生体力学的拡張が次の明白なステップであり、NFLもそれに密接に追随しています。スポーツ組織が1つのスポーツのためにHawk-Eyeで構築する基盤は、その組織が関わるすべてのスポーツで役立つでしょう。

Hawk-Eyeはチームにデータフィードを提供しますが、答えは提供しません。問題は、そのデータをどう活用するかです。

統合のギャップ

現代のプロスポーツ組織では、分析スタックは複数のプロバイダーのコンポーネントに分散していることがよくあります。トラッキングデータはあるベンダーに、ウェアラブルデータは別のベンダーに、ビデオは別の場所に、対戦相手のスカウティングとイベントラベルはさらに別のプロバイダーに、そして怪我の分析はまた別のプロバイダーに存在します。これにデータの規模が加わると、業界全体で複数の課題が生じる可能性があります。

• 「真実」のサイロ化。パフォーマンスチーム、医療スタッフ、コーチングスタッフはそれぞれ、同じ選手データについて独自の（しばしば矛盾する）「バージョン」に基づいて作業しており、調整には数週間かかることがあります。
• 複合的な遅延。ベンダー間の各ステップで遅延が発生します。一部の質問はベンチでリアルタイムの回答を必要とし、他の質問は妥当なコストで朝までに利用可能であれば十分ですが、ほとんどのチームはどちらも確実に達成するのに苦労しています。
• ガバナンスと信頼できるラベルの欠如。誰が何にアクセスできるのか？予測を生成した医療記録、ウェアラブルファイル、カメラフレームに遡って追跡できますか？外部ベンダーからのイベントラベルが時々間違っていると知っていても、それを信頼できますか？ほとんどのチームは、問題点を十分に認識しながらも、現在のツールに制約されているため、それらのラベルを使い続けています。
• アリーナ間の調整。カメラの位置、コートの形状、キャリブレーションのずれは会場によって異なります。生のHawk-Eye出力でさえ、試合間で比較可能にするためには正規化が必要です。
• スケールしないコンピューティング。1試合あたり953,000フレームというデータ量は、従来のデータウェアハウステーブルの実用性を超えています。スポーツデータサイエンスチームは、日常的にノートパソコンでローカルのPythonに頼り、サンプルをダウンロードして、そのサンプルが代表的であることを期待しています。

これらは、別のポイントソリューションで解決できる問題ではありません。断片化のコストは、見逃された怪我の兆候、遅い試合中の意思決定、そしてトラッキングデータと病歴、ワークロード、対戦相手の傾向を組み合わせた真のクロスドメイン分析を実行できないこととして現れます。欠けているのは別のツールではありません。チームが必要としているのは、これらすべてのツールとデータストリームが集約できる、ガバナンスの効いたデータとAIプラットフォームです。

レイクハウス上のSports Intelligence

The Databricks Data + AI Platformは、組織のトラッキング、ウェアラブル、ビデオ、スカウティング、医療、運用、ファンエンゲージメントの各システムが単一のガバナンスされた環境に統合される、構成可能な中心です。これにより、チームはこれらのシステムの出力を、タイムアウト中のコーチ、研究室の生体力学者、トレード期限のGMが利用できるものに変えるための基盤を得ることができます。

概要:

取り込み (Ingest)。 Lakeflowは、Hawk-Eye、ウェアラブル、イベントフィードのストリーミング取り込みを試合の速度で処理します。Auto Loaderと宣言型パイプラインにより、チームはカスタムのSparkを手動で記述することなく、本番環境での取り込みを立ち上げることができます。これは、分析組織が少人数であることが多い業界では重要です。

整理 (Organize)。 メダリオンアーキテクチャは、生データを段階的に洗練させ、利用可能なインサイトへと変換します。Bronze層は連続的な60 Hzフレームをキャプチャします。Silver層はイベントカタログであり、ポゼッション、ショット、スクリーン、ディフェンスのマッチアップなどを含み、カメラ出力とアリーナキャリブレーションが適用されたフレーム範囲と関連付けられます。Gold層は、モデルとダッシュボードを駆動する分析準備が整った特徴量レイヤーです。

統制 (Govern)。 Unity Catalogは、データとAIの資産全体にわたるリネージ、アクセス制御、監査可能性を提供します。これは、医療データがパフォーマンスデータと並んで存在する場合に重要です。同様に重要なのは、データの品質と信頼性です。リネージと品質監視により、チームはどのイベントラベルを信頼しているか、どのアリーナのキャリブレーションがずれているか、どのダウンストリームモデルがどのフィードでトレーニングされたかを証明できます。このような来歴は、データに基づいて実際の意思決定を行うための前提条件ですが、今日のほとんどのチームはこれを持ち合わせていません。

分析 (Analyze)。 ショット確率、怪我のリスク、疲労度指数などのMLモデルは、同じプラットフォーム内でトレーニングされます。Model Servingがそれらをデプロイします。AI Searchは、ビデオカタログを類似性でクエリ可能にし、コーチが手動でテープをスクラブすることなく、第4クォーターでのスイッチディフェンスに対するすべてのコンテストされた3ポイントシュートを見つけられるようにします。単一のインターフェースを通じて、チームは放送映像からの怪我検出のようなビジョン言語タスクのために外部の基盤モデルにアクセスしたり、独自のカスタムモデルやオープンソースモデルを入れ替えたりすることもできます。これは、プロスポーツ全体のアナリティクスリーダーによってすでに使用されているワークフローです。

提供 (Serve)。 Lakebaseは、インタラクティブ層にサブ秒のクエリレイテンシーをもたらし、アナリスト向けのアプリケーションやコートサイドのダッシュボードがウェアハウスを待つことがないようにします。Databricks Appsは、高度なスポーツチームが必要とするカスタム分析アプリケーションをホストします。例えば、3D生体力学ビューア、ベンチサイドのiPadアプリ、フロントオフィス評価ツールなどです。これらは、データを生成するのと同じガバナンスされたプラットフォーム上で実行され、個別のホスティングスタックは不要です。

民主化。 Databricks Genie を使用すると、コーチ、トレーナー、フロントオフィススタッフは自然言語で質問（「過去10試合で、スターティング5の第3クォーターのシュートメカニクスはゾーンディフェンスに対してどのように変化しましたか？」）を投げかけ、「その場」で回答を得ることができます。AIエージェントは、これらの質問の背後にある多段階のワークフローを処理し、かつてはアナリストが常駐して行っていた結合やロールアップを実行します。

重要なのは、置き換えではなく構成可能性です。すでにHawk-Eyeを導入しているチームはHawk-Eyeを使い続け、Catapultを導入しているチームはCatapultを使い続けます。レイクハウスは、これらの投資の成果を相互運用可能にし、ガバナンスを効かせ、十分に高速に利用できるようにします。

可能になること

検討に値する3つの成果があります。他にもありますが、これらは私たちが最もよく耳にするものです。

1. 負傷予防と負荷管理

主要なすべてのスポーツリーグにおいて、選手の出場可否は最優先事項であり、注目選手の負傷は、圧倒的なパフォーマンスと同じくらい見出しを飾ります。今日、ほとんどのチームは受動的に対応しています。スター選手がプレー中に負傷し、医療スタッフが診断し、選手は欠場します。予測に必要なデータ（生体力学的非対称性、着地負荷のデルタ、累積ワークロード）はフィード内に存在します。しかし、ほとんどの組織では、複数のベンダーのデータを統合するプラットフォームがありません。

ガバナンスの効いた単一のプラットフォームで、Hawk-Eyeの骨格データとワークロード、病歴、プレーごとのコンテキストを統合することで、チームは単一のシステムでは捉えられない警告サインを認識できます。ACL断裂の数日前の動きのパターンの異常。アキレス腱のリスクと関連する両側性非対称性。医療スタッフが重視する選手固有の閾値を超える累積的な高強度負荷。受動的から能動的への転換であり、これはトレーニングスタッフが自信を持ってヘッドコーチやGMに持ち込める議論です。

2. リアルタイムのコーチングインテリジェンス

タイムアウト中、アシスタントはiPadで現在のマッチアップ分析を表示します。相手のスイッチディフェンスに対して、どのラインナップが効率的なシュートを生み出しているか？ディフェンダーの近接度が、シューターのリリースポイントにどう影響しているか？今夜実行しているプレーのうち、どのプレーが機械的にきれいに実行され、どのプレーが第4クォーターまでに劣化しているか？ボックススコアが示す以上に、特定のディフェンダーがオフェンスのメカニクスをどの程度妨害しているか？

この機能は、サブ秒単位のデータ提供とカスタムアプリの上に構築されており、コーチやトレーナーが見るものを信頼できるほど、ガバナンスが効いてクリーンなデータが必要です。ほとんどのコーチやトレーナーはSQLを書きません。Genieはインターフェースを自然言語にし、アプリは目的に特化した体験を提供します。Unity Catalogは回答の追跡可能性を確保します。AIを活用したインサイトは、それを必要とするすべてのスタッフメンバーが利用できるようになり、同時にアナリティクスチームには、それらの回答が信頼でき、確実に利用可能であることを自信を持って保証するためのツールが提供されます。

3. ファンと放送体験の向上

NBAの2024年クリスマスデーの試合は、SkeleTRACKデータに基づいて構築されたリーグ初の完全アニメーション放送でした。これは概念実証でした。このプラットフォームは、その制作モデルを現実のものにします。放送局は、ライブゲーム中にリアルタイムの生体力学的オーバーレイをレンダリングできます。ファンタジーおよびベッティングパートナーは、Delta Sharingを介して、ガバナンスの効いた豊富なフィードを利用できます。新しいフォーマット（生体力学的コンテキストを含む3Dリプレイ、AI生成のハイライトパッケージ、インタラクティブなセカンドスクリーン体験）は、インフラストラクチャの問題ではなく、デザインの問題になります。

負傷リスクモデルを実行するレイクハウスは、放送フィードを生成するレイクハウスと同じです。それがプラットフォームの役割であり、スポーツ組織は、単一の環境から両方を行えることを期待すべきです。

バスケットボールとその先へ

このパターンは、トラッキングが豊富なすべてのスポーツに一般化されます。サッカーのHawk-Eyeは、VAR、半自動オフサイド、戦術分析を強化します。MLBのKinaTraxピッチング生体力学は、それ自体で10億ドル規模の問題であるUCL損傷予防を推進します。テニスのサーブメカニクス、クリケットのボウリングアクション、そしてNFLに到来する次世代の骨格トラッキングはすべて同じ形を共有しています。高周波空間データに、ビデオ、医療、コンテキストが加わり、統合され、ガバナンスが効き、高速に提供されます。

同じパターンは、スポーツ以外の分野にも完全に広がります。ヘルスケアのモーションキャプチャ、製造ロボット、自動運転車の知覚。チームがマルチモーダルな高周波データを持つあらゆる場所で、レイクハウスは同じ堅牢で構成可能なソリューションを提供します。

次は何が起こるか？

データサイエンス、アナリティクス、パフォーマンスのリーダーにとって、骨格トラッキングはもはや仮説ではありません。すでにここに存在するか、間もなく登場します。唯一の疑問は、あなたのプラットフォームがそれに対応できるかどうかです。

Databricks for Media & Entertainment の詳細をご覧いただくか、デモをリクエストして、貴社がどのように競争力のあるインサイトを推進できるかをご確認ください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事