La nouvelle probabilité de mise au jeu dans le jeu de la LNH combine les données et la technologie pour améliorer l’expérience du spectateur
La LNH adopte les probabilités de victoire en jeu pour les diffusions, un bond significatif pour la ligue en matière d’analyse de données et de technologie.
« Face-off Probability » exploite les données recueillies par NHL Edge, la technologie de suivi de la rondelle et des joueurs de la ligue, pour créer un graphique qui affiche les chances qu’un joueur gagne une mise au jeu ou qu’une équipe prenne possession de la rondelle.
C’est l’une des premières statistiques d’apprentissage automatique que la ligue a développées en partenariat avec Amazon Web Services, dont l’intelligence artificielle peut créer des probabilités dans le jeu à une vitesse inférieure à la seconde.
« C’est la première fois que la LNH et AWS se réunissent pour construire quelque chose qui précédera un événement et offrira une probabilité que cet événement se produise ou non », a déclaré à ESPN Dave Lehanski, vice-président exécutif de la LNH pour le développement commercial et l’innovation. le lundi. « Généralement, nous prenons les données d’un événement et les analysons rapidement pour présenter un certain type d’informations. Même si nous le faisons en temps réel, nous ne l’avons pas encore fait avant un événement. »
Priya Ponnapalli, senior manager chez Amazon Machine Learning Solutions Lab, a déclaré que Face-off Probability utilise plus de 70 points de données différents, à partir de statistiques historiques et en jeu, ainsi que de données contextuelles. Ponnapalli a déclaré que l’intelligence artificielle prend 10 ans de résultats de mise au jeu – plus de 200 000 tirages pour tous les joueurs de la ligue aujourd’hui – et utilise des données qui incluent le taux de réussite d’un joueur en fonction de l’emplacement de la mise au jeu, des matchs à domicile contre les matchs à l’extérieur et de l’historique contre adversaires spécifiques. Il prend également en compte des données personnelles telles que la latéralité, la taille et le poids.
La LNH ajoute ensuite des statistiques de mise au jeu en jeu pour compléter les données. Dans les statistiques historiques et en jeu, il existe un contexte supplémentaire tel que les situations de jeu, le score et l’heure à laquelle les mises au jeu ont eu lieu.
L’intelligence artificielle utilise le système de suivi des joueurs de la LNH pour déterminer qui pourrait prendre la mise au jeu des deux équipes, puis exécute immédiatement ces données pour produire une probabilité, qui est partagée avec les diffuseurs et les fans.
Ponnapalli a déclaré qu’il y avait des défis à créer cette technologie pour le hockey par rapport à d’autres sports avec lesquels AWS a travaillé.
« Le modèle de prédiction de mise au jeu doit être flexible pour générer des prédictions à mesure que la situation du jeu change », a-t-elle déclaré. « Par exemple, si un joueur est écarté de la mise au jeu en raison d’une violation, les prédictions doivent être mises à jour pour un nouveau match basé sur des données de capteur de streaming en temps réel. Les prédictions se produisent également à des latences inférieures à la seconde et sont déclenchées à tout moment. Tout cela la complexité devait être intégrée, et la solution qui en résultait devait être flexible. »
La LNH croit que sa technologie de suivi offre un moyen d’éduquer davantage les fans sur le jeu et d’offrir aux diffuseurs plus d’opportunités de raconter des histoires. Lehanski a déclaré qu’avec 50 à 70 mises au jeu par match et jusqu’à 20 secondes entre un arrêt de jeu et la mise au jeu, il devrait y avoir de nombreuses opportunités de narration.
« S’il y a une mise au jeu critique clé, nous voulons être en mesure de montrer une probabilité pour qui pourrait gagner et comment cette probabilité pourrait changer si quelqu’un d’autre prenait les mises au jeu. Ce serait incroyablement convaincant et vraiment précieux pour le spectateur. » il a dit.
Avec cette statistique d’apprentissage automatique maintenant en place, Lehanski a déclaré que la technologie sous-jacente pourrait être appliquée à d’autres aspects du hockey pour créer des probabilités et des prédictions pour les diffusions.
« Prenez les données historiques, combinez-les avec des données réelles, en direct, dans le jeu, traitez-les pour développer une analyse ou une probabilité, puis affichez-les à l’écran sous forme de graphique en moins d’une seconde », a-t-il déclaré. « Cela nous ouvre définitivement la porte à une opportunité illimitée d’élargir notre façon de voir tous les événements qui se produisent dans le contexte d’un match de hockey. »
Ces probabilités, et toutes les données collectées par la technologie NHL Edge, ont une autre application intrigante : les paris sportifs.
La LNH prévoit que les paris sportifs finiront par créer des paris supplémentaires autour des données collectées à partir du suivi des joueurs. La ligue a conclu des accords officiels de licence de données avec MGM Resorts International, FanDuel, William Hill et PointsBet. Il a également un accord de 10 ans avec Sportradar en tant que partenaire officiel des droits sur les données de paris et de l’intégrité de la LNH.
Lehanski a déclaré que « la technologie est là pour parier sur les mises au jeu », mais il a averti que ce type de pari n’est qu’une possibilité à ce stade.
« S’il y a une entité de pari là-bas qui veut attribuer un nouveau type de pari aux mises au jeu et pouvons-nous capturer pour développer une cote pour le jeu, en fonction de la probabilité de résultat, alors en théorie, il y a une fenêtre assez longue à travers un application mobile, vous pouviez appuyer sur un bouton et décider si vous voulez ou non parier sur le résultat d’une mise au jeu », a-t-il déclaré.
Lehanski a déclaré que les défis pour les paris en temps réel comme les mises au jeu sont les différences de temps entre les paris faits dans une arène ou par les fans à la maison qui regardent une émission avec un retard de plusieurs secondes, ainsi que si la LNH autoriserait jamais les paris sur des résultats comme les mises au jeu .