美国国家橄榄球联盟（NFL）的球探联合机构为数百名潜在球员提供了大量的数据，他们进行了各种各样的训练，从40码冲刺到垂直跳跃再到短程穿梭。
对于经验最丰富的NFL高管来说，筛选所有这些可能是压倒性的，更不用说无数的球迷，他们将在接下来的几个月里努力成为选秀专家。
NFL的NextGen Stats团队与亚马逊QuickSight的机器学习工具合作，将所有这些数字以更容易理解的形式呈现出来，作为联合智商的一部分，该数据于周四在NFL的网站上向公众发布。
“就在名字里：综合智商。我们之所以这么做，是因为我们希望人们能从中受益，让你对联合收割机更有智慧，”NFL NextGen Stats负责研究和分析的高级经理迈克·班德（Mike Band）说。“我们希望粉丝们真正了解我们收集的数据，以及如何将这些数据可视化，并使这些数据易于消化，但又富有洞察力。”
仪表板将公布所有训练的结果，包括每个球员身上的RFID传感器的跟踪数据，并将这些数据放入一个球员预测模型中，该模型还考虑了大学的产量、体型和一个由10个选秀排名组成的共识大板，以运动能力、产量和总选秀分数为每位球员评分，评分范围为50到99分。
NextGen统计团队对2003年以来的球员组合数据进行了建模，让球迷可以比较20多年来球员的排名，这些排名与NFL的成功有很好的相关性，这些排名基于成为首发球员或职业保龄球手等指标。
NextGen的统计团队将在收集到的所有数据进行验证，以确保数据在发布到网站之前是准确的，通常是在球员完成训练的10分钟或更短的时间内。这些数据和分析将在网站上提供给球迷，并由NFL网络在转播联合收割机时使用。
数据将能够根据每个项目的各个方面的最佳表现进行分类，以及在每次训练和测量中比较相同位置的球员的蜘蛛图，包括NextGen Stats的生产和运动能力得分。
AWS体育营销主管阿里·恩丁（Ari Entin）表示：“这些是专业水平的分析，以前只有NFL球队才能使用，现在我们让各地的球迷都能使用，这非常酷。”“这是一种实时捕捉、可视化和分析运动员表现数据的新方法。”
对于那些没有在联合训练中进行测试的球员，该模型将根据收集到的大学数据产生估计的运动能力分数。
对于像40米赛这样的赛事来说，数字不仅仅是直接的时间，球员们也根据最高速度、10码分步、10码速度和加速度来排名。数据显示，泽维尔·沃西（Xavier Worthy）去年以4.21秒的成绩创造了40米短跑的联合纪录，创下了每隔10码的最快速度。
仪表板还显示了综合测试如何与NFL在每个位置上的成功相关联的数据，其中边锋和角卫的运动能力得分对中锋和安全球员最重要，最不重要。
它还为球员提供了达到特定位置的门槛，即跑卫排名为“优秀”，如果他们的体重低于210磅，则为4.53或更好，如果他们的体重较重，则为4.58,210磅以下为4.39，体重较重为4.42。
其他测试也有类似的阈值，这取决于每个位置的重要性，例如，三锥体训练对跑卫和边缘冲锋很重要，垂直跳对接球手很重要。即使是像进攻铲球这样的大球员，也有40分钟的时间、三锥训练和臂长等门槛，这些都是基于该模型在过去20年的选秀中所学到的。
班德说：“这个模型在寻找悬崖方面做得很好。”“如果你的排名或相对等级高于我们的等级。那么预测的本质就属于下面的所有分析。从本质上讲，我们希望我们的大板在某种程度上类似于共识大板，打破所有先进指标之间的联系，包括运动能力、生产能力和体型特征。”
