Brian Prestidge

Brian Prestidge 氏

City Football Group、Director of Insights and Decision Technology

共に仕事をする人々がより深いレベルで試合を理解できるように努力し、支援することには意義があります。試合を包括的かつ客観的に理解する必要があるからです。ですが、人々をつなぐという素晴らしい力を持つ業界にたずさわりたい、というのが私の主な動機です。

Brian 氏による AI ヒーローとしてのインパクト

Brian 氏は 15 年間にわたって、分析によりサッカーの試合にイノベーションをもたらし、現在もフィールド内外においてそのリーダーシップを発揮しています。ボルトン・ワンダラーズ FC の成績、選手の獲得、戦略分析を牽引した後、シティ・フットボール・グループに所属し、データサイエンスの導入と、勝利のために共に働く革新的な文化の発展を支援してきました。シティ・フットボール・グループは、ニューヨーク・シティ FC、ムンバイ・シティ FC、メルボルン・シティ FC、そして世界で最も有名なフットボールクラブの 1 つであるマンチェスター・シティ FC を含む、10 の関連会社を運営しています。Brian 氏が加入して以降、その最初のシーズンでマンチェスター・シティ FC は世界記録の 100 ゴールを獲得し、2018 ~ 2019 年にはリーグ首位でシーズンを終えました。
1 試合あたり 200 万データポイント
ゲーム中の意思決定や次の試合の準備に関する分析に使用
50 万の選手をグローバルに追跡
チームの強化につながりそうな選手を発掘
モデルの開発時間を 500 時間から 9 時間に短縮
クォンツモデラーによって開発されたオリジナルモデル: 約 500 時間、クォンツモデラーによって開発された V2: 143 時間、DataRobot: 9 時間

より適切な意思決定を、迅速に

勝利を手にするために Brian 氏と彼のチームは、プロサッカーという大きな注目を集め、目まぐるしく変化する環境の中で、シティ・フットボール・グループが適切な意思決定を迅速に行いながら、イノベーションを生み出す文化を培うための重要な役割を担っています。選手を育成するために AI やシミュレーションを利用する場合でも、強力なデータサイエンス手法を適用する場合でも、試合の準備を行うコーチ陣をサポートするためにデータサイエンスを活用しています。 

15 年間プロサッカーの世界で仕事をし、さまざまな役割においてパフォーマンスに関する優れたエキスパートを支援してきた Brian 氏は、技術的な混乱を目の当たりにしてきました。サッカークラブが利用できるデータ量が飛躍的に増加し、そのデータの複雑さが増しているためです。サッカーにおけるインサイトとは、AI を活用して、精度の向上、インサイト獲得までの時間短縮、データの信頼性、選定、データの民主化を実現し、それによって幅広い人々に価値をもたらすものです。

スポーツの世界では、指導力に欠けるコーチは解雇される可能性がありますが、AI なら、最終的に勝利するために多様な関係者と協力しながら試行錯誤する時間的な余裕を確保できます。たとえば、AI は、試合、試合後の分析、選出の発掘、選手の育成、コーチの採用、疲労管理についてのインサイトを得るのに役立ちます。具体的には、チームと選手個人の強みと弱みを把握したり、グローバルに追跡している 50 万の選手の中から有望な選手のリストを作成したり、選手の負傷を防ぎ、順調にトレーニングに復帰する方法を見つけたりできます。

Brian 氏はさまざまなアプローチを組み合わせることによって成功を収めています。

人間に関するデータソースと技術に関すデータソースの両方を組み合わせた予測モデルを使用することで、意思決定を行うにあたり可能な限り最適な情報を手にできます。たとえば、負傷のリスクを予測したり、ゲームまたはトレーニングでの負荷をシミュレートしたりすることで、選手のケアを最適なタイミングで行えます。

確立されたさまざまな業界全体で変化を余儀なくさせる、多くの障害があります。その結果、状況を先取りするための大規模でスピーディーな分析が非常に重要です。俊敏性についても同様のことが言えます。同氏の目標は、Automated Machine Learning(AutoML)を活用して、ペースの速い環境に対応し、ブラックボックスを開放し、データサイエンスの探索を導き、組織全体で使用している既存のツールで AI を民主化することです。勝利するための文化の一部には、謙虚さを示し、より適切な意思決定によってインパクトを与え、データサイエンスの経験のないスタッフを教育することで AI の能力をさまざまな領域で活用し、問題を回避することが含まれます。謙虚であることは、スポーツの専門家やコーチと協力し、それぞれの関心事がなんであれ、改善するためには何が重要かという観点から、データサイエンスを向上させることにつながります。

DataRobot は私たちにとって非常に強力なツールです。DataRobot のおかげで試合結果の予測における精度と能力が向上しました。実際のインサイトとは、これらのモデルを使って仮説を立てることにより、何をなし得るかです。たとえば、異なる選手を投入したら、そのシーズンに、またはその試合の勝率に、どのような影響があるのか。または、フォーメーションの変更など試合中の戦略について、特定の選手を交代することで、試合に勝利する可能性が高くなったり低くなったりするかどうかなど、さまざまなことが考えられます。ここで、DataRobot がモデルを単なるモデル以上のものに変える力を発揮するのです。実際にそのようなモデルが意思決定に関してもたらす真のインパクトにより、最善の意思決定を予測できるようになりました。
  • DataRobot のプラットフォームのおかげで仕事がうまく進んでいます。結果の精度も上がり、しかもタイムリーです。まるで魔法のようです
    Omair Tariq
    Omair Tariq

    Data Analyst, Symphony Post Acute Network

  • 弊社は、この業界で主体的に動く必要があると考えています。具体的には、顧客のニーズを理解する予測モデルを構築し、キュレーションプロセスを通して顧客のコンシェルジュになるべきだと考えています。
    Oliver Rees 氏
    Oliver Rees 氏

    General Manager – Torque Data at Virgin Australia

  • LendingTree 社にとってデータはビジネス戦略の中核にあり、一人ひとりに合った卓越した顧客エクスペリエンスを提供するうえで欠かせません。DataRobot を導入して以来、この資源から低コストで価値を引き出せるようになりました。
    Akshay Tandon 氏
    Akshay Tandon 氏

    LendingTree 社、戦略分析担当副社長

  • DataRobot ではモデルにフィードされているデータを理解できるため、得られたデータを何もかもシステムにフィードする必要がなくなります。DataRobot によって私のチームの有用性が高まっています。
    Deena Narayanaswamy 氏
    Deena Narayanaswamy 氏

    Head of Data Insights, Avant

  • モデリングに必要なデータサイエンスと手間のかかる作業を任せられるのは、DataRobot の技術の本質的な特長です。DataRobot を導入する前、モデリングプロセスには多くの手作業が必要でした。今のプラットフォームでは、そのステップの多くを最適化および自動化しながらも、自在に制御することができています。DataRobot を導入していなかったら、今と同じ成果を得るためには常勤のスタッフを 2 名増やす必要があったでしょう。
    Evariant

    DataRobot で AI ヒーローを目指しましょう