Voiko prediktiivinen analytiikka ennustaa tämän vuoden suurimman jalkapallokisan voittajan?

14 kesä 2018

Jalkapallofanit ympäri maailman odottavat innolla lajin suurimman kisan kick-offia. Sen sijaan, että jännittäisimme malttamattomina tuloksia, me Bisnodella laitoimme data- ja analytiikkatiimimme töihin. Heidän tehtävänään oli kehittää algoritmi, joka pystyy ennustamaan mikä joukkue nostaa pokaalin heinäkuun 15. päivä 2018.

Bisnoden analyytikot ympäri Euroopan yhdistivät voimansa nähdäkseen voivatko datatiede ja koneoppiminen ennustaa mikä maa voittaa jalkapallon maailmanmestaruuden. Hyödyntämällä historiadataa eri maiden kaikista otteluista viimeisen neljän vuoden ajalta, toteutimme mallin, joka arvioi voiton, tasapelin tai tappion todennäköisyyttä. Lisäksi arvioitiin tulevien pelien maalieroja kisoissa mukana olleiden joukkueiden osalta.

”Ensimmäinen tavoitteemme oli kehittää malli, joka pystyy ennustamaan yhden yksittäisen pelin tuloksen joukkueen ominaisuuksien perusteella,” kertoo Bisnode konsernin Head of Data Science Pierre Deville. ”Seuraavaksi halusimme määritellä todennäköisimmän skenaarion kilpailulle laajojen simulaatioiden avulla ottaen samalla huomioon kyseiseen turnaukseen liittyvät yksityiskohdat.”

Ensimmäinen malli perustui historialliseen dataan, joka kuvasi turnauksen tyyppiä, pelin sijaintia, tuloksia ja niin edelleen. Joukkueen luokitukset syötettiin kehittyneeseen koneoppimismalliin, joka käytti tekniikkaa nimeltään eXtreme Gradient Boosting jokaisen pelin todennäköisen lopputuloksen arvioimiseksi. Tämän prediktiivisen mallin avulla Bisnode konsernin analytiikkatiimi suoritti simulaatioita, joissa mallinnettiin turnauksessa pelattavia otteluita.

”Toteutimme miljoonia erilaisia simulaatioita, joista saimme todennäköisyyksiä kuvaavaa tietoa kaikkien tiimien menestyksestä turnauksen eri vaiheissa,” sanoo Bisnode konsernin analytiikkatoiminnan johtaja. ”Lähestymistapamme antoi meille mahdollisuuden arvioida todennäköisyyttä, jolla yksittäinen tiimi saavuttaa tietyn vaiheen. Samaan aikaan pystyimme ennustamaan, millä todennäköisyydellä jokainen tiimi pääsee kilpailussa ensimmäiselle sijalle ja mikä on todennäköisin lopputulema koko turnaukselle.”

Miten pärjäsimme? Katso kaikki ennusteemme alla olevasta linkistä!

Bisnode käytti koneoppimista. Koneoppiminen on tietojenkäsittelytieteen alahaara. Koneoppimisen avulla tietokoneet voivat oppia ilman, että niitä täytyy erikseen ohjelmoida. Koneoppiminen on lähtöisin hahmotunnistuksesta ja oppimisteoriasta, jotka kuuluvat tekoälyn alle. Koneoppimisessa käytetään algoritmeja, jotka voivat oppia ja tehdä ennusteita dataan perustuen.

Bisnode käytti tiedonlouhintaa. Tiedonlouhinta on analyysitekniikka, jonka tavoitteena oli tässä tapauksessa havaita trendejä datasta ja ruokkia ennustemallia tiimien sijoitusten määrittelemiseksi.

Katso tarkemmat analyysit eri joukkueiden mahdollisuuksista ja ennusteemme voittajasta tästä.

Tilaa viimeisimmät uutiset datasta, analytiikasta ja asiakaskokemuksesta suoraan sähköpostiisi