スポーツ分析

ヒューストン・ロケッツのダリル・モーリーは、 NBAで初めて高度な指標を選手評価の重要な要素として導入したゼネラルマネージャーだった。^{[ 15 ]}モーリーの採用後、NBAは高度な指標に基づく選手評価手法を急速に採用するようになった。2012年、ジョン・ホリンガーはESPNを離れ、メンフィス・グリズリーズのバスケットボール運営担当副社長に就任した。

プロバスケットボールのフロントオフィス以外にも、 Basketball Referenceのような主要なスポーツメディアのウェブサイトは、プロや大学のバスケットボール組織、スポーツメディア関係者、そしてファンに向けて、高度な指標の収集、統合、普及に尽力している。

フランク・マグワイア監督率いるノースカロライナ大学は、高度なポゼッション指標を活用して競争優位性を獲得した最初のバスケットボールチームとして知られています。それ以来、バスケットボール界のスポーツ分析愛好家たちは、各選手と各チームのコート上での効率性を測定する加重統計を作成してきました。バスケットボール特有の高度な指標のほとんどは、選手の使用頻度に関係なく、チームへの貢献度を測定できるように、1分あたりの測定値を採用しています。

2003年、スポーツ分析に特化したウェブサイトFootball Outsidersは、フットボール初の包括的な高度な指標であるDVOA（ディフェンス調整済み平均値）^{[ 16 ]}を先駆的に開発しました。これは、ダウン、距離、フィールド上の位置、現在のスコア差、クォーター、対戦相手の強さなど、多くの変数に基づいて、各プレーにおける選手の成功をリーグ平均と比較するものです。Football Outsidersの取り組みは、その後、スポーツメディア業界の分析担当者によって広く引用されるようになりました。数年後、Pro Football Focusは包括的な統計データベースを立ち上げ、すぐに高度な選手評価システムを導入しました。^{[ 17 ]} Advanced Football Analytics（当初はAdvanced NFL Stats）は、NFL選手のEPA（期待得点追加）とWPA（勝利確率追加）を提供しています。

Grantlandの主任フットボールライターであるビル・バーンウェルは、個々の選手の将来のパフォーマンスを予測することに焦点を当てた最初の指標であるスピードスコアを作成し、 Pro Football Prospectusに寄稿した記事で言及した。ランニングバックの成功に関するデータを分析した後、バーンウェルはNFLレベルで最も成功しているランニングバックは速くて重いことを発見したため、スピードスコアは40ヤード走のタイムに重み付けをし、より大きく、多くの場合より強いランニングバックに優位性を与える。 ^{[ 18 ]}

NFLにおけるスポーツ分析の利用を推進する原動力の一つは、ファンタジーフットボールの成長である。ファンタジースポーツライターのCDカーター氏と、XN Sports、NumberFire、そして長文ファンタジーフットボール分析サイトのRotoviz.comの仲間たちは、「デジェン」と自称するファンタジーフットボールスポーツライターの非公式なサブカルチャーを確立した。デジェン運動は、過去のフットボールパフォーマンスをよりよく説明し、将来の選手の生産性を予測しようとする、数多くのアメリカンフットボール効率指標の作成に貢献している。身長調整スピードスコア^{[ 19 ]} 、カレッジドミネーターレーティング^{[ 20 ]} 、ターゲットプレミアム[21]、キャッチ半径^{[ 22 ]} 、ネット期待ポイント（NEP）^{[ 23 ]} 、およびプロダクションプレミアム^{[ 24 ]は}、最近、デジェンライターや数学者によって作成され、普及された。これらのライターの業績を基に、PlayerProfiler.comなどのサイトは^{、確立されたさまざまな高度な指標を、}カジュアルなスポーツファンにも分かりやすいように設計された単一の選手スナップショットに集約している。^{[ 24 ]}

NHLは創設以来統計を記録してきたが、分析に基づく意思決定を採用したのは比較的最近のことである。トロント・メープルリーフスは、2014年にアシスタントゼネラルマネージャーのカイル・デュバスを雇った際、NHLで初めて分析のバックグラウンドを強く持つ経営陣を採用したチームとなった。デュバスは、MLBのセオ・エプスタインと同様に、プロの試合に出場したことはなく、現在および過去の選手の毎晩の成績に基づいて意思決定を行っている。^{[ 25 ]}

• Corsi統計は、NHL全体で広く採用されている高度な統計であり、チーム、ファン、メディアはシュート試行の差を追跡するためにCorsi統計に頼っています。^{[ 26 ]} Corsiは、チームの攻撃と守備の両方のプレー、およびチームがパックを保持している時間についての洞察を提供できるため、ホッケーのゲームで最も情報量の多い単一の統計として認識されています。^{[ 27 ]}

PGAツアーはシーズンを通して膨大な量のデータを収集しています。これらの統計データは、トーナメントにおける選手のショット一つひとつを追跡し、ボールの飛距離、ショットの正確な位置、そして着地点などの情報を収集します。これらのデータは長年にわたり、選手とそのコーチによって練習セッションやトーナメント準備の際に活用され、選手がトーナメント本番に臨む前に改善すべき点を明確にするのに役立てられています。

• Shotlinkデータ収集は、ゴルフにおけるデータ収集方法に革命をもたらしました。2003 年に本格的に導入された Shotlink は、コース上に戦略的に配置された多数のレーザー距離計とカメラを利用して、PGA ツアーで打たれたすべてのショットから正確なデータを収集します。^{[ 28 ]}これらのデータにより、プレーヤーは自分のゲームで改善が必要な部分を把握でき、より広い視点では、プレーヤーは過去のコース統計をレビューして、トーナメントの準備に役立てることができます。プレーヤーとファンは、提供される年間統計に加えて、これらの統計に最新の情報に簡単にアクセスできるため、これらのデータは非常に高速です。Shotlink はゴルフコース設計の世界にも影響を与えており、設計者はプロゴルファーの最新の統計に常にアクセスできるため、世界最高のプレーヤーに挑戦を提供するコースを設計することができます。^{[ 28 ]}

サッカーでは、選手やボールの位置データなどのトラッキングデータを使用して、チームが選手のコンディションに関する情報を取得しています。^{[ 29 ]}このデータは、攻撃パフォーマンスを評価し、人工知能を使用して得点を推定するためにも使用されています。^{[ 30 ]}他のアプローチには、ドリブルやパスが含まれます。^{[ 31 ]}また、名古屋大学では、ディフェンダー指向のボール奪取と攻撃を受けることを指標として使用する可能性を調査する研究も行われており、日本のJ1リーグのデータを使用して、チームが使用する戦略を予測するために成功裏に使用されています。 ^{[ 32 ]}

アストロズは意思決定において分析に大きく依存している。チームには意思決定科学ディレクター、医療リスクマネージャー、数理モデル作成者などの肩書きを持つ従業員がいる。^{[ 36 ]}分析を選手の取引や契約にのみ使用する他のプロチームとは異なり、アストロズはフィールド上でのプレー方法に関する意思決定に分析を使用し始めており、「昨シーズンはMLBのどのチームよりも守備シフトを多く適用した」。^{[ 36 ]}このアプローチにより、ヒューストン・アストロズは2017年に球団史上初のワールドシリーズ優勝を果たした。^{[ 37 ]}

SportVUをいち早く導入したチームの一つであるサンアントニオ・スパーズは、長年にわたりアナリティクスを活用して対戦相手に対して競争上の優位性を獲得してきた。スパーズはチーム全体としてスリーポイントシュートの重要性を徹底的に追求し、その結果、リーグ上位のスリーポイントシュート試投数を常に維持している。チームの「スリー」の重要性に対する理解は、攻撃面だけでなく守備面にも及び、守備側でもスリーポイントシュートの阻止に徹底的に取り組んでいる。^{[ 36 ]}

2009年、シカゴ・ブラックホークスは外部企業に分析評価の作成を依頼した。^{[ 36 ]}その後、ブラックホークスはNHLで比類なき成功を収め、6シーズンで3度のスタンレーカップを獲得した。この成功に伴い、ブラックホークスの経営陣は多くの難しい決断を迫られてきた。カップ獲得後、主力選手グループを維持できるのはごく一部に限られることが多く、他の主要選手はNHLのサラリーキャップでは到底太刀打ちできないオファーを受けるからだ。しかし、この分析に基づくシステムを用いることで、ブラックホークスは他チームに過小評価されているものの、ブラックホークスのプレースタイルにうまく適合する選手を見つけることで、こうしたギャップを継続的に埋めることができた。このようにして編成されたチームは、一見すると期待外れに見えるかもしれないが、実際には予想以上の成績を収めることが多い。この戦略は、財政的に余裕のないチームが競争力のあるチームを編成するために採用できる可能性がある。^{[ 38 ]}このプロセスはブラックホークスによって洗練されており、分析に基づく意思決定が長期にわたって有効であることを示すもう一つの例となっている。^{[ 39 ]}

出典: ^{[ 43 ]}

野球の黎明期には、打者は投手の投球パターンやスピンレートに関する情報を全く把握していなかった。しかし、現代の野球では、人工知能（AI）とデータ分析技術の活用により、試合前にスピンレートや投球パターンに関する情報が打者に提供されるようになった。

一方、この技術は投手にもメリットをもたらします。現代の野球と同様に、AIとデータ分析は、特定の打者にとってどの球種が弱点であるかを示すことで、投手を助けることができます。また、打者がストライクゾーンのどの部分を苦手としているかを示すこともできるため、投手はストライクゾーンのその部分を狙って投球することで、有利な状況を作り出すことができます。

ソース：

バスケットボールの黎明期には、シュートのほとんどはゴール近くから放たれていました。しかし現在、NBAをはじめとする多くのリーグではスリーポイントラインが導入され、選手は2点ではなく3点を獲得できる距離までシュートを打てるようになりました。そのため、選手のプレーは多面的になり、ディフェンス側にとって守りにくくなっています。AIとアナリティクスを活用することで、ディフェンダーは選手のスリーポイントシュートの成功率に基づいて、どのように守備すべきかを把握できます。もし選手がスリーポイントシュートの成功率が低い場合、ディフェンダーは距離を置いてシュートを許すといった対応を取ることができます。

AIとアナリティクスはコーチングにも大きな影響を与えている。試合終盤の展開、タイムアウトの使い方、守備戦略、選手の影響力などがその例だ。NBAの一部のチームには、ヘッドコーチが試合中の調整を行う際にデータとアナリティクスを主な業務とするコーチがいる。

プロサッカーでは、AIとアナリティクスが、選手の疲労、過去の対戦成績、戦術的なホーム・アウェイのダイナミクスなど、1試合あたり50以上の変数を含む多次元データセットを統合するためにますます活用されています。これらの予測モデルにより、プレミアリーグやラ・リーガなどの主要リーグで高度な確率評価が可能になり、従来の統計的手法を超えた試合結果に関するより深い洞察が得られます。^{[ 44 ]}