GRAPHIC_Orange-rule_01

POURQUOI LA NFL A CHOISI AWS POUR LES STATS

« L'un des atouts clés essentiels à notre succès est de pouvoir compter sur d'excellents partenaires, et AWS en est la définition même. Nous apprécions nous associer à des personnes intelligentes qui possèdent de grandes compétences et c'est ce que nous retrouvons dans notre partenariat avec AWS. » 

- Roger Goodell, Commissaire de la NFL

« L'un des atouts clés essentiels à notre succès est de pouvoir compter sur d'excellents partenaires, et AWS en est la définition même. Nous apprécions nous associer à des personnes intelligentes qui possèdent de grandes compétences et c'est ce que nous retrouvons dans notre partenariat avec AWS. » 

- Roger Goodell, Commissaire de la NFL

La grande majorité des processus de machine learning (ML) observés dans le cloud aujourd'hui sont réalisés sur AWS. C'est pourquoi AWS est la solution idéale pour la NFL, car celle-ci peut tirer parti de la puissance de ses données grâce au ML et à une analytique sophistiqués. La NFL utilise la puissance du ML d'AWS pour les stats dont elle se sert tant pour créer de nouvelles statistiques et améliorer la santé et la sécurité des joueurs que pour créer une meilleure expérience pour les supporters, les joueurs et les équipes, le tout en temps réel.

Machine Learning

C'est grâce au ML que la NFL peut générer des stats en utilisant des services de machine learning et d'analytique des données pour améliorer la précision, la vitesse et les informations fournies par sa plateforme Next Gen Stats.

Accès rapide

À l'aide de l'outil d'informatique décisionnelle Amazon QuickSight, la NFL peut obtenir une meilleure compréhension tout en ouvrant un accès aux données pour les supporters, les diffuseurs et la rédaction.

Rapidité

L'utilisation d'Amazon SageMaker pour créer, entraîner et exécuter des modèles prédictifs a permis de réduire de 12 heures à 30 minutes le temps nécessaire pour obtenir des résultats.

GRAPHIC_Orange-rule_01

UTILISER DES STATS POUR ENGAGER LES FANS

S'il y a un match, la NFL peut en faire des stats. La ligue a créé plusieurs statistiques sur AWS, chacune reposant sur différents points de données. En voici quelques exemples. Pour en savoir plus, consultez la page nextgenstats.nfl.com

Expected Rushing Yards

La NFL s'est associée à AWS pour son deuxième concours annuel d'analyse sportive, le Big Data Bowl 2020, pour développer cette nouvelle statistique. Expected Rushing Yards est conçu pour montrer combien de yards un porteur de ballon devrait gagner sur une portée donnée en fonction de l'emplacement, de la vitesse et de la direction relatifs des bloqueurs et des défenseurs.

Expected Yards After Catch

Ce nouveau modèle prédictif utilise Amazon SageMaker pour afficher les yards prévus après réception du ballon, en fonction de nombreux facteurs utilisant des données de suivi telles que l'ouverture du récepteur, la vitesse à laquelle il se déplace et le nombre de défenseurs/bloqueurs dans la zone.

Classification des tracés

Cette statistique de nouvelle génération aide les supporters à contextualiser le jeu de passes de nouvelles manières, en indiquant le type de tracé que le joueur exécute (« go », « post » ou « out ») et attribue un score global du jeu des équipes afin que les supporters puissent étudier les tendances à l'échelle de la ligue pour approfondir leurs connaissances en stratégie offensive.

GRAPHIC_Orange-rule_01

APPLICATION DU MACHINE LEARNING AUX DONNÉES

En tirant parti de la large gamme de fonctionnalités de machine learning basées sur le cloud AWS, la NFL fait passer ses stats du jour du match au niveau supérieur afin que les fans, les diffuseurs, les entraîneurs et les équipes puissent bénéficier d'informations plus détaillées.

Diagram-MOBILE_02
Diagram-DESKTOP_02

Les données d'entraînement issues des statistiques traditionnelles, ainsi que les données collectées à partir du stade passeront par des centaines de processus en quelques secondes avant que le résultat ne soit transmis à Amazon Sagemaker. À partir de là, les modèles de machine learning créés par l'équipe NGS ingèrent les données, lesquelles entraînent et affinent continuellement les modèles. Les modèles de machine learning sont ensuite utilisés ou déduits en temps réel pendant les matches pour générer des résultats tels que des formations, des itinéraires et des événements.

GRAPHIC_thin-rule_02

« Nous avons choisi AWS car son service combine à la fois une offre cloud avancée, de puissantes fonctionnalités de machine learning et une expérience opérationnelle à l'échelle dont nous avons besoin. En optimisant Next Gen Stats avec AWS, nous serons en mesure de lancer notre [saison] avec un contenu encore plus percutant et significatif, révélant des informations encore plus détaillées sur le football que jamais auparavant. »

- Matt Swensson, Vice-président, Produits et technologie émergents de la NFL

« Nous avons choisi AWS, car celui-ci combine à la fois une offre cloud avancée, de puissantes fonctionnalités de machine learning et une expérience opérationnelle à l'échelle dont nous avons besoin. En optimisant Next Gen Stats avec AWS, nous serons en mesure de lancer notre [saison] avec un contenu encore plus percutant et significatif, révélant des informations encore plus détaillées sur le football que jamais auparavant. »

- Matt Swensson, Vice-président, Produits et technologie émergents de la NFL

GRAPHIC_thin-rule_02
GRAPHIC_Orange-rule_01

MISER À LONG TERME SUR LE MACHINE LEARNING AVEC LA NFL

Vous voulez voir le playbook ? Découvrez-en davantage sur l'adoption du machine learning de la NFL, avec une introduction de Michelle R. McKenna, Directrice informatique de la NFL, et découvrez comment son équipe Next Gen Stats a collaboré avec celle d'AWS Machine Learning Solutions Lab pour créer, entraîner et déployer leurs modèles de machine learning sur Amazon SageMaker.

eBook-02
NGS-football-graphic

Découvrez comment d'autres entreprises transforment leur activité grâce à la puissance d'AWS.