För NFL-säsongen 2021-2022 som startade på torsdagen samarbetar NFL och AWS för att lägga till lite ny statistik till deras Next Gen Stats-verktyg.
Ligan kommer nu att spåra 4:e och tvåpunktskonverteringsanalys med Next Gen Stats Decision Guide som drivs av AWS.
Fjärde nedgångar fortsätter att vara några av de tuffaste – och mest omtvistade – beslut som spelets ledare måste fatta på söndagar, och NFL kommer nu att ge fansen lite insikt i sina val med hjälp av AWS och spårningsteknik.
Matt Swensson, vicepresident för Next Gen Stats vid NFL, berättade ZDNet att Next Gen Stats Decision Guide bygger på en serie maskininlärningsmodeller som använder Amazon SageMaker för att driva live 4:e ned och 2-punkts konverteringsbeslutsanalys.
Han förklarade att beslutsekvationen fokuserar på två huvudkomponenter: vinstsannolikhet, som informerar om hur mycket spelet kommer att förändras i den hypotetiska händelsen för varje resultat, och omvandlingssannolikhet, som talar om för oss sannolikheten för att förseelsen konverterar ett fjärde försök eller 2- punktomvandling.
“Den fjärde beslutsguiden är intressant eftersom den fungerar genom att använda andra modeller. Vi hade statistik på basnivå som vi hämtade information från; sedan började vi skapa modeller utifrån den härledda statistiken. Nu skapar vi fler mätvärden med hjälp av fler modeller, så det är bara lager på lager, säger Swensson.
“Vi tar en kombination av vinstsannolikheten vid den tidpunkten i spelet för ett lag och sedan en konverteringssannolikhet på om de kan konvertera på ett spel. Du kan då i princip sätta sannolikheter mot frågor som” Ska de gå på det? ‘ “Ska de slå?” “Är de inom field goal range?” etc.”
En skärmdump av hur NFL:s 4:e nedgångsstatistik ser ut.
NFL
Statistiken är inte för tränare utan snarare för NFL Network, sändningspartners och fans av spelet som är intresserade av att lära sig om hur coachers beslut fattas.
För vissa spel kommer sändare att fråga NFL om statistik eller sannolikheter, och ligan kommer att dela data som de har kört genom AWS.
“Tränare fortsätter med sin instinkt och sitt beslutskort som de har vid sidan av, men vad vi har gjort är att börja kvantifiera det och utbilda fansen lite om varför du skulle fatta det beslutet och varför du faktiskt kan välja att gå emot vad oddsen gynnar”, tillade Swensson.
Swensson berättade ZDNet att det som intresserade honom mest var att se analysen av hur olika tränare närmar sig 4:e försöket och hur de har hanterat beslutet från 2016.
Vissa tränare är mer villiga att ta risker, medan andra är glada att tippa och se hur deras försvar svarar. NFL undersökte hur lagen presterade på fjärde plats under öppningshelgens spellista, och beskriver ett antal intressanta fynd i ett blogginlägg på måndagen.
NFL fann att Dallas Cowboys huvudtränare Mike McCarthys beslut att sparka ett 21-yard field goal på 4:e och 3:e halvvägs genom tredje kvartalet från Tampa Bay 3-yard var “bland de mest kostsamma besluten under vecka 1. “
Beslutet kostade Cowboys 5,8 procent i sannolikhet för nettovinst, det största värdet som förlorades på ett 4:e beslut som gick in i Monday Night Football enligt Next Gen Stats Decision Guide. Cowboys odds att konvertera var 51%, fann NFL.
Tyvärr för Cowboys-fans var det inte nattens enda misstag som fångades av Next Gen Stats Decision Guide. McCarthy bestämde sig för att sparka ett field goal i en 4:e och 3 situation med 6:41 i andra kvartalet från Buccaneers 13-yardlinje. Även om det beslutet var mindre allvarligt enligt uppgifterna, hade det fortfarande en effekt på Cowboys slutliga 2-poängsförlust.
NFL noterade att McCarthy gjorde ytterligare ett tufft 4:e försök med 1:29 kvar av matchen, och valde att sparka ett field goal från Tampa Bay 30-yardlinjen.
“Deras vinstsannolikhet efter att ha gjort ett field goal skulle fortfarande bara vara 44%. Om de gick för det på 4:a och 6 (ett förslag på 37 %) och konverterat, skulle Cowboys ha haft 69 % chans att vinna matchen. Cowboys valde att sparka ett field goal – som vår modell bedömde som ett riktigt go-field goal – följt av en Brady matchvinnande drive för att sätta upp ett Ryan Succop matchvinnande 36-yard field goal,” NFL förklarade.
I den motsatta änden av spektrumet hjälpte Lions huvudtränare Dan Campbells aggressiva spelrop att hålla sitt lag kvar i matchen även när det såg ut som att det kunde vara över.
Next Gen Stats Decision Guide fann att Campbell gjorde rätt val på nästan alla 10 av hans 4:e nedgångsbeslut, och saknade bara en gång på en 0,1-procentig go-for-it-rekommendation på 4:e och 14:e från SF 47 ner 21 poäng i tredje kvartalet.
Campbell valde upprepade gånger att gå för det på 4:e försök, eftersom han visste att hans lag var en underdog och extremt missgynnade. Campbell var inte avskräckt trots misslyckade spel på tidigare 4:e downs.
Browns huvudtränare Kevin Stefanski var lika fräck på fjärde ned efter en säsong 2020 där han rankades som “den mest optimala beslutsfattaren” av NFL.
“Inför en 4:a och 3:a från Kansas Citys 15-yardlinje valde Browns att gå för det när våra siffror sa att field goal var det mest optimala beslutet (med 1 procent). En skillnad på bara 1% är mer av ett toss-up-beslut än en sann rekommendation. Browns konverterade det första försöket på en Baker Mayfield-Austin Hooper 5-yard, fann NFL-forskare.
“Medan siffrorna säger field goal, var skillnaden mellan domsluten marginell. Browns skulle fortsätta att göra en TD två matcher senare, och efter att ha dragit en intrångsstraff på sitt extrapoängförsök accepterade Stefanski straffen skarpt och gick för två (lyckat). Enligt vår tvåpunktsmodell borde Stefanski och Co. gå för två om konverteringssannolikheten var större än 49 procent. I det här fallet hoppade siffran från 53 % till 65 %.”
En av de mest intressanta spelen med tuffa 4:e försök var matchen mellan Cincinnati Bengals och Minnesota Vikings.
Bengals huvudtränare Zac Taylor var konservativ när det gällde att avsluta matchen, och bestämde sig för att tippa på fjärde ner med 1:55 kvar och Bengalerna ledde med 24-21.
Beslutet visade sig vara fel, då Vikings marscherade nerför planen för att sparka ett field goal och kvittera matchen, vilket skickade in förlängning.
Men Taylor löste sig själv på övertid. Med bara 0:39 kvar och matchen oavgjord stod bengalerna inför en tuff fjärde-och-1 från sina egna 48. Taylor valde att gå för det för att undvika oavgjort, och laget konverterade.
“Intressant nog, i det här specifika fallet, med tanke på risken för ett misslyckat go-for-it-försök, favoriserade modellen faktiskt en punt med 2,2%. Om bengalerna konverterade – som de gjorde – hoppade deras odds att vinna till 59% Om de skulle ha misslyckats? Oddsen skulle ha sjunkit till 40 %”, konstaterade NFL.
“Taylor valde mot oavgjort och fick dem att satsa på det, vilket banade väg för en matchvinnande spark. Om det fanns ett mönster i Taylors beslutsfattande, var det detta: gå för det i fjärde-och-1-situationer. Av 11 situationer med fjärde ner var tre fyra och 1, och bengalerna höll offensiven på planen i alla tre. På de andra åtta sparkade de. Vår modell tycker att de flesta 1-yard-to-go-situationer är go-for-it-scenarier, även om det beror på situationen.”
När Next Gen Stats först lanserades 2015-2016 sa Swensson att de till en början spårade grundläggande mätvärden som hur snabbt och långt spelarna sprang.
De uppgraderades långsamt till svårare statistik som separation vid fångsttillfället och hur mycket utrymme den offensiva linjen gav quarterbacken. Men saker förändrades när de försökte ta reda på om ett försvar var blixt.
“Det var mycket om-då-logik, och det var snurrigt men fungerade. Vi insåg att det måste finnas ett mycket mer elegant sätt att identifiera vissa saker. Statistiken som satte igång saker och ting och startade arbetet med AWS, särskilt i AI- och ML-utrymmet, var vårt sannolikhetsmått för slutförande, vilket var det första som verkligen tog en massa data och använde Amazon SageMaker för att träna en modell,” förklarade Swensson.
“Den statistik började som ett kalkylblad där vi försökte justera några parametrar, och jag sa till forskarna “jag tror att det här är något som verkligen är mer lämpat för maskininlärning.” Så vi tog hjälp av AWS på ett par fronter, och sedan dess har vi skapat mer och mer ML-basstatistik, där vi tar ett gäng data som vi har taggat eller märkt.”
NFL har arbetat med AWS sedan 2018 och avslöjade annan ny statistik i år, inklusive Quarterback Expected Rushing Yards, Quarterback Dropback Type, Next Gen Stats Big Play Score och Expected Fantasy Points.
För framtiden sa Swensson att det finns planer på att göra fler datadyk på den defensiva sidan av bollen för att identifiera täckningssystem och mer. Det finns också planer på att engagera sig i fantasifotbollsområdet med hjälp av data från ligan.
“AWS har varit en stor anledning till att vi verkligen har kunnat ta nästa steg i denna statistik. Jag ser fram emot vår fortsatta utveckling med dem, och vi letar alltid efter nya sätt att förklara spelet för fansen “, sa Swensson.
