La LNH a adopté la probabilité de gagner une mise au jeu en jeu pour la diffusion, un bond significatif pour la ligue en matière d’analyse de données et de technologie.
“Face-to-Face Probability” exploite les données collectées par NHL Edge, la technologie de suivi et les joueurs de la ligue, pour créer des graphiques qui affichent les chances qu’un joueur gagne un match ou qu’une équipe acquière la propriété de la pièce.
C’est l’une des premières statistiques d’apprentissage automatique que la ligue a développées en collaboration avec Amazon Web Services, dont l’intelligence artificielle peut créer des probabilités en jeu en moins de secondes.
“C’est la première fois que la LNH et AWS s’associent pour construire quelque chose qui précédera l’événement et offrira la probabilité que l’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 une sorte d’observation. Même si nous le faisons en temps réel, nous ne l’avons toujours pas fait avant l’événement.”
Priya Ponnapalli, responsable principale du Machine Learning Solutions Lab d’Amazon, 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’IA avait mis 10 ans pour prendre une décision – plus de 200 000 matchs nuls pour tous les joueurs de la ligue aujourd’hui – et a utilisé des données qui comprenaient les taux de réussite des joueurs basés sur les lieux de mise au jeu, les matchs à domicile contre les matchs à l’extérieur et l’historique contre des adversaires certains. Il prend également en compte des données personnelles telles que les mains, la taille et le poids.
La LNH a ensuite ajouté des statistiques de mise au jeu en jeu pour compléter les données. Dans les statistiques historiques et en jeu, il existe des contextes supplémentaires tels que les situations de jeu, les scores et l’heure à laquelle l’affrontement a eu lieu.
L’intelligence artificielle utilise le système de suivi des joueurs de la LNH pour déterminer qui peut affronter les deux équipes, puis exécute immédiatement ces données pour générer des probabilités, qui sont partagées 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 qui ont travaillé avec AWS.
“Le modèle de prédiction de visage doit être flexible pour générer des prédictions lorsque la situation du jeu change”, a-t-il déclaré. “Par exemple, si un joueur est exclu d’un match en raison d’une violation, la prédiction doit être mise à jour vers un nouveau match basé sur des données de capteur de streaming en temps réel. La prédiction se produit également à une latence inférieure à la seconde et est déclenchée à tout moment. Toutes ces complexités doivent être construites et la solution qui en résulte doit être flexible.”
La LNH croit que sa technologie de suivi fournit un moyen d’éduquer davantage les fans sur le jeu et offre plus d’opportunités aux diffuseurs de raconter leurs histoires. Lehanski a déclaré qu’avec 50 à 70 mises au jeu par match et jusqu’à 20 secondes entre les arrêts dans le jeu et les mises au jeu, il devrait y avoir de nombreuses opportunités pour cette narration.
“S’il y a un match critique important, nous voulons être en mesure de montrer la probabilité de qui pourrait gagner et comment cette probabilité pourrait changer si quelqu’un d’autre participe. Ce sera très intéressant et très précieux pour le public”, a-t-il déclaré.
Avec ces statistiques d’apprentissage automatique maintenant disponibles, Lehanski a déclaré que la technologie de base peut être appliquée à d’autres aspects du hockey pour créer des probabilités et des prédictions pour les sorties.
“Prenez des données historiques, combinez-les avec des données en direct dans le jeu, traitez-les pour développer des analyses ou des probabilités, 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 des opportunités illimitées pour développer notre façon de voir tous les événements qui se déroulent dans le contexte du jeu de hockey.”
Cette probabilité, et toutes les données collectées par la technologie NHL Edge, ont une autre application intéressante : les paris sportifs.
La LNH s’attend à ce que les paris sportifs créent éventuellement des paris supplémentaires autour des données collectées à partir du suivi des joueurs. La ligue a des accords formels 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 matchs adverses”, mais a averti que ce type de pari n’est qu’une possibilité à ce stade.
“S’il existe une entité de pari qui veut associer un nouveau type de pari à un combat et peut-on en profiter pour développer un jeu impair, basé sur la probabilité d’un résultat, alors en théorie, il y a un délai assez long fenêtre à travers l’application mobile, vous pouvez appuyer sur un bouton et décider si vous voulez parier ou non sur le résultat du match », a-t-il déclaré.
Lehanski a déclaré que le défi pour les paris en temps réel comme les mises au jeu est la différence de temps entre les paris faits dans l’arène ou par les fans à la maison qui regardent les émissions avec un retard de quelques secondes, ainsi que si la LNH autorisera les paris sur les résultats comme les mises au jeu. .
