Analyzing Sports

米国でのアメリカンフットボールリーグ「NFL」での、データ活用の事例に関しての記事。記事では、野球のMLBでのデータ解析が1990年台後半頃から始まり、その後NFLが2010年代後半から本格的に導入したと書いているけれど、チーム単位では其れ以前から「Analyzing Stuff」がいて、試合内容の解析をやっていたと思うんですが。多分、野球のように「〇〇時のヒット打率」とか「チーム貢献度」みたいな、単に打席とか投球内容だけで統計処理出来るような単純な物では無く、そこから複合的にデータを解析して別の解釈を得るような「解析作業」を言うんでしょうね。

自分の理解している範囲では、アメフトの場合は4回で10ヤード前進、ダウン更新をするとまた4回10ヤードの攻撃権が与えられる、パスとランプレーと基本二種類しか攻撃プレーはないなど、スポーツとしては単純化可能そうなルールなんですが、先ずフィールド上11名の選手が、プレー毎に自由に交代できたり、ターンオーバーで一気に攻撃権が変わるようなギャンブル的ハプニング的な得点もあります。キックオフ/パントリターンTD何かも、その範疇だろうなぁ。一方で、NFLの場合年間の試合数が17試合と野球の約160試合と比べると圧倒的に少ないので、データ収集するためのサンプル数も少ない。データ解析するには、余りに不利な条件が揃っているのがアメフトで、だから個人の解析スキルに負うところが未だに多いのも事実。

多分今もやっていると思うんですが、以前はシーズンが終了すると各チームのコーチが一堂に会して、そのシーズンに使用したプレーの説明をする機会があり、それによって翌シーズンへの新しいオフェンスやディフェンスデザインのヒントを互いに共有するような事もやっていました。それによって、情報の共有化されるとともに、ある程度そのチームが持っている傾向が薄まることも有るんじゃ無いかと思うんですよね。だから、毎シーズン多分同じチームでもプレー傾向は結構変化していて、だから以前のデータの蓄積って、余り役立たないのもアメフトの特徴ではないかと。詳しく研究というか調べたことはないけれど、多分生成AIに学習させようにも、かなり難しい気がします。それこそAIが格段に進歩してブレークスルーが生まれて、有能なコーチのAIが誕生しない限り、記録としての面白さ追求は昨日でも、分析データとして活用するのは、まだまだ難しい気がします。

逆に言えば、そう言うデータで計り知れない部分が多いことが、試合の予想外の展開にも繋がるし、試合内容の面白さにも繋がる気がします。データとして予測できるような野球でも、大谷選手というワイルドカードというかジョーカーというか、何が起こるか推測できない野球漫画の主人公みたいな人が出てきて実際活躍しているから話題になるんだと思います。だからといって、分析作業がなくなるわけではなく、これまでのようにデータの積み上げによる分析ではなく、データを点としてそれを繋ぐ線(=ルール/法則)の発見と、それらを組み合わせた面の発見が、次のデータ解析で要求される事で、それって殆ど「未来予測」だよなぁ...