Πώς η χωροχρονική ανάλυση αποκαλύπτει όσα κρύβονται πίσω από τους συνολικούς αριθμούς
Στη NubiGroup μας ενδιαφέρει να αναζητούμε το νόημα που κρύβεται πίσω από τα δεδομένα — ανεξάρτητα από τη φύση τους. Αυτή τη φορά, το σύνολο δεδομένων (dataset) είναι ποδοσφαιρικό.
Η αφορμή ήταν δύο αγώνες μεταξύ Λέφσκι Σόφιας και ΑΕΚ: 0–0 στη Σόφια και 4–0 στην Αθήνα. Δεν επιχειρούμε όμως να κάνουμε ποδοσφαιρική ή τακτική ανάλυση. Το ποδόσφαιρο χρησιμοποιείται ως ένα κατανοητό παράδειγμα δεδομένων που εξελίσσονται συνεχώς μέσα στον χώρο και στον χρόνο.
Τι μπορούμε να ανακαλύψουμε όταν, αντί να βλέπουμε τα δεδομένα μόνο ως αριθμούς, τα αντιμετωπίζουμε ως γεγονότα που συμβαίνουν κάπου και κάποτε;
Από τις τιμές στη χωροχρονική δομή
Το βασικό σύνολο δεδομένων περιλάμβανε τις καταγεγραμμένες θέσεις της μπάλας. Για κάθε καταγραφή διαθέτουμε τη χρονική στιγμή (t) και δύο κανονικοποιημένες χωρικές συντεταγμένες x και y. Έχουμε επομένως δεδομένα της μορφής: πού + πότε.
Για να μην επηρεάζει το αποτέλεσμα το πόσο συχνά ενημερώνεται το feed, οι καταγραφές δεν αντιμετωπίστηκαν ως ισότιμα και ανεξάρτητα σημεία. Κάθε θέση σταθμίστηκε με τη χρονική διάρκεια έως την επόμενη καταγραφή, με ανώτατο όριο 10s. Η ίδια χρονική στάθμιση χρησιμοποιήθηκε σε όλους τους βασικούς χωρικούς δείκτες και στις επιφάνειες πυκνότητας.
Για να γίνει η ανάγνωση των χαρτών πιο εύκολη, οι βασικοί δείκτες μπορούν να διαβαστούν και χωρίς τεχνικό υπόβαθρο. Η εκτίμηση πυκνότητας πυρήνα (Kernel Density Estimation – KDE), ο χωρικός μέσος (Mean Center), η τυπική χωρική απόσταση (Standard Distance), η τυπική αποκλίνουσα έλλειψη (Standard Deviational Ellipse – SDE), η ανισοτροπία, η κανονικοποιημένη εντροπία Shannon και η HDR50 απαντούν σε διαφορετικές, αλλά συμπληρωματικές ερωτήσεις για τη χωρική δομή.
Πώς διαβάζονται οι δείκτες στην πράξη
| Δείκτης | Τι σημαίνει στην πράξη |
|---|---|
| KDE – Χωρική πυκνότητα | Απαντά στο «πού συγκεντρώνεται περισσότερο η παρουσία;». Οι πιο έντονες περιοχές του χάρτη αντιστοιχούν σε μεγαλύτερη χρονικά σταθμισμένη παρουσία. Δεν δείχνει ποια ομάδα είχε την κατοχή. |
| Mean Center – Χωρικός μέσος | Είναι το «κέντρο βάρους» της κατανομής: το σημείο γύρω από το οποίο ισορροπεί συνολικά η χωρική παρουσία. Δύο κατανομές μπορούν να έχουν σχεδόν ίδιο κέντρο αλλά πολύ διαφορετικό σχήμα γύρω του. |
| Standard Distance – Τυπική χωρική απόσταση | Απαντά στο «πόσο απλωμένες είναι οι θέσεις γύρω από το κέντρο;». Μικρότερη τιμή σημαίνει ότι κατανέμονται πιο κοντά στο κέντρο· μεγαλύτερη τιμή σημαίνει πιο διάχυτη κατανομή. |
| SDE & Ανισοτροπία | Η έλλειψη δείχνει το σχήμα και τον κύριο άξονα της διασποράς. Αν η ανισοτροπία είναι κοντά στο 1, η κατανομή είναι σχεδόν κυκλική. Όσο αυξάνεται, τόσο πιο «τεντωμένη» γίνεται προς έναν άξονα. Αυτό περιγράφει γεωμετρία, όχι κατεύθυνση επίθεσης. |
| Entropy – Κανονικοποιημένη εντροπία | Απαντά στο «πόσο ισόρροπα μοιράζεται η παρουσία στις 15 ζώνες;». Τιμή κοντά στο 1 σημαίνει πιο ομοιόμορφη κατανομή μεταξύ των ζωνών, ενώ χαμηλότερη τιμή σημαίνει ότι μεγαλύτερο μέρος της παρουσίας συγκεντρώνεται σε λιγότερες ζώνες. Δεν σημαίνει από μόνη της μικρότερη συνολική διασπορά. |
| HDR50 | Απαντά στο «πόσο χώρο χρειάζεται για να χωρέσει το μισό της εκτιμώμενης πυκνότητας;». Μικρότερο HDR50 σημαίνει ότι το ίδιο 50% της πυκνότητας συγκεντρώνεται σε μικρότερη επιφάνεια. |
| Local Standard Distance | Είναι η ίδια λογική της Standard Distance, αλλά μόνο μέσα σε μία επιλεγμένη ζώνη. Μας δείχνει αν οι θέσεις είναι απλωμένες σε όλη τη ζώνη ή συγκεντρώνονται σε μικρότερο τμήμα της. |
Το ίδιο σύνολο δεδομένων μπορεί να δώσει διαφορετική εικόνα
Όταν εξετάσαμε συνολικά ολόκληρους τους δύο αγώνες, η τυπική χωρική απόσταση ήταν 31,36 m στη Σόφια και 32,18 m στην Αθήνα. Πρακτικά, η συνολική χωρική παρουσία της μπάλας στην Αθήνα εμφανίζεται ελαφρώς πιο διάχυτη. Με άλλα λόγια, η Standard Distance λειτουργεί σαν ένα συνολικό μέτρο «απλώματος» γύρω από το χωρικό κέντρο.
Όταν όμως εξετάσουμε μόνο τα πρώτα 30 λεπτά, η εικόνα αντιστρέφεται: η τυπική χωρική απόσταση μειώνεται από 30,58 m σε 28,88 m.
Παράλληλα, η HDR50 —η μικρότερη περιοχή του γηπέδου που περιλαμβάνει το 50% της εκτιμώμενης συνολικής χωρικής πυκνότητας— μειώνεται από 24,4% σε 21,8%. Αυτό σημαίνει ότι στα πρώτα 30′ το μισό της χωρικής πυκνότητας συγκεντρώνεται σε μικρότερη επιφάνεια στην Αθήνα. Όσο μικρότερη είναι η HDR50, τόσο μικρότερη επιφάνεια χρειάζεται για να συγκεντρωθεί το ίδιο 50% της εκτιμώμενης πυκνότητας.
Το ίδιο σύνολο δεδομένων. Διαφορετική χρονική κλίμακα. Διαφορετική ιστορία.
Η χρονική συνάθροιση (temporal aggregation) μπορεί επομένως να συγχωνεύσει διαφορετικές καταστάσεις μέσα σε μία συνολική εικόνα. Αυτό δεν αφορά μόνο το ποδόσφαιρο· αφορά οποιοδήποτε δυναμικό φαινόμενο μεταβάλλεται με τον χρόνο.
Σχεδόν ίδιο κέντρο, διαφορετική χωρική δομή
Στο διάστημα 15–30′, οι δύο χωρικοί μέσοι απέχουν μόλις 1,36 m. Αν βλέπαμε μόνο αυτόν τον αριθμό, θα μπορούσαμε εύκολα να θεωρήσουμε ότι οι δύο κατανομές είναι σχεδόν ίδιες.
Η SDE όμως δείχνει διαφορετική γεωμετρία. Η ανισοτροπία αυξάνεται από 1,05 σε 1,78. Τιμή κοντά στο 1 αντιστοιχεί σε σχεδόν κυκλική κατανομή, ενώ μεγαλύτερη τιμή σημαίνει ότι η κατανομή γίνεται πιο επιμήκης κατά έναν κύριο άξονα. Οπτικά, αυτό είναι η διαφορά ανάμεσα σε μια σχεδόν κυκλική διασπορά και σε μια διασπορά που «τεντώνεται» καθαρά προς έναν άξονα.
Η κανονικοποιημένη εντροπία επίσης μειώνεται από 0,869 σε 0,775. Δηλαδή η χωρική παρουσία κατανέμεται λιγότερο ομοιόμορφα μεταξύ των 15 ζωνών. Αυτό δεν σημαίνει ότι η δεύτερη κατανομή είναι συνολικά πιο συμπαγής: η τυπική χωρική απόσταση αυξάνεται ελαφρά από 27,86 m σε 29,58 m. Η αλλαγή αφορά κυρίως τον τρόπο με τον οποίο οργανώνεται η κατανομή στον χώρο. Η ανάγνωση είναι απλή: χαμηλότερη τιμή σημαίνει ότι η παρουσία μοιράζεται λιγότερο ισόρροπα στις επιμέρους ζώνες.
Σχεδόν ίδιο «κέντρο βάρους» δεν σημαίνει ίδια χωρική δομή.
Και οι μεγάλες χωρικές ζώνες μπορούν να κρύψουν πληροφορία
Στο ίδιο χρονικό διάστημα, 38,2% της χρονικά σταθμισμένης παρουσίας στη Σόφια και 35,1% στην Αθήνα βρίσκεται στο ίδιο μεγάλο διαμήκες τρίτο. Τα ποσοστά είναι παρόμοια.
Μέσα όμως στην ίδια ζώνη, η τοπική τυπική χωρική απόσταση μειώνεται από 22,35 m σε 11,88 m. Στην πρώτη περίπτωση οι θέσεις είναι πολύ περισσότερο απλωμένες μέσα στη ζώνη, ενώ στη δεύτερη βρίσκονται πολύ πιο κοντά μεταξύ τους. Είναι δηλαδή ένα μέτρο του πόσο διασκορπισμένη ή πόσο συγκεντρωμένη είναι η παρουσία μέσα στην ίδια μεγάλη ζώνη.
Το «πόσο» μπορεί να είναι παρόμοιο. Το «πώς κατανέμεται» μπορεί να είναι τελείως διαφορετικό.
Αυτό είναι ένα παράδειγμα του προβλήματος της χωρικής συνάθροισης (spatial aggregation): η ομαδοποίηση σε μεγάλες ζώνες μπορεί να κρύψει τη γεωμετρία που υπάρχει στο εσωτερικό τους.
Ο χώρος αλλάζει μαζί με τον χρόνο
Στη συνέχεια χωρίσαμε τα δεδομένα σε διαδοχικά χρονικά παράθυρα και υπολογίσαμε εκ νέου τους χωρικούς μέσους και τις SDE. Η απόσταση των χωρικών μέσων μεταβάλλεται από 1,36 m στο 15–30′ έως 14,21 m στο 45–60′, ενώ και η γεωμετρία των ελλείψεων αλλάζει.
Η συνολική εικόνα επομένως δεν είναι στατική. Ένας χάρτης ολόκληρης της περιόδου μπορεί να είναι χρήσιμος ως σύνοψη, αλλά δεν αρκεί πάντα για να περιγράψει ένα δυναμικό φαινόμενο. Οι συγκρίσεις εδώ είναι περιγραφικές: αποτυπώνουν μεταβολές της χωροχρονικής δομής και δεν αποδίδουν αιτιότητα.
Όταν διαφορετικά δεδομένα συνδυάζονται
Οι συντεταγμένες θέσης της μπάλας γνωρίζουν το πού + πότε, αλλά δεν περιέχουν αναγνωριστικό ομάδας για κάθε θέση. Οι χρονικές τάσεις κατοχής, αντίθετα, παρέχουν ανά ομάδα μία ένδειξη κατοχής σε συγκεκριμένα λεπτά, αλλά δεν περιέχουν χωρική θέση.
Για το 0–15′, οι τιμές της τάσης κατοχής παρεμβλήθηκαν χρονικά στα timestamps των θέσεων της μπάλας και χρησιμοποιήθηκαν ως πρόσθετα βάρη. Έτσι προέκυψαν δύο παράγωγα χωρικά επίπεδα (derived spatial layers). Οι δύο παράγωγοι χωρικοί μέσοι απέχουν 4,92 m. Σε απλή γλώσσα, συνδέουμε το «πού και πότε βρισκόταν η μπάλα» με το «ποια ομάδα είχε ισχυρότερη τάση κατοχής την ίδια χρονική στιγμή», χωρίς να ισχυριζόμαστε ότι γνωρίζουμε την κατοχή σε κάθε συγκεκριμένο σημείο.
Κανένα από τα αρχικά σύνολα δεδομένων δεν περιείχε μόνο του τη νέα πληροφορία. Αυτή προέκυψε από τη σωστή ενοποίησή τους.
Δεν αναλύουμε το ποδόσφαιρο. Αναλύουμε δεδομένα.
Το συγκεκριμένο σύνολο δεδομένων είναι ποδοσφαιρικό. Θα μπορούσε όμως να αφορά αστική κινητικότητα, εφοδιαστική (logistics), γεωργία, περιβαλλοντική παρακολούθηση, δίκτυα αισθητήρων ή οποιοδήποτε άλλο πεδίο όπου τα δεδομένα έχουν χωρική και χρονική διάσταση.
Ο στόχος είναι να μετατρέπουμε σύνθετα δεδομένα σε κατανοητή και αξιοποιήσιμη πληροφορία, αναδεικνύοντας τη χωρική και χρονική τους δομή, ώστε οι ειδικοί του εκάστοτε πεδίου να μπορούν να αναγνωρίσουν τα πρότυπα που εμφανίζονται και να λάβουν καλύτερα τεκμηριωμένες αποφάσεις.
Η ανάλυση μπορεί να αναδείξει ότι ένα χωρικό πρότυπο μεταβάλλεται, ότι δύο κατανομές έχουν διαφορετική γεωμετρία ή ότι ο συνδυασμός διαφορετικών πηγών δεδομένων δημιουργεί νέα πληροφορία. Το τι σημαίνουν αυτά επιχειρησιακά, επιστημονικά ή στρατηγικά είναι το σημείο όπου η ανάλυση συναντά τον άνθρωπο που γνωρίζει το πεδίο εφαρμογής.
Η φύση των δεδομένων μπορεί να αλλάζει. Η βασική αναλυτική πρόκληση παραμένει η ίδια: να ανακαλύψουμε τι κρύβεται πίσω από τις μεμονωμένες τιμές και να το παρουσιάσουμε με τρόπο που μπορεί να αξιοποιηθεί για την υποστήριξη αποφάσεων.
Τα δεδομένα δεν είναι μόνο τιμές. Είναι γεγονότα μέσα σε χώρο και χρόνο.
Σημείωση δεδομένων και μεθοδολογίας
- Πηγή δεδομένων: Sportmonks Football API.
- Για τη χαρτογραφική απόδοση οι συντεταγμένες περιορίστηκαν στο [0,1]. Οι αποστάσεις σε μέτρα είναι ισοδύναμες αποστάσεις σε γήπεδο αναφοράς 105 × 68 m και όχι μετρημένες αποστάσεις.
- Χρονική στάθμιση: κάθε θέση ισχύει έως την επόμενη καταγραφή, με μέγιστη διάρκεια 10s. Η ίδια στάθμιση εφαρμόστηκε σε Mean Center, Standard Distance, SDE, zonal shares, entropy, KDE και HDR.
- KDE: ισότροπος Gaussian kernel σε raster 1 m, bandwidth 6 m. Η HDR50 υπολογίστηκε από την ίδια ακριβώς KDE επιφάνεια ως η μικρότερη επιφάνεια που συγκεντρώνει το 50% της εκτιμώμενης πυκνότητας.
- Entropy: κανονικοποιημένη Shannon entropy (0–1) σε 15 ισομεγέθεις ζώνες, 3 διαμήκη τμήματα × 5 εγκάρσιες λωρίδες.
- Data fusion: γραμμική χρονική παρεμβολή της τάσης κατοχής (possession trend) στις χρονικές στιγμές (timestamps) που αντιστοιχούν στις συντεταγμένες της μπάλας (ball coordinates) και χρήση της ως πρόσθετου βάρους. Τα παράγωγα επίπεδα δεν αποτελούν άμεση παρακολούθηση κατοχής (possession tracking) και δεν ταυτίζονται με επιθετική ή αμυντική φάση.
- Robustness: δοκιμές με χρονικό cap 7/10/15 s και KDE bandwidth 4/6/8 m διατήρησαν τα βασικά ποιοτικά ευρήματα.
- Η ανάλυση είναι περιγραφική και χωροχρονική. Δεν αποδίδεται αιτιώδης σχέση μεταξύ χωρικών προτύπων και αποτελέσματος, ούτε εξάγεται τακτική ή κατεύθυνση επίθεσης από τις συντεταγμένες.
- Δοκιμές τοπικής χωρικής αυτοσυσχέτισης και συγκέντρωσης (Gi*/LISA) δεν χρησιμοποιήθηκαν ως κεντρικά ευρήματα, επειδή τα αποτελέσματα δεν ήταν επαρκώς σταθερά σε διαφορετικές αναλύσεις πλέγματος.
Τα δεδομένα σας μπορεί να λένε περισσότερα απ’ όσα φαίνονται
Στη NubiGroup αναζητούμε τη χωρική και χρονική δομή πίσω από τα δεδομένα, συνδυάζουμε διαφορετικές πηγές πληροφορίας και αναδεικνύουμε πρότυπα που μπορούν να αποκτήσουν πραγματική αξία στη λήψη αποφάσεων.
Συζητήστε μαζί μας τη δική σας περίπτωση