Patrick Lambrix och Niklas Carlsson, professor respektive biträdande professor på institutionen för datavetenskap, är båda hockeyentusiaster. Patrick Lambrix är sedan flera år medlem i Linköpings HC, medan Niklas Carlsson spelar i klubbens veteranlag.
Kombinationen experter på dataanalys och hockeyintresse har lett till ett samarbete med LHC.
– Jag brukar gå på LHC:s matcher och där tänkte jag, kan vi hjälpa dem på något sätt? berättar Patrick Lambrix.
I slutet av 2017 tog de kontakt med klubben och numera leder de ett projekt som går ut på att visualisera data. Datan i det här fallet är statistik över de handlingar spelarna utför under en match, skott, passningar och så vidare.
– Genom det visualiseringssystem vår grupp utvecklat kan Micke, LHC:s målvaktscoach, få upp en bild som visar varifrån alla skott kommer. Den informationen kan sedan filtreras på olika sätt. Kanske vill man bara visa skott som sköts nära målvakten. Eller se vilka spelare som fanns på isen när skotten kom. Han kan visa målvakten att de här spelarna brukar skjuta från de här ställena, förklarar Patrick Lambrix.
Bild från visualiseringsprojektet med LHC. Viss information är borttagen.
Åskådliggör motståndarens spelidé
LHC:s målvaktscoach Mikael Vernblom är den som kategoriserar alla handlingar under matchen.
– Med hjälp av programmet kan vi snabbt få fram bilder som åskådliggör motståndarens spelidé. Det här kan jag visa målvakten redan under periodpausen, men också inför en match för att man göra tydligt hur en motståndare spelar, säger Mikael Vernblom.
I skrivande stund har det dock ännu inte tagits i bruk i matchsituation, men det är nära förestående.
Patrick Lambrix och Niklas Carlsson. Foto Magnus Johansson
Sport analytics
LHC-projektet är ett exempel på det som kallas Sports analytics. Begreppet blev känt för en större publik genom filmen Moneyball från 2011. Den berättar hur basebollklubben Oakland Athletics framgångsrikt använde statistik för att hitta undervärderade spelare. Patrick Lambrix och Niklas Carlsson håller på med flera liknande projekt.
– Visualiseringsprojektet med LHC är tekniskt ganska enkelt, men vi använder också data för att utvärdera spelare och spelstrategier, säger Niklas Carlsson.
För att bedöma hur bra en spelare är har man traditionellt tittat på saker som mål och assisterande passningar.
– En kritik mot sådana mått är att de inte tar hänsyn till kontexten. Att göra mål när du leder med 5–0 spelar inte så stor roll, men om det står 1–0 till andra laget så är 1–1 väldigt viktigt. Vi har jobbat med hur man kan ta hänsyn till kontext, säger Patrick Lambrix.
LiU-forskarnas modell, som är en vidareutveckling av en kanadensisk grupps arbete, tar hänsyn till saker som om laget leder och vilken period en handling utförs.
– Vi använder sedan maskininlärning för att analysera spelare och spelsituationer. Genom maskininlärning ges ett värde till olika handlingar, sedan summeras alla handlingar en spelare gjort och ju högre värde, desto bättre spelare, förklarar Niklas Carlsson.
Behöver mycket data
Sports analytics används i olika sporter, men fungerar bäst i dem där det finns mycket data. Om mål eller poäng är ett mått är alltså baseboll och basket lättare att arbeta med, än fotboll och ishockey.
– En annan sak som har betydelse är om spelet är flytande eller upphackat. I fotboll och hockey fortgår spelet hela tiden och det gör förutsägelser svårare, förklarar Patrick Lambrix.
Att förutsäga en fotbollsspelares rörelsemönster i olika situationer är ett exempel på ett sådant svårt problem.
– Det är något vi forskar om tillsammans med Signality, ett företag här i Linköping, säger Patrick Lambrix.
Även om den här typen av dataanalys inom ishockey är vanlig i Nordamerika så är det nytt i Sverige.
– Vi vet inte så mycket om hur det används här, men vad jag förstår håller andra SHL-lag på med det. Fast vi vet inte vad de gör. Och vi känner inte till några andra forskare som sysslar med den här typen av samarbete, säger Patrick Lambrix.
Själv håller han en doktorandkurs i Sports analytics. Han hoppas att den ska börja ges som fristående kurs 2021.
Sport analytics handlar inte alltid om att förbättra spelet. Patrick Lambrix och Niklas Carlsson diskuterar just nu med LHC:s läkare ett projekt där man med hjälp av maskininlärning ska lära sig att undvika skador.
Vad tror ni att projektet med att utvärdera spelare och spelsituationen kan leda till?
– Om vi lyckas förutsäga matcher och korrekt utvärdera spelare så tror jag att det kan det ha stort inflytande på hur ishockeyn utvecklas, säger Patrick Lambrix.
