:PyCon mini Hiroshima 2016 開催記念:

PyData でみるサンフレッチェ広島

～ 強いのはカープだけじゃないんだからね・秋 ～

2016-10-31

Takahiro Ikeuchi

Agenda

1st Half : サッカーにおけるデータ とは

ポゼッション？ スプリント？ 指標 = Stats の紹介

Half Time : PyData の紹介

PyData とは

2nd Half : PyData でみるサンフレッチェ広島

チームの魅力

特集：佐藤寿人

Additional Time : 質疑応答

2

今日のゴールサッカーのデータ分析を始めるにあたり、データソースの勘どころをつけられるようになる

PyData ツールのさわりを知る

サンフレッチェ広島の魅力を知る

サンフレッチェ広島の魅力を知る

サンフレッチェ広島の魅力を知る

3

君の名は。 お前誰よTakahiro Ikeuchi @iktakahiro

Company / Community

eurie Inc. Founder & CEO

SQUEEZE Inc. Tech Adviser

PyData.Tokyo Organizer

Specialties (or just a dabbler :-D

Go lang, Python, React.js, TypeScript

Cloud Infrastructure, UI Design etc...

4

　　　

共著本↑

5

eurie Inc.カスタマーサポート支援クラウドサービスeurie Desk (https://eurie.io) の開発と運営

パブリック・ベータ提供中

Go言語 4割, TypeScript (React) 4割, Python 2割 くらい

イルカのロゴがかわいい。

6

データ分析とわたし - かつては2011年 ～ 2015年データ分析コンサルティング企業の技術部門におりまして

AWS 導入事例: 株式会社ALBERT（アルベルト） | AWS

import pytest

def test_who_am_i(): actual = who_am_i() assert actual != "Data Scientist"

expect = "Software Engineer & Architect" assert actual == expect # ???

7

データ分析とわたし - いまではメインは Web アプリケーションの開発をしてます

PyData 的には...

サービスで取り扱うデータがテキストメッセージであるため、テキスト解析がおも

自然言語処理 による重要語抽出などを活用した機能を準備中

8

広島東洋カープ リーグ優勝おめでとうございます！

9

本日は サンフレッチェ広島 特集!!

10

なお正装画像は CC BY 4.0 でお使いいただけます

11

広島とわたし

特に縁なし（出身: 神奈川県横浜市）

本日の NG ワード

横浜・F・マリノス

お願い

ピッチ内にものを投げ込まないでください

12

1st Half : サッカーにおける データ とは

13

サッカーデータ = Stats

14

最も代表的な指標

ゴール数

シュート数

ファール数

警告、退場数

コーナーキック数

フリーキック数

ポゼッション

15

ポゼッションとは

ゲーム時間中、ボールをどの程度保持していたかを示す割合で、ゲーム支配率とも呼ばれることがある。

一定以上のレベルでは、多くて6割台。7割近くなると相当なワンサイドゲームだったと言える。

ボール保持率を高めてゲームを自分たちのペースで運ぶ戦略=> ポゼッションサッカー

16

ポゼッションが高い = 強いチーム？スペイン代表やクラブチーム・バルセロナのイメージから、ポゼッションサッカーに対する信仰は根強い

日本国内においては、日本代表が比較的ポゼッションサッカーを目指しているため、関心が持たれやすい数値の1つになっている

17

ポゼッションと強さ

必ずしもそうとはいえない

チームのスタイルに依存する = カウンターサッカー

15/18 イングランドプレミアリーグ・レスターシティ

※ 後半で Jリーグのデータを見ます

18

サッカーのデータはチームから個人へ

19

走行距離

選手が1試合を通じてどの程度走ったのかを示す数値。10km を超えると運動量が多いと言われる。

ポジションによって意味合いが異なる。

サイドバックの場合 : 攻守に渡って貢献している

中盤の場合 : ピッチのさまざまな場所に顔を出している

攻撃的選手の場合 : 守備への貢献が大きい

20

スプリント回数

いわゆる「ダッシュ」を何回行ったかという数値。基準がリーグにより異なる。

Jリーグ 24km/h 以上の走行

イングランド・プレミアリーグ 25.2km/h 以上の走行

21

パス成功率

パス成功数 / パス数

中盤の選手やゲームメイク担当選手の評価によく用いられる。

(母数や状況によるが) 9割を超えていると高い。

22

シュート成功率ゴール数 / シュート数

Shot on Target (枠内シュート)ゴール枠を捉えたシュート数 / シュート数

シュート精度の指標として利用される。

23

ほか

セーブ率

PK 阻止率

1対1 勝率

などなど

24

"Stats" を見る

25

欧州サッカーと OptaOpta Sports

Opta の情報は欧州サッカー中継の解説のなかでも頻繁に引用される=> リアルタイムでデータ収集と解析が行われている

Web Page : FourFourTwo - Stats ZONE

App Store : Stats Zone: Live scores & soccer statistics

26

27

28

公式サイトでも Stats を閲覧可

Bundesliga - Matchday 8 | FCインゴルシュタット04 - ボルシア・ドルトムント

29

https://www.premierleague.com/match/14137

30

Shinji Okazaki Statistics | Premier League

31

Valencia Club de Fútbol SAD | Team of LaLiga Santander

32

そろそろ PyData を使ってデータを見てみましょう

33

※ Notebook へ

http://nbviewer.jupyter.org/github/iktakahiro/football-hack/blob/develop/bpstudy-

110/EuropeSoccerAnalytics.ipynb

34

1st Half のまとめ

サッカーのデータ = Stats は個人データまで収集、利用されるようになってきている

欧州サッカーデータを見る・知るには Opta にお世話になる

サッカーはゴールの入らない酢ポート

ゴールの分布はポアソン分布

35

Half Time : PyData とは

36

PyData とはデータ分析やデータ活用に Python ならびに Python Library を利用しようという人類の営みの総称

http://pydata.org/

37

PyData ConferencesOctober 7-9, 2016 WASHINGTON DC

August 26-28, 2016 CHICAGO

June 14-15, 2016 PARIS

May 6-8, 2016 LONDON etc...

38

SessionsBayesian Network Modeling using R and Python

Open Data Dashboards & Python Web Scraping

Data Transformation: A Framework for Exploratory DataAnalysis

Python + Data にまつわるさまざまな Presentation や Tutorial が行われている

39

PyData Libraries

行列計算 : NumPy - http://www.numpy.org/

科学計算 : SciPy - https://www.scipy.org/

データ処理 : pandas - http://pandas.pydata.org/

データ可視可 : matplotlib - http://matplotlib.org/

機械学習 : scikit-learn - http://scikit-learn.org/

深層学習 : Tensor�ow - https://www.tensor�ow.org/

深層学習 : Keras https://keras.io/

40

今回利用しているおもなライブラリ / ツール

実行環境 : Jupyter Notebook - http://jupyter.org/

データ処理 : pandas

可視化 : Bokeh - http://bokeh.pydata.org/en/latest/

Python 環境 : Anaconda - https://www.continuum.io/anaconda-overview

41

42

43

Half Time のまとめ

PyData は Python + Data の人類の営み

世界的に PyData Conference が開催されているよ！

PyData.Tokyo もよろしく (・ω<)

Python は伝統的に分析系ツールが充実していた

深層学習のニーズ拡大や Tensor�ow の登場により 一層のCommodity 化が進んでいる

44

2nd half : PyData でみるサンフレッチェ広島

45

サンフレッチェ広島とは

46

http://www.sanfrecce.co.jp/club/

47

サンフレッチェ広島

ホームタウン : 広島県広島市

三 + frecce (イタリア語で矢) => 三本の矢

1992年 Jリーグ発足時の10チームのうちの1つ

前身は東洋工業 (現マツダ) サッカー部

48

J1 年間優勝3回（2012年, 2013年, 2015年）

天皇杯 準優勝1回

49

著名な在籍選手

佐藤 寿人

浅野 琢磨（現日本代表)

森崎 浩司/和幸

槙野 智章 (現日本代表)

柏木 陽介 (現日本代表)

西川 周作 (現日本代表)

青山 敏弘

など

50

主力級移籍の歴史

2008年 駒野 友一 => ジュビロ磐田

2009年 柏木 陽介 => 浦和レッズ

2012年 李 忠成 => 同上

2012年 槙野 智章 => (※ FCケルン経由) => 同上

2013年 森脇 良太 => 同上

2014年 西川 周作 => 同上

51

そこはかとなく ただよう 既視感

52

2012年 ペトロヴィッチ監督 => 浦和レッズ

53

＿人人人人人人人人人人人＿

＞　ペトロヴィッチ監督　＜

￣Y^Y^Y^Y^Y^Y^Y^Y^Y^Y￣

54

とはいえ移籍はつきものですし、サンフレッチェ広島も下位チームから有力選手を積極的に獲得したりしているので

55

なんかちょっと特定のチーム多いなーと思うだけで(他|悪|敵)意はありません

56

(・ω<)

57

特集 : 佐藤 寿人

58

佐藤 寿人 とは

ポジション : FW

身長 : 170cm

出身 : 1982年3月12日 埼玉県春日部市

利き足 : 左

憧れの選手 : Filippo Inzaghi

59

佐藤 寿人 とは

歴代通算 J1リーグ得点数 : 2位 (161点)

(1位 大久保 嘉人, 3位 中山 雅史)

J1ハットトリック : 6回

J1リーグ得点王 : 1回 (2012年)

J1リーグ MVP : 1回 (2012年)

10年連続 J1二桁得点 (記録保持者)

出典 : https://ja.wikipedia.org/wiki/佐藤寿人,http://www.jleague.jp/club/hiroshima/player/detail/2709/

60

そろそろ PyData を使ってデータを見てみましょう

61

……の前に Jリーグの Stats について

62

Jリーグの StatsFootball LAB（フットボールラボ）とは | Football LAB ～サッカーをデータで楽しむ～

J. League Data Site

Stats Stadium ｜ 試合分析

63

J. League Data Site

https://data.j-league.or.jp/SFTD09/search?selectFlag=3&competition_frames=1&competition_year_from=2005&competition_year_to=2015&player_name= 64

Football LAB

65

※ Notebook へ

http://nbviewer.jupyter.org/github/iktakahiro/football-hack/blob/develop/bpstudy-

110/J1SoccerAnalytics.ipynb

66

2nd Half のまとめ

寿人ーーーーーーーーッ!!!!

2010年～ のサンフレッチェ広島はとても強い (優勝 3回)

広島県は選手育成力が高い（？？？）

67

強いのはカープだけじゃないんだからねっ (タイトル回収)

68

Additional Time

69

推薦図書

70