قائد تكنولوجيا المعلومات في اتحاد كرة القدم الأميركي يتحدث عن كيفية استخدام الدوري للذكاء الاصطناعي وتحليلات البيانات
يعد الدوري الوطني لكرة القدم مثالاً بارزًا لكيفية قيام منظمة بتبني الذكاء الاصطناعي وتحليلات البيانات بطرق عديدة لتعزيز مشاركة الجماهير وتحسين صحة اللاعبين وتعزيز أعمال اللعبة.
تتيح أداة تسمى Digital Athlete للدوري التنبؤ بالإصابات باستخدام الذكاء الاصطناعي والتعلم الآلي (ML). وهي تستخدم برنامج AWS لتشغيل ملايين المحاكاة للتنبؤ بالإصابات التي قد تحدث في منتصف المباراة. وفي الوقت نفسه، تم تطوير برنامج يسمى إحصائيات الجيل القادم يتيح (NGS) للدوري جمع البيانات من خلال تصور الأحداث على أرض الملعب لتعزيز مشاركة الجماهير.
وعاء البيانات الكبيرةتعد مسابقة التعلم الآلي، التي تستضيفها Amazon Web Services، مسابقة جماعية تتحدى المستخدمين لتطوير رؤى البيانات التي تعزز تجربة المشجعين وتحسن سلامة اللاعبين. وقد طور المشاركون نماذج التعلم الآلي التي يمكنها تحديد اللاعبين الذين يحجبون الكرة والمهاجمين في كل تمريرة، ودراسة ديناميكيات الضغط، واكتشاف مواجهات معينة بين اللاعبين الذين يحجبون الكرة والمهاجمين.
على الرغم من أن جميع الفرق متقدمة في استخدام الذكاء الاصطناعي وتحليلات البيانات، سان فرانسيسكو 49ers تميزت بقدرتها على دمج صوامع البيانات المتباينة وتوفير خدمات مستقبلية مثل تخزين البيانات السحابي الهجين Qumulo.
في ال قمة AWS في مدينة نيويورك في العاشر من يوليو/تموز، جلسنا مع InformationWeek مع بول باليو، كبير مسؤولي البيانات والتحليلات في اتحاد كرة القدم الأميركي، لمعرفة المزيد حول كيفية جمع اتحاد كرة القدم الأميركي لرؤى البيانات الحقيقية وكيف ينبغي لمسؤولي المعلومات التعامل مع الذكاء الاصطناعي وتحليلات البيانات.
(ملاحظة المحرر: تم تحرير هذه المقابلة من أجل الوضوح والإيجاز.)
كيف تعمل رابطة كرة القدم الأميركية NFL على تحويل مشاركة المشجعين من خلال الرؤى والبيانات في الوقت الفعلي وجعل تجربة المشجعين أكثر تخصيصًا؟
إن هذا هو جوهر الرحلة التي التزمنا بها قبل عامين. إنها قدرتنا على رؤية ومعرفة الجماهير ثم التواصل معهم بشكل هادف. إنه نهج منهجي. ليس من السهل القيام بذلك. نحن نعمل مع جميع الأندية الـ 32، لذا فنحن من أوائل الدوريات الرياضية التي تجمع كل بيانات المشجعين معًا. نقضي الكثير من الوقت مع المشجعين لنكون شفافين للغاية ونسمح باستخدامها. [of] “نستخدم البيانات التي نجمعها معًا. ونتمكن بعد ذلك من جمع كل هذه البيانات معًا للمرة الأولى حتى نتمكن من ربط هويتك بشكل صحيح بما هو مهم بالنسبة لك. ثم ننشر هذه البيانات من خلال مجموعة متنوعة من الطرق. ونجعلها متاحة للأندية حتى تتمكن من التفاعل مع جماهيرها بذكاء. ونستخدمها على مستوى الدوري لأن الدوري يقوم أيضًا بالكثير من التسويق والتواصل، ثم نستخدمها في أعمالنا المباشرة مع المستهلك. ومن حيث التكنولوجيا، فهي عبر نظام البيانات والتحليلات بأكمله. لقد قمنا باستثمارات كبيرة في جانب البيانات، لأنه إذا لم تتمكن من جمع البيانات معًا، وإذا لم تتمكن من فهم البيانات، وإذا لم تتمكن من التعامل مع جميع التحديات القديمة، فلن تتمكن أبدًا من التوسع.”
ثم إن قدرتنا على التفاعل مع الجماهير مدعومة بكل ما نقوم به على الصعيد التحليلي، من إنشاء الجماهير، وإنشاء العروض، والتعرف على مدى الاستجابة لتلك العروض والتفاعلات. في بعض الأحيان تكون المعلومات حول أشياء مثل الأحداث الكبرى، والمسودة؛ وفي أحيان أخرى، تكون العروض الفعلية. يمكن أن تكون التذاكر، أو تشجيعك على الحضور، أو مبيعات القمصان، أو مبيعات المتاجر. لذا كانت رحلة رائعة. إن حقيقة أن الرياضة تقفز الآن إلى هذا تُظهر حقًا قوة العالم الذي نعيش فيه، حيث كان عالم المستهلك المباشر في المقدمة والمركز أثناء كوفيد وهو الآن ذو صلة أيضًا بكل صناعة. إذا لم تتواصل مع قاعدة عملائك، وفي حالتنا، المشجعين، فسوف يتم فصلهم.
لقد عملت سابقًا كنائب رئيس ومدير عالمي للبيانات والتحليلات في شركة Ford Motor Co. ما هي أنواع استراتيجيات تحليل البيانات التي نقلتها إلى اتحاد كرة القدم الأميركي من وقتك في شركة Ford؟
هناك الكثير من أوجه التشابه بمعنى أنه عندما تفكر فيما تفعله، إذا كنت مسؤولاً رئيسيًا لتحليل البيانات في شركة سيارات، فأنت تدعم الجودة؛ فأنت تدعم تطوير المنتجات والتصنيع والشراء والسلامة. لدينا نظام دعم لجميع هذه الوظائف. وبالمثل في الدوري، تتمثل مسؤوليتنا في مساعدة الدوري عبر جميع هذه الأبعاد بالإضافة إلى صحة اللاعبين وسلامتهم والتسويق وتحسين الوسائط وتحليلات التحكيم وتقييم تأثيرات القواعد. المبادئ الأساسية متشابهة إلى حد كبير.
يجب عليك التأكد من قدرتك على جمع البيانات معًا، وفهمها، وتوزيعها في بيئة اتخاذ القرار حيث يمكن للأشخاص استخدامها. في التصنيع، كان هذا ناضجًا جدًا من حيث المصانع نفسها، حيث تم تضمين تحليلات بيانات الطاقة الفعلية في العمليات اليومية للمصنع. نحن لسنا هناك تمامًا في NFL لأننا لا نملك بالضرورة خطًا يعمل يوميًا. لكن الأساليب والتقنيات وسلامة البيانات والأدوات التحليلية المتشابهة تعمل على تشغيل ما نقوم به للمساعدة في تحسين الجدول الزمني، أو لتعلم رؤى حول صحة اللاعبين وسلامتهم حول تأثيرات تغييرات المعدات أو تغييرات القواعد. لذا فإن العقلية وعملية التفكير التحليلي متشابهتان للغاية. التحديات التي تواجهها مع البيانات متشابهة جدًا. تختلف سير العمل من حيث كيفية توزيعها في النهاية، لأنه في مصنع التصنيع أو البيع بالتجزئة، هناك هذا التقلب المستمر للنشاط، بينما في NFL، هناك مباريات تُلعب كل عطلة نهاية أسبوع. هناك الجدول الزمني الذي يجب عليك القيام به؛ هناك تحسين التسويق لأن لديك مشروعًا قادمًا. لذا فهو لا يتمتع بنفس درجة التردد، ولكن هناك الكثير من أوجه التشابه من حيث الأساليب والقدرات.
كيف سيعمل الذكاء الاصطناعي التوليدي على تحويل تحليلات الرياضة، وخاصة في دوري كرة القدم الأميركي؟
يمكن أن يكون GenAI محركًا رئيسيًا لتشغيل ما نقوم به من حيث البرنامج الفردي، Unified View. لذا هناك الكثير من التطبيقات المختلفة. لا أعرف ما إذا كنت سأقتصر على GenAI لأنه عندما تفكر في الذكاء الاصطناعي، نعم، GenAI هو فئة واحدة. لكن التعلم الآلي هو أيضًا ضمن عائلة الذكاء الاصطناعي. ونماذج التعلم الآلي هي الأكسجين الذي تستخدمه مؤسسات التحليلات. إنه نهجنا المنهجي الأساسي لأي مشكلة تجارية.
لقد ذكرت صحة اللاعبين وسلامتهم، كيف تستخدم تحليلات البيانات والذكاء الاصطناعي لجمع المعلومات في هذا المجال؟
إنها منطقة كبيرة بالنسبة لنا وجزء كبير منها يتعلق بالبيانات الجيدة وجمع البيانات وفهم البيانات. ويشمل ذلك أنظمة مثل نظام السجلات الطبية الإلكترونية لدينا. لذا فهو نهج منهجي للغاية. بالنسبة لي، إنه أحد أفضل الأمثلة على دور تحليلات البيانات، لأن جزءًا كبيرًا من هذا النهج يتعلق بكيفية جمع المكونات، والتي هي البيانات، وضمان سلامة البيانات، ويمكنك فهمها، بدلاً من التركيز فقط على التكنولوجيا المتقدمة. يجب أن تكون قادرًا على الحصول على المكونات لصنع سوفليه جيد. وعلى جانب صحة وسلامة اللاعبين، أمضينا الكثير من الوقت في التركيز على ذلك. إنه يخبرنا كثيرًا عما نقوم به. [rules] إن التغيير الذي سنشهده في موسم 2024 هو مثال جيد على ذلك. ويمكن أن يشمل ذلك المعدات في كثير من الحالات، مثل قبعات الحارس نحن نستخدم في الممارسة العملية، ما يقلل من الارتجاجات، وارتطام الرأس، وإصابات الرأس؛ والعمل المهم للغاية الذي نقوم به على الأحذية؛ والعمل الذي نقوم به على السطح والمناخ لمعرفة ما يمكن التحكم فيه لتحسين الوضع العام لصحة اللاعبين وسلامتهم، وهو أمران: التردد والشدة. لذا فأنت تريد تقليل التردد، وتريد تقليل الشدة. كل هذه الأشياء تتناسب معًا في نهج شامل لكيفية الاستمرار في تحسين السلامة العامة للعبة، مع الحفاظ على نزاهة ما يحبه الجميع في اللعبة. إنها مليئة بالإثارة. إنها مكثفة. لها بعد جسدي.
لذا، فأنت تحاول دائمًا إيجاد التوازن الصحيح، وركلة البداية هي مثال جيد على ذلك. نحن نبذل الكثير من العمل حول التأثير، وما قد يعنيه ذلك للعبة، وما قد يعنيه ذلك للتسجيل، وما قد يعنيه ذلك للهجوم، وما قد يعنيه ذلك للإصابات، ثم تجمع كل ذلك معًا وتقود إلى تغيير القاعدة. ثم بعد تنفيذه، نركز على قياسه لمعرفة ما إذا كانت النتائج التي كنا نخطط لتحقيقها أو نأمل في تحقيقها قد تحققت بالفعل.
ما هي أنواع المقاييس المتقدمة التي تلتقطها للمساعدة في تحسين التجارب داخل الملعب؟
هناك الكثير مما يجري من حيث الأندية التي تجرب كيفية استخدام البيانات مع زمن انتقال محدود للغاية لتحسين الامتيازات أو تدفقات المرور أو أشياء أخرى. لدينا عدد قليل من الأندية التي وصلت إلى حافة الهاوية. لدى Lions مسقط رأسي غرفة حرب عملياتية هائلة يديرونها أثناء اللعبة بأنفسهم. وهي تعمل في الوقت الفعلي لأغراض الأمن والامتيازات وتدفقات المرور وتدفقات اللعبة. إنهم يستخدمونها بشكل شبه فوري لتغيير كيفية تشغيلهم للملعب قبل المباراة وأثناء المباراة وبعدها. من المدهش أن نرى مدى تقدمهم وقدرتهم على فهم البيانات الواردة والقدرة على التصرف بناءً عليها بسرعة كبيرة. ترى المزيد والمزيد من الأندية تفعل ذلك. وأحد الأشياء التي كانت مرضية للغاية بالنسبة لنا لأننا نمكن الأندية من أن تكون فعالة ونمنحها الأدوات وما إلى ذلك هو أن الأندية تفعل ذلك بمفردها. إنهم يأخذون ما نقوم به، ويسلكون مسارات نحبها. لا أستطيع أن أقول إننا قلنا بشكل مباشر اذهبوا للقيام بذلك. لقد دخلوا وبنوا على ذلك بأنفسهم. الأسود هي مثال جيد على ذلك. سان فرانسيسكو 49ers إنهم يقومون بأشياء مذهلة في تجربة يوم اللعبة. هناك أندية أخرى أيضًا وهذا أمر مثير للإعجاب للغاية.
ما هو Big Data Bowl، وكيف يولد رؤى للعبة؟
إننا ننظم نشاطًا سنويًا، وهو عبارة عن مسابقة مفتوحة المصدر. فكر في الأمر وكأنه مسابقة Kaggle حيث لدينا مشكلة معينة، ونسمح للناس بالتجمع وحل المشكلة. وجزء من هذا هو أننا نجعل بيانات NGS متاحة لأننا نريد للناس أن يجدوا رؤى فريدة. إن العالم الذي نعيش فيه الآن يسمح لنا بالاستفادة من القوة الفكرية لمجموعة كاملة من الناس. إن وعاء البيانات الضخمة هو جزء من ذلك، فضلاً عن أشياء أخرى نقوم بها مع الجامعات. لدينا شراكات جامعية الآن في مؤسستي، وهي قوية بنفس القدر.
ما هي نصيحتك لمديري تكنولوجيا المعلومات وغيرهم من القادة التنفيذيين حول كيفية جمع البيانات في الوقت الفعلي باستخدام الذكاء الاصطناعي؟
إننا نحتاج إلى أن ندرك أن هذه مجموعة من القدرات التي يجب أن تتداخل مع ما نقوم به، وكيف نقوم به، وأين نقوم به. ونصيحتي للجميع هي أن يفكروا في الأمر من هذا المنظور. لا تفكروا في الأمر باعتباره نوعاً غريباً. لا تفكروا فيه باعتباره شيئاً فريداً من نوعه إلى الحد الذي يجعل من الضروري وضعه على كوكب خاص به. فكل شركة تقريباً قامت بذلك بعد خمسة عشر عاماً قالت لنفسها: كيف يمكنني إعادة دمجه في الشركة الأم، وقد مررت بكل هذا الفزع والألم والمعاناة التنظيمية المرتبطة بذلك. إننا بحاجة حقاً إلى التفكير في الأمر بهذه الطريقة.
ثم ركز دائمًا على مهمتك كشركة وما تحاول القيام به. نعم، هذا من شأنه أن يخلق فرص عمل جديدة. ولكن في نهاية المطاف، أنت من أنت. والقدرات المرتبطة بهذا تأتي في فئتين: فهي تساعدك على تعزيز كفاءة أنشطتك؛ وثانيًا، تمنحك الفرصة للتواصل مع عملائك بشكل أفضل. إذا تبنيت هذين الأمرين، فهذا ما يمكنك من القيام به، وسترتفع احتمالات نجاحك.
هناك عنصر إدارة التغيير في هذا أيضًا. يمكنك توليد رؤى وتحليلات رائعة، ولكن يتعين على شركاء الأعمال في النهاية الاستفادة مما تفعله لاتخاذ قرارات أفضل لتغيير شيء ما في عملية عملهم أو سير العمل. ولهذا السبب نقضي الكثير من الوقت في هذا العصر مع شركائنا التجاريين لمساعدتهم والتأكد من أننا نفهم القضايا التي يتصارعون معها، ولدينا السياق. ومن ثم، يمكننا بدورنا مساعدتهم على الاستفادة مما نفعله.
