Фламенго модернизирует инфраструктуру данных с помощью BlueShift и Google Cloud для анализа производительности
Подробнее
Olhar Digital
olhardigital.com.br

Фламенго модернизирует инфраструктуру данных с помощью BlueShift и Google Cloud для анализа производительности

«Фламенго» внедряет модернизацию своей инфраструктуры данных, установив партнерство с BlueShift и Google Cloud. Этот проект направлен на упорядочивание данных о матчах и игроках, тем самым расширяя возможности анализа и помогая в принятии решений тренерским штабом.

Принятая архитектура облегчает обработку статистики и готовит клуб к интеграции будущих приложений искусственного интеллекта. В течение 90 минут матча генерируется более 3 тысяч событий на поле, включая передачи, удары и касания мяча. Чтобы преобразовать этот большой объем данных в релевантный анализ, проект разделил потоки регистрации и анализа, централизовав аналитическую среду в BigQuery, сервисе, предлагаемом Google Cloud.

Модернизация также включала создание архитектуры lakehouse, которая объединяет хранение и анализ больших объемов данных в единой среде. Информация структурирована по уровням, начиная с необработанных записей до обработанных данных, готовых к запросам.

Эта структура позволяет тренерскому штабу использовать различные показатели производительности спортсменов. Кроме того, решение было разработано с учетом инструментов и навыков, уже используемых специалистами клуба, что облегчило принятие платформы в рабочем процессе. Благодаря должной организации данных аналитики могут исследовать различные сценарии и оказывать поддержку спортивному планированию, и все это в безопасных средах с контролем затрат и ресурсов.

Эстебан Уерта, специалист по Google Cloud в BlueShift, отметил, что самая большая проблема заключается в преобразовании огромных записей в действительно полезную информацию для контекста футбола. Он объяснил, что «разница не только в сборе больших объемов данных, но и в их преобразовании в информацию, которая поддерживает более точные решения».

Кроме того, инфраструктура была настроена для будущего приема приложений искусственного интеллекта через Vertex AI, другую платформу Google Cloud. Цель состоит в том, чтобы объединить статистику, изображения и другие типы данных для обогащения анализа без необходимости перестраивать всю существующую структуру.

Уерта подчеркнул, что этот этап представляет собой потенциальную эволюцию проекта, поскольку технологическая база была спроектирована для соответствия новым требованиям, позволяя «Фламенго» внедрять более продвинутые инструменты, не прибегая к полной реконструкции инфраструктуры при каждом новом запросе.

Похожие сюжеты

Технология позволяет проводить соревновательные игры на основе индивидуальной производительности
Подробнее
olhardigital.com.br

Технология позволяет проводить соревновательные игры на основе индивидуальной производительности

Соревновательная среда видеоигр может обретать новые формы участия. Помимо традиционных турниров по киберспорту, платформы начинают использовать данные о производительности, чтобы позволить рядовым игрокам участвовать в соревнованиях без необходимости вступления в профессиональные команды.

Одной из таких концепций является Game Skill Monetization (GSM), модель, которая преобразует статистику, полученную во время матчей, в баллы, определяющие победителей состязаний.

Представитель Gamers Brawl, платформы, использующей эту систему, объяснил принцип работы технологии и проблемы обеспечения честности результатов в интервью изданию Olhar Digital во время проведения Brasil Game Show (BGS).

В отличие от классических противостояний, участникам не обязательно играть друг против друга. Каждый пользователь проходит свои матчи в обычном режиме, в то время как платформа отслеживает такие показатели, как убийства, ассисты, накопленное золото и захваченные цели.

На примере League of Legends система учитывает различные роли персонажей. Например, игрок поддержки оценивается не по тем же критериям, что и стрелок, поскольку каждая позиция вносит свой вклад в команду по-разному. В конечном итоге, статистика конвертируется в очки, которые используются для определения победителя состязания.

Этот подход дает возможность игрокам участвовать в конкурсах, не отказываясь от привычных режимов игры. Однако использование индивидуальной статистики также сопряжено с трудностями, особенно касающимися манипуляции результатами.

Среди проблем выделяются использование второстепенных аккаунтов, совместное использование профилей и читерские программы. Для выявления возможных нарушений системы антифрода могут анализировать историю производительности и искать необычные изменения в поведении игроков. В представленном случае технология применяет машинное обучение и рассматривает более 100 атрибутов для обнаружения подозрительных ситуаций. Резкое и значительное изменение статистики, например, может привести к приостановке состязания для анализа.

Тем не менее, такой мониторинг не устраняет полностью вероятность мошенничества и зависит от адекватных критериев, чтобы избежать необоснованных наказаний. Модель также поднимает вопрос о доступе к видеоигровым соревнованиям. В то время как профессиональная сцена обычно требует тренировок, участия в командах и постоянной самоотдачи, состязания, основанные на производительности, позволяют рядовым игрокам испытать соревновательную динамику, используя свои собственные матчи.

Концепция все еще сталкивается с проблемами, связанными с балансировкой очков, предотвращением мошенничества и сравнением различных стилей игры. Тем не менее, применение статистики для создания индивидуальных соревнований демонстрирует, как данные, генерируемые видеоиграми, могут использоваться для разработки новых соревновательных форматов, помимо традиционных чемпионатов.

Популярное