隨著世界不斷學習適應新常態，資料從未如此普遍、更重要或更有價值的日常生活。它告訴我們我們所做的一切，已經做了和可能做的事情。它保障了我們的安全，讓我們能夠購買任何需要的東西，並創造出無法告訴的來源和溝通、娛樂和參與的途徑，一切都只要觸碰螢幕即可。
重要的是，它使我們能夠深入探討以前無法預測的事件，並且更清楚地了解未來的事件。在 Sportradar，我們正在推進資料智慧的界限，迅速將公司從全球領先的體育投注平台轉型為全球領先的科技業務。透過使用新的資料導向技術和方法，我們賦予合作夥伴及其客戶即時、即時的未來願景，並找出四個關鍵領域，可塑造 2021 年及以後的資料未來：
人工智慧與機器學習技術
我一直認為數據既是知識的來源也是引擎，而在過去的 20 年裡，我一直以這個理念為基礎的商業模式。然而，今天，我們擁有的資料量龐大，需要新技術和新方式，以閃電般的速度收集、處理和分發這些資訊給客戶和消費者，並且全面的準確性和最小到零延遲。
人工智慧已經與我們在一起了一段時間，但我們現在開始看到它的影響力日益增長，隨著越來越多的企業使用人工智慧來提高營運效率。
作為一個先進的科技業務，我們長期以來一直信賴 AI 的未來價值，但其影響現在變得更加清晰。從即時建立新的運動、體育賽制和未來賽事的模型，到快速建立新的資料導向數位投注產品，例如我們自己的 AI 導向和演算法導向的模擬實境，由於現場空白，在 3 月 10 天內創建並上市運動，機器學習正在改變運動資料的設計、數位化和傳遞方式。
計算機視覺和自動化
快速採用的機器學習的核心領域是電腦視覺 (CV) — 一種 AI 形式，可教導模型詮釋和了解視覺世界。這有助於創建和培訓數據驅動模型，根據遊戲的視覺模式預測重大事件的可能性，從而提高現場運動的準確度，以及更精確和深遠的未來賽事模型。
在 Sportradar，我們透過 CV 徹底改變了我們收集的資料點的數量和速度，進入一個新的技術時代。今天，我們專注於遊戲級賽事（角球、進球、攻擊比賽等），明天我們收集並處理球場上所有球員的資料（他們的定位和方式，直到個別關節的位置），使我們能夠開發新的資料驅動運動市場和產品。這似乎是過度殺人，但有了這個，我們可以得到新的數據點，如球員加速度和射門類型。
舉例來說，在我們的資料偵測網路中，我們正在努力訓練一個複雜的語音偵測模型，讓資料記者使用語音指令將即時遊戲的每一個元素從關鍵時刻到天氣狀況，從而立即將即時資料廣播到我們的網路並改善時機至關重要的投注市場延遲。語音偵測將消除將資料傳送給客戶時 3-4 秒的延遲。
投資於技術復原能力
近年來，消費者對技術失敗的耐受性急劇下降，這只會持續下去。預期水平的指數上升是任何一家公司在運動資料中工作的重大挑戰，即時涵蓋數十萬場遊戲，延遲不超過秒。
在技術恢復能力方面的大量投資將會有所增加，而針對快速轉移的企業和投資於最新的公有雲基礎設施的轉型措施將是至關重要的。如此一來，可提供最大的運動資料，以提供增強的可擴充性、耐用性、延遲性和彈性。
在 Sportradar，我們的目標是始終處於科技的領先地位。因此，我們投資於我們稱之為「Ring in in Steel」的專屬全球雲端骨幹網路，使我們能夠在世界各地分發即時資料，將可靠性和延遲提高高達六倍，為任何客戶提供零中斷和大幅提升安全性。
文章定位：
