← Tutti i lavori

Analisi dei dati sportivi

Dai dati dei sensori alle decisioni che vincono le regate

Trasformiamo la telemetria grezza e multicanale di SailGP — e ore di commenti delle regate — in informazioni chiare e pronte per le decisioni, e negli strumenti che mettono queste informazioni direttamente nelle mani di velisti, allenatori e ingegneri delle prestazioni.

Confidenziale: il progetto con SailGP è privato. Questa pagina descrive solo il metodo, in termini generali — nessun dato del cliente, risultato, o valore specifico di squadra viene riprodotto.

La sfida

Un F50 di SailGP genera una telemetria multicanale densa — circa 400 canali di sensori a 10 Hz, tra velocità della barca, carichi, assetto, vento, e geometria di foil e attrezzatura velica — per ogni barca, ogni regata, ogni evento. Accanto ad essa esiste una seconda fonte di conoscenza, non strutturata: ore di commenti e analisi delle regate, dove velisti e analisti dicono a parole quello che i sensori misurano solo in numeri. Nessuna delle due era utilizzabile così com'era. La telemetria era troppo grande e troppo grezza perché un allenatore potesse interrogarla direttamente, e la conoscenza tattica nei commenti era intrappolata nei video, non ricercabile e scollegata dai dati che spiegava.

Cosa abbiamo fatto

  • Abbiamo costruito pipeline di dati su un'architettura a strati (bronzo → argento → oro) per trasformare la telemetria multicanale grezza in dataset puliti, etichettati e pronti per l'analisi.
  • Abbiamo eseguito estrazione di insight — modellazione del costo delle manovre, analisi della linea ideale e del percorso, e analisi della partenza — trasformando la telemetria etichettata nelle metriche di prestazione che contano per velisti e allenatori.
  • Abbiamo sviluppato una dashboard interattiva e un sistema di IA multi-agente che risponde a domande concrete su prestazioni e tattica interrogando sia la telemetria sia una base di conoscenza curata costruita dai commenti delle regate.

Approccio

1 — Pipeline dei dati

La telemetria grezza attraversa tre strati, ognuno un passo deliberato e ristretto piuttosto che un'unica trasformazione monolitica. Il bronzo trasforma i file grezzi dei sensori in un formato interrogabile senza alcuna logica di business. Nell' argento entra la conoscenza del dominio: levigatura dei sensori, e rilevamento delle manovre che etichetta ogni virata, strambata e boa direttamente dal segnale, suddividendo ogni regata in segmenti numerati di tratto rettilineo e di manovra. L'oro aggrega l'argento in tabelle riassuntive a livello di regata, gamba ed evento — lo strato a cui sia la dashboard sia il sistema di IA attingono per primo, così che la maggior parte delle domande trova risposta da una piccola tabella precalcolata, piuttosto che da una scansione del segnale grezzo.

Pipeline
PianificatoArchitettura a strati: i file grezzi dei sensori diventano dataset etichettati e pronti per l'analisi in tre passaggi ristretti e verificabili — bronzo, argento, oro.

2 — Estrazione di insight

La telemetria etichettata è solo la materia prima; il problema più difficile è trasformarla in metriche di prestazione che reggano allo scrutinio. Abbiamo costruito un modello di costo delle manovre che misura quanto costa realmente una virata, una strambata o una boa in termini di progresso verso il segnavia — non solo la velocità mantenuta durante la virata, che si rivela raccontare una storia diversa, a volte contraddittoria. Sopra a questo si basa un modello di linea ideale: prestazioni della barca calibrate, un campo di vento ricostruito, e il modello di costo delle manovre si combinano in un ottimizzatore di percorso che ricostruisce il modo più veloce in cui una gamba — o un intero percorso — avrebbe potuto essere navigata, validato rispetto alle prestazioni reali della flotta prima di essere considerato affidabile per qualsiasi cosa disegnata sullo schermo. Un filone di lavoro parallelo applica lo stesso rigore alla partenza: modellando l'avvicinamento alla linea e il valore della posizione di partenza.

Polare delle prestazioni
PianificatoPrestazioni della barca e geometria del percorso combinate in un modello di rotta — la base per ricostruire il modo più veloce in cui una gamba avrebbe potuto essere navigata.

3 — Strumenti interattivi e sistema di IA

La dashboard mette questa analisi direttamente davanti a velisti e allenatori — replay della regata con una “linea ideale” modellata accanto alle barche che l'hanno realmente navigata, e un cockpit delle prestazioni per valutare quanto una barca navighi vicino ai propri obiettivi. Sopra si sovrappone un sistema di IA multi-agente: un agente principale delega a sotto-agenti specializzati per la telemetria, per la base di conoscenza, e per la ricerca web, ciascuno restituendo una risposta breve e distillata invece di righe di dati grezzi — mantenendo piccolo il contesto del modello di ragionamento più costoso e l'intero sistema veloce ed economico da gestire. La base di conoscenza stessa è costruita dai commenti delle regate, strutturata e incorporata per la ricerca semantica, così che una domanda riceve risposta con una citazione a ciò che è stato effettivamente detto, non solo un numero.

L'interfaccia di chat della dashboard SeekingDelta sopra una foto aerea della flotta SailGP, con esempi di domande che un velista o un allenatore potrebbe porre.
L'interfaccia di chat della dashboard — velisti e allenatori fanno una domanda direttamente e ottengono una risposta fondata su telemetria e commenti delle regate, invece di aspettare un analista.

Risultato

Il risultato è una piattaforma live che velisti, allenatori e analisti usano per ottenere risposte dirette e documentate durante i debriefing e le settimane di regata, invece di aspettare un'analisi manuale. È in sviluppo attivo e iterativo, plasmata direttamente dal feedback degli allenatori e dei velisti che la utilizzano.