NFL 如何借助数据重塑新秀考察营

本周，美国国家橄榄球联盟（NFL）迎来数百名怀揣职业梦想的球员，他们将在2025年NFL新秀考察营（NFL Scouting Combine）中展示自身实力。这项为期四天的面试与测试流程于周四启动，各球队将依据40码冲刺、一系列跳跃项目及多项专项训练的表现，对球员进行综合评估。

每一项测试都会产生海量数据点，球队将据此分析并决定四月选秀大会的最终人选。然而，传统的数据追踪手段在支撑深度球员评估时，往往缺乏必要的背景信息。

“考察营本身可能只是单调的数据点报告，但如果你深入挖掘数据并串联起相关线索，就能发现其中的规律，”NFL下一代数据统计研究与分析部门高级经理迈克·班德（Mike Band）对CIO Dive表示，“你不必成为速度最快的球员，但必须足够快。”

借助亚马逊的AI驱动服务Amazon QuickSight，NFL与AWS共同开发了Combine IQ仪表盘，并于周四首次亮相，旨在为球迷和分析师提供直观的数据可视化。该仪表盘展示球员的横向比较排名以及与AWS合作生成的选秀评分（Draft Score），后者通过历史对照和位置特定基准，衡量球员的运动能力，并预测其在NFL取得成功的潜在可能性。

今年的考察营标志着球迷和分析师首次能够通过由Next Gen Stats和Amazon QuickSight驱动的仪表盘，访问这些高级数据与分析功能。这也是32支球队连续第二年获得球员追踪数据，以及通过参赛者佩戴的传感器进行数据采集的第三年。

“真正关键的是，你需要积累多个赛季的数据点，才能分辨出噪声中的真正信号，”班德说，“我们觉得，既然现在将拥有三年的数据——而且这三年的球员都已在NFL打过赛季——各俱乐部将能够……以前所未有的细致程度，解析速度与加速度特征，这远超考察营历史上的任何时期。”

数据管道

企业领导者们对NFL在让数据更易获取、更具意义方面的需求感同身受。许多企业仍受困于糟糕的数据框架和管理实践。根据软服（SoftServe）二月份发布的报告，近五分之三的企业领导者表示，关键决策基于不准确或不一致的数据（链接：https://www.ciodive.com/news/enterprise-data-woes-poor-outcomes-governance-management/739733/）。大多数受访者还承认不知道如何访问所需数据。

NFL通过其与AWS的合作（始于2017年）加速了数据管道的升级。联盟专有的球员和球追踪平台Next Gen Stats运行在AWS基础设施上，使球队能够获取将场上行动置于具体情境中的高级统计数据。

在球员展示力量与敏捷性的同时，生物识别传感器将以十分之一秒的精度追踪球员的运动数据。NFL的Next Gen Stats团队利用这些数据计算机器学习模型，以计算选秀评分并生成其他指标。

该团队将统计数据格式化后加载到QuickSight的内存引擎中，该引擎优化了数据的查询和可视化性能。自动化管道每五分钟刷新一次数据，向观众呈现最新统计结果。

“虽然我主导了仪表盘的大部分构建工作，但我们有一个研究分析师团队在整个过程中提供协助，无论是处理实际数据、重新训练模型、验证还是添加功能，”班德说。

据班德称，对于NFL工程师而言，这个项目相对轻松。面向公众的仪表盘的大部分工作在于改进用户界面。

“我们通过Next Gen Stats解锁了用统计数据讲述故事的能力，而考察营则为我们提供了一个机会，让我们走出比赛本身，真正深入从大学球员到进入NFL的过渡阶段，”班德表示。