Atthavit Tulyathan, Author at Big Data Institute

บทความทั้งหมด

All Articles

รถ Formula 1 เครื่องผลิตข้อมูลที่วิ่งได้กว่า 300 กิโลเมตร/ชั่วโมง

การแข่งรถ Formula 1 หรือ F1 ซึ่งเป็นการแข่งขันความเร็วของรถยนต์ที่แต่ละค่ายบริษัทรถยนต์พัฒนาขึ้น ถือเป็นหนึ่งในกีฬาที่มีความนิยมสูงที่สุดในโลก อย่างไรก็ดีการตัดสินผู้ชนะในกีฬา F1 มีหลากหลายปัจจัย ไม่ใช่แค่ว่าทีมที่มีรถยนต์ที่เร็วที่สุดในสนามจะเป็นผู้ชนะเสมอไป ดังนั้นการนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุดเลยเป็นสิ่งจำเป็น พวกเขาข้อมูลกันแบบไหนสามารถติดตามได้ในบทความนี้ครับ

20 October 2022

Movements

ฟุตบอลในยุคสงครามข้อมูล

กีฬาฟุตบอลเป็นหนึ่งในกีฬาที่มีความเก่าแก่และได้รับความนิยมที่สุดในโลก ซึ่งเราจะเห็นพัฒนาการของกีฬานี้ไม่ว่าจะเป็นเทคนิคการเล่น ยูนิฟอร์มของนักฟุตบอล รวมไปถึงเทคโนโลยีการถ่ายทอดสด ที่มีการพัฒนาในแต่ละยุคสมัย ณ ปัจจุบันโลกได้เข้าสู่ถึงยุคของสงครามข้อมูล ไม่ว่าจะเป็นอุตสาหกรรมอะไรใครที่ถือครองข้อมูลและใช้ให้เกิดประโยชน์สูงสุด จะสามารถช่วงชิงความได้เปรียบในอุ9สาหกรรมนั้น โดยบทความนี้จะเล่าเกี่ยวกับการใช้ข้อมูลของวงการฟุตบอลเมื่อเข้าสู่ยุคสงครามข้อมูล การใช้ข้อมูลเพื่อคัดเลือกนักเตะ ในวงการกีฬาฟุตบอล นักฟุตบอลที่เก่งกาจเปรียบเสมือนดั่งขุมทรัพย์ที่ทีมฟุตบอลต่าง ๆ ต้องการทาบทามเพื่อเข้าทีมของตัวเอง โดยเฉพาะนักฟุตบอลดาวรุ่งที่มีแววความสามารถที่จะเป็นสตาร์ดังระดับโลกในอนาคต ดังนั้นการที่ทีมฟุตบอลได้นำเอาศาสตร์ของการวิเคราะห์ข้อมูลเข้ามาช่วยในการคัดเลือกนักเตะ จะสามารถช่วยพวกเขาหาขุมทรัพย์เหล่านั้นได้อย่างมีประสิทธิภาพ การแต่งตั้ง Michael Edwards ของ Liverpool Michael Edwards ได้เข้ามาทำหน้าที่ ผอ. กีฬาของลิเวอร์พูลและได้นำเอาศาสตร์การวิเคราะห์ข้อมูลเข้ามาบริหารทีม โดย Michael Edwards ได้ทำการจัดตั้งทีมเพื่อทำการวิเคราะห์ข้อมูลของนักฟุตบอลโดยเฉพาะ โดยสมาชิกภายในทีมประกอบไปด้วย Ian Graham จบปริญญาเอกด้านฟิสิกส์ William Spearman จบปริญญาเอกด้านฟิสิกส์ Tim Waskett จบปริญญาเอกด้านดาราศาสตร์ และ Dafydd Steele อาจารย์สอนสถิติ เรียกได้ว่าทีมนี้เปรียบเสมือนทีมรวมดาราของการวิเคราะห์ข้อมูลกันเลยทีเดียว ในช่วงแรกการซื้อนักเตะของลิเวอร์พูลในยุคของ Michael Edwards ได้เกิดคำถามให้กับแฟนบอลเป็นอย่างมากว่า “แพงไปหรือป่าว” ยกตัวอย่างการซื้อ Mohamed Salah Alisson หรือ Virgil van Dijk แต่พอเวลาผ่านไปทั้งสามนักเตะได้โชว์ฟอร์มการเล่นได้อย่างยอดเยี่ยม และพิสูจน์ให้เห็นว่าทุกเม็ดเงินที่ลงทุนไปนั้นคุ้มค่า จนตอนนี้มูลค่าทางตลาดของนักเตะทั้งสามคนนี้ได้เพิ่มขึ้นอย่างมากมาย เหตุการณ์นี้ได้พิสูจน์ให้เห็นแล้วว่าการใช้ศาสตร์แห่งการวิเคราะห์ข้อมูลไม่ใช่เรื่องที่จะสามารถมองข้ามได้อีกต่อไป ไม่แม้แต่เพียงเพิ่มประสิทธิภาพในการคัดเลือกนักเตะเข้าทีมเพียงอย่างเดียว แต่ยังสร้างผลประโยชน์มากมายให้กับทีมฟุตบอลทีมหนึ่งที่อาจจะพลิกอนาคตของสโมสรฟุตบอลได้เลยทีเดียว การใช้ข้อมูลสถิติเพื่อประเมินการเล่นของนักเตะ สมัยก่อนทีมโค้ชจะประเมินว่านักเตะคนหนึ่งกำลังทำผลงานได้ดีหรือไม่นั้น ผ่านเพียงแค่สายตาของพวกเขาตอนอยู่ข้างสนาม หรือ ใช้การดูวิดีโอการเล่นของนักเตะ แต่ในยุคของสงครามข้อมูล ได้มีการใช้ค่าสถิติเข้ามาประเมินการเล่นของนักเตะ โดย section นี้เราจะพูดถึงค่าสถิติที่เป็นที่นิยมนั่นก็คือ Expected Goals (xG) แต่ก่อนโค้ชฟุตบอล หรือนักวิเคราะห์ด้านกีฬาฟุตบอลจะให้ความสนใจกับจำนวนโอกาสการยิงของนักเตะคนหนึ่งมากๆ รวมไปถึงติดตามด้วยว่าจากจำนวนโอกาสการยิงทั้งหมด สามารถทำเป็นประตูได้กี่ครั้ง แต่ในยุคของการวิเคราะห์ข้อมูลได้ทำการคิดค้นค่าสถิติที่สามารถประเมินความสามารถในการยิงของนักเตะได้ละเอียดและมีประสิทธิภาพยิ่งขึ้น ค่าสถิติในฟุตบอล Expected Goals เป็นค่าที่จะบ่งบอกถึงความเป็นไปได้ที่โอกาสการยิงในแต่ละครั้งจะเป็นประตู ยกตัวอย่างเช่น ถ้าโอกาสการยิงนั้นยิ่งอยู่ใกล้ประตูเท่าไหร่ ค่า xG ก็จะสูงขึ้นมากเท่านั้น ทางทีมโค้ชก็จะสามารถประเมินการเล่นของทีมได้โดยใช้ค่า xG ไปเทียบกับจำนวนประตูที่เกิดขึ้นจริง ยกตัวอย่างเช่น ถ้าค่า xG มีค่าเท่ากับ 2 แปลว่าในเกมนั้นทีมควรทำประตูได้ 2 ประตู ในกรณีที่ทีมไม่สามารถทำประตูได้เลย นั่นก็หมายความว่าแผนหรือระบบของทีมเพียงพอสำหรับการทำประตูคู่แข่ง แต่ตัวผู้เล่นอาจมีปัญหาเรื่องสกิลการยิงประตูนี่เอง แต่ในทางกลับกันถ้าค่า xG น้อยแต่ทีมสามารถทำประตูได้เยอะ นั่นก็แปลว่านักเตะสามารถทำประตูได้ในโอกาสที่ยากที่จะเป็นประตู แปลว่านักเตะนั้นมีความสามารถในการยิงประตูมาก ๆ นั่นเอง นอกเหนือจากนี้ยังมีค่าสถิติอื่น ๆ ที่ใช้ในเกมฟุตบอล ยกตัวอย่างเช่น ค่า Expected Assist (xA) ซึ่งเป็นค่าที่บ่งบอกถึงคุณภาพของโอกาสการทำประตู ที่นักเตะคนนึงสร้างให้กับเพื่อนร่วมทีม หรืออีกค่านึงคือ Expected Goal Conceded (xGc) คือค่าโอกาสที่ทีม ๆ นึงจะเสียประตู ซึ่งจะบ่งบอกถึงคุณภาพของแนวรับที่จะสามารถลดโอกาสการทำประตูของฝ่ายตรงข้ามมากน้อยขนาดไหน รวมถึงยังมีค่าอื่นๆอีกมากมายในโลกแห่งวงการฟุตบอล จะเห็นได้ว่ากีฬาฟุตบอลได้เข้าสู่ยุคการวิเคราะห์ข้อมูลอย่างเต็มรูปแบบแล้ว การนำข้อมูลเข้ามาใช้กับสโมสรฟุตบอลไม่ได้นำทีมไปสู่ชัยชนะในสนามอย่างเดียว แต่อาจสร้างเม็ดเงินมหาศาลให้กับสโมสรอีกด้วย ขนาดอุตสาหกรรมฟุตบอลยังมีการใช้ข้อมูลให้เกิดประโยชน์ขนาดนี้ ดังนั้นไม่ว่าคุณจะอยู่ในอุตสาหกรรมไหน คุณอาจต้องเริ่มคิดถึงการใช้ข้อมูลให้เกิดประโยชน์สูงสุดให้ได้ References Durkan, Joanna. “Transfer Guru Michael Edwards Is Set to Leave Liverpool – Liverpool FC – This Is Anfield.” This Is Anfield, https://www.facebook.com/thisisanfield, 30 Aug. 2021, https://www.thisisanfield.com/2021/08/transfer-guru-michael-edwards-is-set-to-leave-liverpool/. Genderen, Dennis. “Real-Time Data Intelligence for Football – SD-WAN Door SDNstudio.” SD-WAN Door SDNstudio, 1 Apr. 2019, https://www.sdnstudio.com/real-time-data-intelligence-for-football/. Pilgrim, Dave. “Expected Goals (ExG) and Shot Data Explained.” Stattobets, 18 Nov. 2018, https://www.stattobets.com/single-post/2018/11/18/expected-goals-exg-and-shot-data-explained.

7 March 2022

Movements

ชิงความได้เปรียบของเกมส์ด้วยข้อมูล

ทุก ๆ องค์กรในแต่ละอุตสาหกรรมเริ่มมีการใช้ Big Data เพื่อสร้างผลประโยชน์สูงสุดให้แก่องค์กร ไม่ว่าจะเป็นการใช้ข้อมูลสมาชิกในการวิเคราะห์เพื่อส่งเสริมการลงทุน หรือการใช้ข้อมูลสัญญาเช่าซื้อในการสร้างโมเดลทางคณิตศาสตร์เพื่อประเมินความเสี่ยงในการเกิดสัญญาหนี้ค้าง จะเห็นได้ว่าในแต่ละอุตสาหกรรมมีการประยุกต์ใช้ข้อมูลที่ต่างกัน มีอุตสาหกรรมหนึ่งที่ผมมองว่ามีการใช้ข้อมูลได้อย่างน่าสนใจและอยากมาเล่าในบทความนี้ ซึ่งนั่นก็คือ อุตสาหกรรมการกีฬา อุตสาหกรรมการกีฬาเป็นอุตสาหกรรมหนึ่งที่มีข้อมูลในจำนวนมหาศาลไม่แพ้อุตสาหกรรมอื่น ๆ ข้อมูลเหล่านี้ล้วนเป็นข้อมูลที่มีค่าที่สามารถนำมาวิเคราะห์ได้ ผมจะมาเล่าตัวอย่างการประยุกต์ใช้ข้อมูลในอุตสาหกรรมการกีฬาครับ การใช้ข้อมูลเพื่อเพิ่มโอกาสชนะในเกมส์การแข่งขัน เมื่อศาสตร์ของการวิเคราะห์ข้อมูลเริ่มมีบทบาทมากขึ้นในการกำหนดผู้ชนะในการแข่งขัน สโมสร หรือทีมกีฬาอาชีพได้ทำการรวบรวมข้อมูลให้มากที่สุดเท่าที่จะทำได้ เพื่อสร้างความได้เปรียบในการแข่งขัน โดยข้อมูลที่สำคัญมีดังนี้ ทีมกีฬาอาชีพทำงานกันอย่างหนักเพื่อรวบรวมข้อมูลสำคัญเพื่อเตรียมตัวสำหรับการแข่งขัน ซึ่งก็มีหลายวิธีในการใช้ข้อมูลเหล่านั้น เพื่อยกระดับความสามารถของนักกีฬาและทีม การใช้ข้อมูลเพื่อมาวิเคราะห์นักกีฬา เพื่อพัฒนาผลงานของนักกีฬาจะมีการติดตามข้อมูลทางสถิติของพวกเขาอยู่ตลอด ไม่ว่าจะเป็นข้อมูลทางโภชนาการ จำนวนชั่วโมงของการฝึกซ้อม หรือผลงานในเกมส์ โดยการติดตามข้อมูลเหล่านั้น และนำมาเปรียบเทียบกับผลงานของนักกีฬาปัจจุบันหรือ ความรู้สึกของนักกีฬาในวันแข่งขัน สามารถนำมาปรับเปลี่ยน การฝึกซ้อม หรืออาหารการกิน ของพวกเขาได้ เมื่อข้อมูลสามารถทำให้นักกีฬาทุกคนมีการเตรียมตัวที่ถูกต้อง และรู้ว่าต้องปรับปรุงที่จุดไหนเพื่อที่จะแข็งแกร่งขึ้น การที่พวกเขาจะเป็นนักกีฬาที่ล้มเหลวที่สุดในการแข่งขันคงเป็นเรื่องยาก การใช้ข้อมูลเพื่อมาวิเคราะห์ทีมกีฬา แน่นอนว่าผลงานของนักกีฬาเป็นสิ่งสำคัญ แต่กีฬาที่เล่นเป็นทีมนั้น การเล่นได้เข้าขากัน หรือที่เรียกว่า Teamwork เป็นสิ่งจำเป็นในการคว้าชัยชนะในการแข่งขัน ดังนั้นจึงก่อให้เกิดการวิเคราะห์ผลงานร่วมกันระหว่างนักกีฬาภายในทีม ผู้จัดการทีมสามารถทำการทดลองในการปรับเปลี่ยนผู้เล่น เพื่อหาชุดผู้เล่นที่ดีที่สุดที่เล่นเข้าขากัน และเพิ่มอัตราการชนะในการแข่งขัน ยกตัวอย่างเช่น การแข่งขันเบสบอล ถ้าอัตราที่คนในทีมสามารถรับลูกโยนจากที่ผู้เล่น A โยนมีถึง 75% กับอัตราที่คนในทีมสามารถรับลูกโยนจากผู้เล่น B ที่มีอยู่เพียง 45% ถึงแม้ว่าผู้เล่น B จะเป็นผู้เล่นที่ดูมีพรสวรรค์กว่าผู้เล่น A แต่ผู้จัดการทีมคงเลือกผู้เล่น A ที่สามารถโยนลูกได้เข้ากับผู้เล่นภายในทีมได้ดีกว่า นอกเหนือจากนี้ เราสามารถใช้เทคนิค Machine Learning เพื่อหาชุดผู้เล่นที่ดีที่สุด และแผนที่ดีที่สุดในการชนะในการแข่งขันต่าง ๆ สโมสรฟุตบอล Manchester City ได้มีการจ้าง Data Expert ชื่อดังเพื่อมาปรับเปลี่ยนแผนการเล่นในเดือนมกราคม การจ้างครั้งนี้ถือว่าเป็นเบื้องหลังของความสำเร็จที่ทำให้พวกเขาเป็นที่ 1 ของการแข่งขันฟุตบอล Premier league อังกฤษ ณ เวลานี้ BBC News การใช้ข้อมูลเพื่อมาวิเคราะห์แฟนคลับ ปฏิเสธไม่ได้เลยว่าอุตสาหกรรมการกีฬาไม่ได้มีแค่เรื่องของกีฬา แต่มีเรื่องของธุรกิจเข้ามาเกี่ยวข้องด้วย ไม่ว่าจะเป็นรายได้จากการถ่ายทอดสดของการแข่งขัน รายได้จากตั๋วสำหรับเข้าชมการแข่งขัน และรายได้จากการขายของที่ระลึกให้แฟนคลับทีมกีฬา ล้วนแล้วเป็นเม็ดเงินสำคัญสำหรับอุตสาหกรรมนี้ ดังนั้นการที่ผู้บริหารของแต่ละทีมกีฬาจะมีเป้าหมายในการเพิ่มกำไรให้กับทีมคงไม่ใช่เรื่องแปลก กลุ่มเป้าหมายของธุรกิจนี้ก็คือแฟนกีฬาที่อยู่ทั่วทุกมุมโลก ดังนั้นการที่จะสร้างแผนการตลาดเป็นเรื่องที่ท้าทายอย่างมาก เนื่องจากไม่ใช่แฟนกีฬาทุกคนพร้อมสนับสนุนให้กับทีมที่พวกเขาชอบ การใช้ข้อมูลให้เกิดประโยชน์เพื่อทำความรู้จักแฟน ๆ ว่ากลุ่มแฟนคลับที่พร้อมที่จะมีส่วนร่วมกับแคมเปญทางการตลาดมีลักษณะเป็นอย่างไร ผลที่ตามมาคือสโมสรกีฬาไม่จำเป็นต้องเสียค่าโฆษณาให้กับคนที่ไม่ใช่กลุ่มเป้าหมายของพวกเขา และสามารถออกแบบแคมเปญได้ตอบโจทย์กลุ่มแฟนคลับได้ดียิ่งขึ้นอีกด้วย สโมสรฟุตบอล Real Madrid ได้มีการใช้เทคโนโลยีของ Microsoft ในการสร้าง Platform สำหรับแฟนฟุตบอล เพื่อนำข้อมูลแฟน ๆ มาสร้างแผนการตลาด Microsoft การใช้ข้อมูลเพื่อมาวิเคราะห์ในวงการแมวมอง ทุกทีมกีฬาต่างก็ต้องการดึงนักกีฬาที่มีความสามารถเข้ามาร่วมทีม เพื่อสร้างทีมที่แข็งแกร่งมากยิ่งขึ้น ดังนั้นจึงเป็นความท้าทายในวงการแมวมองที่จะหานักกีฬาเหล่านั้นจากทั่วทุกมุมโลก การใช้ข้อมูลให้เกิดประโยชน์โดยนำมาวิเคราะห์ว่านักกีฬาคนไหนมีแนวโน้มที่จะเป็นนักกีฬาพรสวรรค์สูงจึงเป็นสิ่งที่จำเป็นมากในวงการนี้ เมื่อแมวมองไม่สามารถเดินทางเพื่อไปรับชมเกมส์ หรือการฝึกซ้อมของนักกีฬาทุกคนได้ ข้อมูลพวกนี้จะเป็นตัวกำหนดความสามารถของนักกีฬา เพื่อที่จะตัดสินใจว่านักกีฬาคนไหนควรจะถูกดึงเข้าทีมมากกว่ากัน จากผู้เขียน จะเห็นได้ว่า กีฬานั้นไม่ได้แข่งกันแค่ในสนามกันอีกต่อไป ตอนนี้ผู้ที่ถือครองข้อมูลที่สำคัญจะเป็นคนที่ชิงความได้เปรียบไป ซึ่งเหมือนกับอุตสาหกรรมอื่น ผมอยากจะขอฝากไว้ว่าองค์กรไหนที่ยังไม่เริ่มออกแบบกระบวนการเก็บข้อมูล หรือใช้ข้อมูลให้เกิดประโยชน์สูงสุด คุณกำลังเสียเปรียบอยู่นะครับ ขอบคุณครับ Reference: Mastersindatascience

3 May 2021

Big Data 101

6 ปัจจัยสำคัญที่ทำให้ Visualization มีความสมบูรณ์ โดย ศาสตราจารย์ Edward Tufte

Edward Roft Tufte นักสถิติชื่อดัง ผู้บุกเบิกศาสตร์แห่ง visualisation จะมาพูดถึง 6 ปัจจัยสำคัญที่ทำให้การพล็อตกราฟมีความสมบูรณ์และเหมาะสมที่สุด!

7 December 2020

Big Data 101

เทคนิคดึงดูดลูกค้าในแบบ Netflix

คนที่มีลักษณะทางประชากรคล้ายๆ กันจะชอบอะไรคล้ายๆกัน แต่นั่นก็ไม่เสมอไป เพราะแต่ละคนก็จะมีความ Unique หรือ เอกลักษณ์รสนิยมของแต่ละบุคคล ด้วยเหตุนี้เน็ตฟลิกซ์เลยวางระบบ Personalize ที่ Unique ของแต่ละสมาชิก

10 July 2020

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Atthavit Tulyathan

บทความทั้งหมด

All Articles

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy