13 de novembre, 2019

Camp Nou, Barcelona

BARÇA SPORTS ANALYTICS SUMMIT 2019

2ª EDICIÓ

ORADORS

pattern-plus-10

Dan Cervone

Director of Quantitative Research

Los Angeles Dodgers

 

 

pattern-plus-10

Jan Van Haaren

Football Analytics Manager

Univ. Leuven – SciSports

 

 

pattern-plus-10

Suds Gopaladesikan

Head Data Scientist – Information Systems Management

Benfica

pattern-plus-10

Sergio Llana

Data Scientist

FC Barcelona

 

UN MISSATGE DELS EXPERTS

pattern-plus

PROGRAMA

  • DIMECRES 13 DE NOVEMBRE

HORARIS

10:00
OPENING AND PRESENTATION OF THE FOOTBALL ANALYTICS GUIDE Albert Mundet
10:25
SPEAKERS INTRODUCTION AND EVENT GUIDELINES Javier Fernández
10:30
HOW TO STRENGTHEN A CLUB’S CULTURE THROUGH DATA ANALYTICS Suds Gopaladesikan (Benfica)
11:00
USING CONTEXTUAL PLAYER MOVEMENT AND SPATIAL CONTROL TO ANALYSE PLAYER PASSING TRENDS IN FOOTBALL Bart Spencer
11:30
EXPLAINABLE INJURY FORECASTING VIA MULTIVARIATE TIME SERIES AND CONVOLUTIONAL NEURAL NETWORKS Luca Pappalardo
12:00
Coffee Break
12:30
HOW AND WHY WE NEED CONTEXT TO ANALYSE BALL POSSESSIONS Sergio Llana (FC Barcelona)
13:00
ESTIMATION OF PLAYER LOAD METRICS USING BROADCAST DERIVED TRACKING DATA Jacob Mortensen
13:30
HEAD, SHOULDERS, HIP AND BALL... HIP AND BALL! USING POSE DATA TO LEVERAGE FOOTBALL PLAYER ORIENTATION Adrià Arbúes
14:00
Lunch
15:00
SCOUTING FOOTBALL PLAYERS BY SQUEEZING EVERY LAST DROP OUT OF MATCH EVENT DATA Jan Van Haaren (Univ. Leuven - SciSports)
15:30
DYNAMIC ANALYSIS OF TEAM STRATEGY IN PROFESSIONAL FOOTBALL MATCHES Laurie Shaw
16:00
Coffee Break
16:30
BASEBALL ANALYTICS IN THE AGE OF PLAYER TRACKING DATA Dan Cervone (Los Angeles Dodgers)
17:00
BEST RESEARCH PAPER ANNOUNCED
17:15
EXPERTS PANEL: PATHS FOR THE EFFECTIVE COMMUNICATION BETWEEN DATA ANALYSTS AND FOOTBALL EXPERTS
18:00
Closing Ceremony

FINALISTES DELS TREBALLS D’INVESTIGACIÓ BARÇA SPORTS ANALYTICS SUMMIT 2019

Using contextual player movement and spatial control to analyse player passing trends in football

La mesura del control espacial d’un equip mitjançant models de moviment que s’ajusten a la conducta mitjana, subestima la capacitat dels jugadors per realitzar moviments d’alt esforç (per exemple, la reorientació). Aquest treball presenta un mètode per produir models de moviments probabilístics tenint en compte el context del moviment. Els models es van adaptar als moviments de la mostra de la temporada 2018 de l’MLS. El risc de passada es va estimar a través del control espacial de l’equip atacant i es va utilitzar per produir xarxes de passada dels jugadors. Aquesta anàlisi té aplicacions al perfil dels jugadors, les tàctiques i el reclutament de jugadors.

Bart Spencer

Dynamic analysis of team strategy in professional football

Les formacions dels equips són la base de la tàctica al futbol. Tanmateix, en el joc modern, les formacions són molt més dinàmiques i dependents de l’estat del joc que allò que implica un “4-4-2” o “3-5-2”. En aquest document s’utilitza una gran mostra de dades de seguiment per mesurar com varien les formacions dels equips al llarg d’un partit. S’analitzen les transicions de la defensa a l’atac i s’estudia l’impacte dels principals canvis tàctics en els resultats dels partits.

Laurie Shaw

Estimating Locomotor Demands During Team Play from Broadcast-Derived Tracking Data

Les dades de monitoratge òptic permeten als científics en l’àmbit de l’esport, estudiar les mètriques de càrrega externa utilitzades per comprendre el desgast físic que un partit o sessió d’entrenament li produeix a un atleta. Desgraciadament, les dades de seguiment no estan completament disponibles. Les tècniques de Computer Vision permeten que el vídeo transmès es converteixi a coordenades, facilitant la implementació d’aquestes dades de seguiment, però les dades se censuren quan els jugadors no són a la pantalla. En aquesta investigació, s’ha desenvolupat models que prediuen les offscreen load metrics fora de la pantalla i demostren la viabilitat de les dades de seguiment derivades de les transmissions per entendre la càrrega externa en el futbol.

Jacob Mortensen

Ready Player Run: Off-ball run identification and classification

Un dels més grans inconvenients en el monitoratge de dades en el futbol és la falta d’un llenguatge comú per descriure les accions que succeeixen sense la pilota, particularment els patrons de moviment dels jugadors. Aquest treball ofereix un mètode per identificar i classificar les jugades de possessió sense la pilota en grups similars per permetre una anàlisi més generalitzable. L’objectiu és crear un vocabulari de tipus de jugades que es pugui utilitzar per descriure o analitzar millor les jugades específiques i que es pugui consultar més fàcilment que les dades de seguiment en brut.

Sam Gregory

Automating insight extraction from football data visualizations

En aquest estudi es presenten mètriques de similitud per a generar mapes de calor i sonars de passades. També s’il·lustra com utilitzar-los per trobar jugadors que són particularment similars o diferents en els seus moviments o intencions de passades. També es defineix una eina visual per representar les intencions de passades del jugador mitjà, tenint un mapa de calor fixa, i s’utilitza per classificar als jugadors per la seva predictibilitat de passada. Finalment, es presenta un marc per automatitzar l’extracció de insights a partir de variacions al mapa de calor d’un jugador o sonar de passades amb les circumstàncies de temps o joc.

Daniel Girela

Landscapes of passing opportunities in Football – where they are and for how long are available?

Amb les dades de posició dels jugadors d’un partit de futbol competitiu, es van crear paisatges d’oportunitats de passades i es van classificar en tres categories de passades: i) penetrants, ii) de suport i iii) cap endarrere. Aquests paisatges, que es mostren en forma de mapes de calor, mostren més oportunitats de passada en la segona meitat. A més a més, els resultats mostren que les passades penetrants van estar disponibles durant períodes més curts que les passades cap endarrere, que van estar disponibles durant períodes més curts que les passades de suport. Aquesta eina personalitzable proporciona coneixements sobre la dinàmica d’atac, i això permet l’anàlisi del rendiment col·lectiu i individual del jugador.

Luis Gómez-Jordana Martin

Explainable Injury Forecasting in Soccer via Multivariate Time Series and Convolutional Neural Networks

Les lesions tenen un impacte significatiu en el futbol professional, a causa de la seva influència en el rendiment i els cost de la rehabilitació per als jugadors. En utilitzar un sistema electrònic de seguiment del rendiment (EPTS són la sigles en anglès), podem representar l’historial de la càrrega de treball d’un jugador com una sèrie de temps multivariable (Multivariate Time Series, MTS). Aquesta MTS es pot utilitzar per entrenar una Xarxa Neuronal Convolucional que pronostica si un jugador es lesionarà o no en una finestra de temps futura. Aquest pronosticador de lesions és precís i facil d’entendre, permetent al personal del club interpretar fàcilment la raó de la lesió d’un jugador.

Luca Pappalardo

Head, Shoulders, Hip and Ball… Hip and Ball! Using Pose Data to Leverage Football Player Orientation

L’orientació ha demostrat ser una habilitat clau perquè els jugadors de futbol tinguin èxit en un ampli espectre de jugades. Tanmateix, l’orientació corporal encara és una àrea poc explorada en el camp de sport analytics. En buscar l’orientació 2D de la projecció de camp d’un vector normal situat en el centre de la part superior del tors dels jugadors, aquesta investigació presenta una nova tècnica per extreure l’orientació automàticament dels enregistraments de vídeo mitjançant la combinació de la informació del posat i del context. Els resultats han estat validats amb jugadors que utilitzen un dispositiu EPTS, i s’ha obtingut un error mitjà inferior a 35 graus/jugador.

Adrià Arbués-Sangüesa