فرایند کاوی با فوتبال دیدار می کند! چگونه یک تیم فوتبال توپ را در زمین بازی پردازش می کند؟

فرایند کاوی با فوتبال دیدار می کند! چگونه یک تیم فوتبال توپ را در زمین بازی پردازش می کند؟

 

یافتن چشم انداز صحیحی از فرآیند، یکی از چالش­هایی است که هنگام استفاده از فرآیندکاوی مواجه می­شوید. در بیشتر موارد به فکر ایده ایی هستیم که از فرآیند چه انتظاری داریم اما در برخی موارد یافتن چشم انداز صحیح برای دستیابی به بینش­های ارزشمند کار آسانی نیست.

در کمپ فرآیندکاوی در ژوئن سال 2019، هادی ستوده دانشجوی دکتری مهندسی در علوم داده آکادمی Jheronimus (JADS)، تجربیات خود را جهت استفاده از فرآیندکاوی برای مجموعه داده جام جهانی فوتبال 2018 به اشتراک گذاشت. او اکنون تحلیل خود را در این مقاله نوشته است و در صورت داشتن نظری در این خصوص می توانید با وی در لینکدین یا از طریق ایمیل در ارتباط باشید.

مجموعه داده ها

فوتبال با فرآیندکاوی چه کاری انجام می­ دهد؟ عملا هیچی، اما متوجه شدم که مجموعه داده Statsbomb (شکل1) نیازهایی برای حداقل تلاش در این جهت برآورده می­ کند. مخصوصا علاقه مند به اینکه چگونه تیم فوتبالی، توپ را در زمین بازی بدست می آورد، می­ باشم. میتوانم به این سوال پاسخ دهم و به کادر مربیان بینش خوبی برای الگوهای جالب بازی برای توسعه استراتژی­ها در جهت مخالف ارائه دهم.

شکل 1-1: مثالی از مجموعه داده Statsbomb

ابتدا، نیاز به معرفی فرآیند مالکیت توپ داریم:

فرآیند مالکیت توپ مجموعه ایی از اقدامات صورت گرفته روی توپ توسط یک تیم از شروع مالکیت تا پایان آن (از دست دادن یا امتیاز گرفتن) می­ باشد.

برای مثال، ویدیو مورد بررسی شده، مالکیت توپ از مدافعان شروع و پس از چندین اقدام روی توپ، نظیر پاس یا دریبل، بازیکن پیشرو آن را از دست می ­دهد. این مالکیت توپ به صورت متوالی در بازی بین ایران و پرتقال در جام جهانی 2018 رخ داد. این توالی با ویژگی­ های مهم بیشتری پس از پیش پردازش مجموعه داده در جدول 1 نشان داده شده است.

جدول 1-1: مجموعه فعالیتهای ثبت شده توپ در مجموعه داده موردنظر

همانطور که در جدول فوق نشان داده شد، این توالی مالکیت توپ دارای ویژگی هایی نظیر:

case ID: تمام اقدامات متوالی مالکیت توپ دارای شناسه نمونه فرایند یکسان هستند.

action: اسم اقدام روی توپ نظیر پاس و فشار

type: نوع اقدام توپ نظیر ضربه ایستگاهی، بازپخش، شوت روبرو

play pattern: هر توالی دارای یک الگوی بازی می ­باشد مانند ضربه ایستگاهی و کرنر

recipient: بازیکن دریافت کننده

start Time and end Time: زمان شروع و پایان اقدام

period: کدام نیمه از مسابقه

duration: مدت زمان اقدام

possession team: تیم مالک توپ

team action: تیم انجام دهنده اقدام

player: بازیکن انجام دهنده اقدام

body part: بخشی از بدن بازیکن انجام دهنده اقدام

start_X and start_Y: شروع موقعیت اقدام در زمین بازی باتوجه به یک مرجع

end_X and end_Y: پایان موقعیت اقدام در زمین بازی باتوجه به یک مرجع

result: نتیجه اقدام

ما بلژیک را برای تحلیل فرآیند مالکیت توپ انتخاب می­ کنیم (شکل 2) زیرا آن­ها هفت مسابقه داشتند و این مجموعه داده غنی تری فراهم خواهد کرد.

شکل 1-2: تیم ملی فوتبال بلژیک در جام جهانی 2018

نگاشت فرآیند مالکیت توپ

برای نگاشت فرآیند مالکیت توپ، نیازمند بررسی اینکه چگونه سه پارامتر فرآیندکاوی شناسه نمونه فرایند ،فعالیتو برچسب زمانرا اختصاص دهیم، داریم. تعداد توالی مالکیت توپ(caseID در جدول1) به عنوان شناسه فرایند انتخاب می­شود. سپس، اقدام روی توپ (action در جدول1) در ابتدا به عنوان فعالیت رخ می­دهد و زمان شروع عمل به عنوان برچسب زمانی انتخاب می­شود. پس از انتقال مجموعه داده به دیسکو، تمام فعالیت­ها و مسیرهای مهم­تر در نگاشت فرآیند کشف شده نشان داده می­شوند (شکل3).

شکل 1-3: تمام فعالیت ها در فرآیند مالکیت توپ با مسیرهای مهم تر

شکل 4 فرآیند مالکیت توپ برای 594 مورد با 295 نوع را نشان می ­دهد. اولین نوع شامل 48 نمونه فرایند (تنها یک پاس)، دومین نوع شامل 38 نمونه فرایند(2 پاس) و سومین نوع شامل 3 پاس می ­باشد.

شکل 1-4: سه نوع برتر از فرآیند مالکیت توپ

بازیکنان به عنوان فعالیت

ما همچنین می­توانیم چشم انداز دیگری روی فرآیند با در نظر گرفتن بازیکنان به عنوان فعالیت داشته باشیم و نحوه تعامل آن­ها را در زمین بازی ببینید، شکل 5 را مشاهده کنید.

شکل 1-5: تعامل 11 بازیکن برتر بلژیک در طول فرآیند مالکیت توپ در زمین بازی توسط بیشترین تعامل

تعامل بازیکنان بلژیک در زمین بازی دارای 594 نمونه فرایند با 525 نوع می­ باشد، به شکل 6 مراجعه نمایید.

شکل 1-6: سه نوع برتر تعامل بازیکنان بلژیک در طول فرآیند مالکیت توپ در زمین بازی

نوع اول برتر شامل 10 نمونه فرایند است که Kevin De Bruyne در توالی­ ها  فقط با یک اقدام درگیر بود. دومین و سومین نوع همچنین دارای یک اقدام بود اما با بازیکنان مختلف به ترتیب Jan Vertonghen و Thibaut Courtois رخ داد.

حلقه­ های باز شده

اگر به اولین چشم انداز نگاه کنید، ما اقدام روی توپ را به عنوان فعالیت در فرآیند نگاشت می­ کنیم (شکل 3) می ­توانید ببینید که خود-حلقه  غالب روی فعالیت پاس وجود دارد (شکل 7).

شکل 1-7: حلقه روی خود در فعالیت”پاس”

فروپاشی تکرارها در بیشتر موقعیت ­ها مفید است اما اکنون می­خواهیم به الگوهای پاس به صورت عمیق ­تر بپردازیم. برای انجام این کار، نیاز به این حلقه غالب داریم.

ما روش غالب شرح داده شده در این مقاله را به کار می­ بریم، به این معناست که توالی را از پاس، پاس، پاس (که به یک فعالیت پاس واحد با خود-حلقه فرو می ­رود) به پاس 1، پاس 2، پاس 3 (که به عنوان توالی فعالیت­های پاس پس از یکدیگر نشان داده خواهد شد) تغییر می­ دهیم. پس از افزودن تعداد تکرار در کد پایتون، داده­ ها را دوباره به دیسکو با انتخاب هر دو اقدام روی توپ و نیز تعداد توالی افزوده شده جدید از تکرار به عنوان اسم فعالیت برمی ­گردانیم. نگاشت فرآیند کامل (100% فعالیت­ها و 100% مسیرها) در شکل 8 نشان داده می ­­شود.

شکل 1-8: نگاشت فرآیند غالب کامل

همانطور که از یک بازی فوتبال انتظار می­ رود، نگاشت فرآیند بسیار پیچیده است. با تمرکز روی 50% فعالیت­ ها و مسیرهای مهم ­تر، یک نگاشت فرآیند قابل خواندن به دست آوریم که اکنون می ­تواند تحلیل شود (شکل 9).

انواع مختلف تمایز مالکیت توپ

در کاوشی دیگر، ما می ­خواهیم روی زیر فرآیندهای درون فرآیند مالکیت توپ تمرکز کنیم. در یک مسابقه فوتبال، مالکیت توپ می ­تواند انواع مختلفی نظیر از دروازه بان، از کرنر، از ضربه ایستگاهی، از پرتاب در و غیره داشته باشد. مشاهده می­ شود که فرآیند باید در کرنر نسبت به شروع از دروازه بان متفاوت باشد.

ما نوعی از توالی را با اقدام روی توپ به عنوان اسم فعالیت برای تمرکز راحت روی زیر مجموعه­ های جالب از نگاشت براساس این بعد اضافه شده الحاق می­ کنیم (شکل 10).

شکل 1-9: نگاشت فرآیند غالب با 50% فعالیتها و مسیرهای مهمتر

شکل 1-10: زیرفرآیندهای فرآیند مالکیت توپ با نوعی از بعد متوالی

کادر مربیگری می توانند برای نمونه فرایند هایی که قطعه هایی مانند گوشه و ضربات آزاد ایجاد نشده اند، فیلتر بگذارند تا فقط روی قسمتهای موردعلاقه خود تمرکز کنند.

یکی دیگر از کاربردهای استخراج فرآیند این است که کادر مربی می توانند به کاشف نمونه فرایند بروند و ببینند کدام توالی ناخواسته در زمین اتفاق افتاده است تا الگوهای نامنظمی را که باید از آنها جلوگیری شود شناسایی کند. (اشکال 11 و 12).

شکل 1-11: کشف توالی های ناخواسته

شکل 1-12: یافتن بازیکنان درگیر در این توالی

با کشف انواع مختلف یک به یک در سمت چپ شکل 11، می ­توانیم ببینیم که 11 توالی وجود دارد که فقط یک اقدام روی توپ دارد (پاس- پرتاب-در-1). فقط این توالی­ها را با فیلتر کردن آن­ها نگهداری کنید و کشف کنید تا ببینید علت چیست.

شکل 12 یک تصویر از بازیکنان مختلف و نحوه انجام آن­ها در توالی­های انتخاب شده نشان می ­دهد. برای مثال،Jan Vertonghen در 5 توالی از11 توالی درگیر شده است که پس از پرتاب توپ پایان می ­یابد. می ­توانیم این توالی­ها را انتخاب و کشف کنید تا ببینید چه اتفاقی افتاده است (شکل 13).

با انتخاب هر نمونه فرایند، می­ توانیم ببینیم چه خاصیتی از توالی هستند. برای مثال، یکی از توالی­های رخ داده در مقابل Panama و به دومین دوره زمانی و دقیقه 73 تعلق دارد. اکنون، می­ توانیم به نگاره رویداد برای ویدئو مسابقه متصل و ببینیم چه اتفاقی در زمین بازی افتاده است و در زمان دقیق آن چارچوب را به دقت مشاهده کنیم. همانطور که می­بینید، Vertongen تلاش به شروع پرتاب با پاس طولانی می­کند که موفق نمی­شود و Panama مالکیت توپ را در اختیار گرفت.

شکل 1-13: مثالی از پرتاب توپ در توالی که Vertongen درگیر شده است

به این ترتیب، تیم مربیگری نیازی به تماشای کل مسابقه از ابتدا تا انتها ندارد. آنها قادر خواهند بود فقط روی قطعات جالب توجه تمرکز کرده و در زمان صرفه جویی کنند. این نرم افزار همچنین جالب است وقتی تیم شما مقابل تیم های ناشناخته بازی می کند و شما به عنوان یکی از اعضای تیم مربیگری نیازی به تماشای تمام مسابقات حریفان ندارید.

نتیجه گیری

بعد از تبدیل داده ها، ما توانستیم عملکرد بازیکنان را مورد بررسی قرار دهیم اما دریافتیم که یک الگوی غالب وجود ندارد. ما برای دستیابی به دیدگاههای دیگر برای کشف الگوهای، ما رویکردهای مختلفی را اتخاذ کردیم. به عنوان مثال، ما توانستیم به تعامل با بازیکنان انفرادی نگاه کنیم. از آنجا که تعاملات فوتبال از یک روند معمولی (استاندارد) پیروی نمی کند، پیدا کردن سطح مناسب یکی از چالش های دریافت بینش است.نگاه به چشم اندازهای مختلف می تواند به یادگیری چیزهای جدید در مورد الگوی بازی حریف یا یادگیری تیم از اشتباهات کمک کند.

مثل همیشه، این ایده خوبی است که به عقب نگاه کنیم و ببینیم که چگونه به این مرحله رسیدیم. وقتی به این مسئله نگاه می کنیم که روند را چگونه تعریف کردیم، می فهمیم که، شاید، ما می توانیم دوباره روند را دوباره تعریف کنیم، درست است؟

به عنوان مثال، یکی از مراحل بعدی می تواند تعریف مجدد فرایند به شرح زیر باشد:

فرآیند مالکیت توپ یک توالی از مناطقی است که توپ در داخل زمین یا بیرون زمین بازی از شروع مالکیت تا پایان آن حرکت می­کند.

این ویو نیازمند تعریف مناطق در زمین بازی فوتبال می ­باشد. یک مثال از آن در شکل 14 نشان داده می­شود.

شکل 1-14: تقسیم زمین بازی به نواحی مختلف(فعالیتها)

پیدا کردن مسیر درست برای تقسیم زمین بازی به نواحی معنی دار و سوالات مرتبطی که ما می ­توانیم با استفاده از فرآیندکاوی پاسخ دهیم. برای کادر مربیان جالب است که چه کاری می­توانیم بعدا انجام دهیم.

ما نشان دادیم که فرآیندکاوی می­تواند ابزار قدرتمندی برای کشف داده­های فوتبال باشد. با این حال، یافت چشم انداز صحیح برای پاسخ به سوالات همیشه واضح نیستند.

داده­ ها می­توانند به چشم اندازهای چندگانه مدل شوند که به ما اجازه در نظر گرفتن چشم اندازهای مختلفی از فرآیند را می­دهند. یافت چشم انداز صحیح یک فرآیند تکراری است که با تلاش کردن چیزهای مختلف می­تواند به بهترین وجه کشف شود.

مرجع

  • https://www.fluxicon.com/blog/2019/10/process-mining-meets-football-how-does-a-football-team-possess-the-ball-on-the-pitch/

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مقایسه
علاقه مندی ها 0