数据驱动的评分系统使选择运动队更容易

为一个特定的项目选择合适的运动队或在特定的条件下比赛是许多选择者的噩梦。

但是惠灵顿维多利亚大学博士研究生安基特·帕特尔博士的研究可以使他们的棘手任务变得更容易。

安基特上个月获得了统计学博士学位，他已经处理了许多数据，并发明了一个计算基于体育的运动员评分的框架。

他说评级系统需要是“有意义的”，即他们对团队和球员表现的评估是可靠的、健壮的、直观的和透明的。

帕特尔博士说：“我们的想法是，它可以有效地预测比赛结果，并制定团队选择策略。”这项工作目前正被应用于多个体育法规，但特别是板球和橄榄球。”

鉴于赌博集团可能滥用该系统，以及该研究的商业敏感性，该系统的许多细节以及谁在使用它都必须保密。

这个知识产权因为这个系统的所有者是DOT Loves Data，其创始人和首席运营官保罗_·_布拉斯韦尔_博士_是_帕特尔_博士_的_导师_之一_ ， _也是_该_大学_数学_与_统计_学院_的_兼职_研究员_ 。_

帕特尔博士说，开发这个系统的一个挑战是影响玩家表现的参数的数量，以及这些参数在任何游戏的不同阶段如何产生不同的影响。

例如，在板球比赛中，如果有人在第一局的前五个球投进6分，他们的得分可能会上升2分。但如果他们在第二局倒数第二个球上打出6分，而他们需要7分才能获胜，那么这个数字可能会上升20分。

“该系统能够映射回真实世界的结果，并说明比赛条件和背景，这一点非常重要。因此，关键在于该系统能否产生统计上可靠和稳健的评级，但同时也具有可解释性和直观性。”

除了博士学位之外，帕特尔博士还获得了商业学士学位/金融、市场营销和统计学理学学士学位、统计学理学硕士学位和应用统计学硕士学位。

他说，过去十年，对数据驱动的评级系统的需求有了显著增长，以评估业绩。

“这在许多行业都有过，但在体育行业最为明显。”

为了便于使用，他的模型“必须是健壮的，并且能够产生良好的性能，其中数据来自广泛的概率分布，这些概率分布在很大程度上不受外围数据的影响，与模型假设的偏差很小，样本量也很小。

“它必须是可靠的，评级产生准确和信息量大的预测，在可解释性和易于沟通方面是透明的。

“最终，它必须与真实的结果联系在一起。”

帕特尔博士的综合预测策略通过在板球世界中构建基于团队和个人的评分系统进行了测试和验证。

它建立在几年前他在昆士兰阳光海岸大学（University of the Sunshine Coast）为澳大利亚-新西兰工业和应用数学组织（Australian-New Zealand Industrial and Applied Mathematics Organization）的第14届澳大拉西亚运动数学和计算机会议（Mathsport）上发表论文时所做的工作。

他的作品随后获得内维尔·德梅斯特最佳学生论文和演讲奖。

在他的第二篇论文中，他构造了一种方法来改进对T20板球比赛第一局的预期总数的估计。这就解决了之前影响预测精度的游戏环境问题。

帕特尔博士加入了公司的精密数据，以帮助建立其数据科学和先进的分析能力。