- 기계 학습›
- 고객
기계 학습과 분석 기능이 NFL에 가져온 변화
AI를 사용해 팬들의 만족도 향상
2018년 미국의 최고 인기 TV 프로그램은 유명 드라마나 리얼 예능이 아닌 미식축구 경기 중계였습니다.
NFL 게임은 2018년, 시청률 상위 50개 방송 중 46개를 차지했으며 시즌이 끝날 때까지 평균 시청자 수는 무려 1,580만 명이었습니다. NFL이 팬들에게 지속적인 인기를 얻고 있는 이유는 마치 체스를 보는 듯한 경기 전략, 준비, 그리고 본능적인 플레이 방식 때문이라 할 수 있습니다. 팀 플레이에 영향을 미칠 수 있는 요인은 어떤 것도 간과할 수가 없습니다. 출전자 명단 변경, 경기장 상황(실내/실외, 주간/야간, 풍속/우천 등)의 모든 요인이 경기에 영향을 줄 수 있기 때문입니다.
NFL은 창립 당시부터 다양한 통계를 추적해 왔으며 수십 년이 지나도록 별로 개선되지 않았습니다. 이런 단순한 통계만 가지고는 경기 중에 발생하는 모든 상황을 제대로 파악하기 어려웠습니다. 최근 NFL은 데이터를 수집하여 활용하기 위한 첨단 시스템의 필요성을 인식하게 되었습니다. 이런 첨단 시스템은 선수의 성적에 영향을 준 요인이나 특정 선수 라인업을 출전시킨 경기의 결과 등 팬과 선수에게 모두 유용한 경기 역학 인사이트를 제공합니다. 이를 통해 궁극적으로는 NFL 팬의 충성도와 경기 이해도를 더욱 높이는 것이 목표입니다.
현재 NFL의 Next Gen Stats(NGS) 프로그램은 모든 선수의 어깨 보호대에 내장되어 있으며 각 경기장에도 설치되어 있는 RFID 디바이스를 통해 수집되는 정교한 추적 기술을 사용합니다. 이 디바이스는 특정 시간에 플레이 중인 선수, 각 선수의 위치 및 선수가 움직이는 속도와 방향 관련 데이터를 캡처합니다. 이렇게 수집된 데이터는 NFL 리그 내 32개 팀, 다수의 미디어 파트너, 그리고 전 세계 1억 8천만 명의 NFL 팬들에게 매우 유용한 리소스입니다.
고객으로부터
“기계 학습을 활용하면 더욱 많은 작업을 높은 신뢰도로 제때 완료할 수 있습니다.”
Matt Swensson
신규 제품 및 기술 부문 VP
NFL
NFL을 위한 AWS 솔루션
NFL은 Amazon Web Services와 협력하여 최첨단 분석 및 기계 학습을 통해 데이터를 효율적으로 활용하고 있습니다. NFL의 신규 제품 및 기술 부문 VP(부사장)인 Matt Swensson은 “기계 학습을 활용하면 더욱 많은 작업을 높은 신뢰도로 제때 완료할 수 있습니다. NFL에서는 매일 생성되는 수많은 통계를 최적의 방식으로 활용할 수 있어야 합니다. 기계 학습을 사용하면 현재 추적 시스템에서 수집되는 대량의 데이터에서 적절한 요소를 적절하게 파악할 수 있습니다.”라고 설명합니다.
NFL은 Amazon Sagemaker의 기계 학습 도구를 통해 구동되는 NGS 플랫폼을 통해 경기 진행 상황을 해석할 수 있는 기계 학습 모델을 빠르고 쉽게 생성하고 배포할 수 있습니다. 예를 들어 이 모델은 특정 패스의 거리와 속도, 리시버와 가장 가까운 위치의 수비수 간 거리, 쿼터백과 가장 가까운 패스 러셔 등 열 개가 넘는 경기 중 측정 데이터를 통합하는 NGS의 완료 확률(Completion Probability) 수치를 분석할 수 있습니다.
NFL은 Amazon SageMaker를 사용해 이러한 예측 모델을 쉽게 작성하고 학습시켜 실행함으로써 결과를 수집하는 데 걸리는 시간을 12시간에서 30분으로 줄일 수 있었습니다. 그리고 Swensson이 언급한 것처럼, SageMaker를 사용하면 데이터 사이언티스트 팀 없이도 엔지니어가 작업을 빠르게 시작할 수 있습니다. Swensson은 “기계 학습을 도입한 결과 특정 작업을 처리할 때마다 매번 새로운 방법을 사용할 필요가 없게 되었습니다.”라고 설명합니다.
그 결과, 팬들이 특정 패스 플레이가 더 어려운 이유를 이해할 수 있으며 경기에 대한 이해도가 높아졌습니다. NFL과 미디어 파트너는 이런 인사이트를 신속하게 활용해 방송 및 온라인 콘텐츠 내용을 개선할 수 있으며 경기장 내의 팬들에게도 유익한 정보를 제공할 수 있습니다. Swensson은 “경기에서 팬들의 감탄을 자아내는 멋진 패스가 나온 경우, 해당 패스의 정보를 수치화하여 다른 패스와 비교해 보여줍니다. 팬들은 이렇게 제공된 정보를 통해 게임 상황을 파악할 수 있으므로 매우 유용합니다.”라고 설명합니다.
물론 데이터는 빠르고 쉽게 접근할 수 있을 때만 가치가 있습니다. NFL은 Amazon QuickSight 등의 비즈니스 인텔리전스 도구를 사용해 내부에서도 더욱 많은 인사이트를 파악함과 동시에 팬들에게도 데이터를 제공할 수 있습니다. Swensson은 “AWS의 도구를 사용하면 대시보드에서 질문을 받고 대답을 표시하는 매우 빠른 쿼리를 실행할 수 있습니다. FL.com에서 클럽, 방송 관계자, 기자, 미식축구 전문 기고자 등에게 대시보드가 제공됩니다.”라고 설명합니다.
예전에는 이러한 대시보드를 작성하려면 몇 시간, 길게는 며칠이 걸리기도 했지만 이제는 몇 분 만에 작성할 수 있으며, 관련 필터도 원하는 만큼 사용할 수 있습니다. Swensson은 “이제는 정보를 표시할 때마다 대량의 코드를 작성할 필요가 없으므로 효율성이 매우 높아졌습니다.”라고 강조합니다.
또한 NFL은 인사이트를 수집한 다음 조직 내 여러 영역에 적용할 수 있습니다. 따라서 감독들이 경기를 더 효율적으로 계획하고 선수의 안전을 개선하는 방법도 파악할 수 있습니다. Swensson은 “정보를 많이 확보할수록 경기 패턴을 더 효율적으로 파악할 수 있습니다.”라고 부연 설명합니다. 기계 학습을 통해 확인된 이러한 패턴은 선수가 부상을 당할 가능성이 높은 상황을 더 효율적으로 파악하고 위험을 완화하기 위한 규칙을 설계하는 과정에서 핵심적인 요소로 사용할 수 있습니다.
이로써 팬과 선수, 그리고 팀 모두에게 더욱 효율적인 환경이 실시간으로 제공되며, 차세대 분석 및 기계 학습을 기반으로 하는 차세대 NFL 미식축구 환경이 구축되었습니다.
