Логотип Логотип Логотип Логотип
Интервью

Он 6 лет учился в Москве, уехал в США и построил компанию, которая обрабатывает данные в НБА и НФЛ

Осенью 2017 года гигант Sportradar, который собирает и обрабатывает данные примерно в 40 видах спорта, приобрел компанию MOCAP Analytics. Эта важная сделка прошла мимо СНГ-пространства, а зря: MOCAP Analytics основана казахстанцем Эльдаром Ахметгалиевым, который шесть лет учился в московском Физтехе.

Выпустившись из МФТИ, Эльдар по гранту переехал в Калифорнийский технологический институт (Caltech), который наряду с MIT считается в США цитаделью точных наук и инженерии. Он думал об академической карьере и развитии чистой науки, но в 2011-м, на третьем году докторантуры, вместе с выпускником того же Caltech Арианом Форухаром пошел в бизнес.

В 2015-м, получив степень PhD, Эльдар окончательно сосредоточился на стартапе. Координатные данные в ведущих американских лигах начали собирать еще в 2010-м: сначала в НБА, а затем в НФЛ установили специальные камеры и датчики, которые фиксировали всю информацию о перемещениях игроков с частотой несколько кадров за секунду. Сейчас компания MOCAP Analytics – одна из лучших в мире по обработке таких данных на основе машинного обучения.

MOCAP Analytics начала расти благодаря сотрудничеству с «Голден Стэйт Уорриорз» – вскоре компания вышла за пределы баскетбола и адаптировала разработки для американского футбола. Еще по мере развития первого большого баскетбольного проекта в MOCAP Analytics поняли, что самое перспективное направление – это уникальный контент для фанатов и вовлечение аудитории, а не строгие тактические выкладки для тренеров и игроков.

Сейчас Ахметгалиев работает в Кремниевой долине. В MOCAP Analytics всего шесть штатных сотрудников.

«Голден Стэйт», истории на основе данных

– Сейчас конечная задача вашего продукта – уже не просто сбор и обработка данных, а поиск решения, как заработать на них. Верно?
– Задача классическая. Если есть данные, возникает проблема – что из них извлечь и как это монетизировать. В спорте в данных заключена полезная информация, которую сложно вычленить. Путей монетизации несколько: можно продавать свои решения командам, можно искать применение во взаимодействии с фанатами, можно находить клиентов в секторе b2b. Надеюсь, наш продукт, когда он полноценно запустится и будет присутствовать на рынке, хорошо узнают во всех этих направлениях.

Концентрироваться только на клубах неправильно, потому что это не очень хорошо масштабируется: в НБА всего 30 потенциальных клиентов, в любой другой лиге и каждом виде спорта точно так же. А фанаты – это миллионы людей.

Мы только начали тестировать нашу разработку, публикуем в твиттере Sportradar Insight кусочки контента, по которым можно чуть-чуть понять, что мы делаем. Монетизация – проблема любого проекта с машинным обучением, но интерес в спортивной индустрии есть, потому что фанаты всегда голодны до хорошего контента. Он интересен в том числе медиакомпаниям, владельцам теле- и digital-прав. ESPN и другие уже используют данные, но пока это не так уж широко распространено.

– Sportradar – одна из крупнейших компаний мира по работе с данными. Как вы считаете, чем именно вы привлекли их внимание?
– Мы друг другу очень подходили. Наши разработки касаются НБА и НФЛ, а Sportradar как раз эксклюзивный дистрибьютор данных обеих лиг. У них были права на данные, но им не хватало экспертизы в том, как с ними работать. Наша команда привнесла эту экспертизу. Основной бизнес Sportradar – продажа данных букмекерам, но они развиваются и инвестируют в новые технологии, в том числе в искусственный интеллект и машинное обучение. Для Sportradar покупка нас – стратегическое решение. Они могли бы и сами что-то разрабатывать, но за счет наших умений сэкономили время.

– Есть пример спецпроекта при участии Sportradar: бренд Audi, международная федерация лыжных гонок – болельщики по данным тепловых карт, траекторий движения и другим показателям могли сравнивать лыжников с автомобилями Audi. Этому примеру несколько лет. Сейчас вы работаете над проектами посложнее?
– Координатные данные, кинематические показатели – первое, что можно замерить. Скорость, ускорение, пробег – все это давно появилось, например, в футболе. Сравнивать эти факты с автомобилями очень интересно, но это уровень, на который можно выйти довольно быстро.

Мы в течение многих лет продвигались гораздо глубже – к вещам, которые могут иметь реальное влияние на результат, отражаться на тактике. Мы работаем над отслеживанием тенденций, особенностей в действиях игроков, показателях сыгранности. Мы стремимся делать выводы, кто насколько эффективно ставит заслоны или действует под кольцом. Конечно, здесь все глубже, чем кинематика.

Хотя на самом деле не так важно, насколько сильную математику использовать, главное – качество истории, которую вы рассказываете. Сравнение движения лыжника и автомобиля – креативная история. Конечная цель не в том, чтобы использовать как можно больше нейронных сетей, а в рассказе наиболее интересных и релевантных историй. Когда мы стали частью Sportradar, у нас появилась дополнительная уверенность в том, что наши истории будут доходить до аудитории.

– Вы сразу думаете и о том, как обработать данные, и о конечном продукте – истории?
– Именно. Мы не просто применяем общие математические алгоритмы, чтобы получить факты и потом думать, как на их основе что-то рассказывать. Наша работа – не только математика, но и креатив. Есть нечто, имеющее спортивное значение, а задача – найти пересечение с данными: обнаружить момент, когда данные сами по себе рассказывают что-либо любопытное. Или другой подход: мы понимаем, что фанатам интересно было бы что-то узнать, и выясняем, могут ли данные подсказать ответ.

Двигаться нужно сразу с обеих сторон. Мы не сервисная услуга в духе «покопались в данных, что-то нашли – отгрузили заказчику». Наш конечный продукт – не данные, а истории. Истории – общее название, за ним может быть многое: инфографика, неочевидные статистические детали. Интерес именно в поиске сочетания: нейронные сети, машинное обучение и попытка найти нечто цепляющее.

Рост в глубину, готовность экспериментировать

– Sportradar заявляет: сейчас работа с данными приносит клубам и лигам в США около 2% дохода, а в ближайшем будущем этот показатель может достигать 30-40%. На ваш взгляд, клубы и лиги уже понимают, что именно это одна из точек роста, они готовы инвестировать в это направление?
– Клубы ставят перед собой разные задачи: кому-то важно заработать, а кто-то хочет просто выиграть чемпионат. Не знаю, насколько данные могут помочь взять титул, но зарабатывать с помощью данных точно можно больше. Я не только про координатные данные, направлений много – начиная с анализа продаж билетов. Отдельная часть – фитнес-данные, контроль за здоровьем игроков. Клубы используют данные всюду.

– Ваша специализация – баскетбол и американский футбол. Вы сознательно развиваетесь не в ширину, а в глубину, чтобы добиться именно прорыва, а не охвата?
– Мы намеренно сосредоточились на этих видах: в них есть данные, они на первых двух местах по популярности в США и были интересны нашей команде. Когда мы искали людей, то привлекали только тех, кому действительно интересен спорт. Начали с баскетбола, а затем стали делать похожие вещи для американского футбола. Не исключаю возможности расти в ширину, захватывать другие виды спорта.

– Вы говорили, что вам удалось стартовать во многом благодаря тому, что одна из команд НБА предоставила вам доступ к закрытым данным. Как вы договаривались с «Голден Стэйт»?
– Не могу раскрывать детали переговоров. У нас не было выбора: данными владели только клубы и лига. В «Уорриорз» понимали, что данных много и что получить ценную информацию очень сложно. В мире не так много специалистов по обработке данных. Тех, кто может эффективно вытаскивать какие-либо сведения, всего несколько десятков человек. Когда данные появились, первая реакция клубов была логичной: «Что мы можем из них извлечь? Давайте пробовать». Никто не собирался их прятать. Данные непубличные, но клубы были готовы экспериментировать. Поэтому у нас и сложилось сотрудничество с «Голден Стэйт».

Это был наш первый проект, но даже в нем мы больше работали на вовлечение фанатов: помогали создавать контент для клубных соцсетей и официальных сайтов. С топ-клубами вообще хотят сотрудничать очень многие, партнеры готовы делать многое даже бесплатно, только ради шанса быть рядом. Поэтому с точки зрения рынка все очень сложно.

– Чем вы убедили другие клубы и организации в том, что ваш продукт ценен?
– Нам не нужно было в этом убеждать. Клубы понимали: данные – источник полезного контента, мы этот контент помогали получать. После НБА мы пошли в НФЛ и стали работать с Zebra Technologies – компании, которая собирает данные в этой лиге. Если клубы и лиги заключили контракт со сборщиками, значит, они понимали: потенциал в этом направлении есть. Мы сразу сфокусировались на контенте для болельщиков, но наверняка некоторые данные можно использовать и для того, чтобы выявить слабости в игре команды.

Ставки, специфический набор качеств

– В какой момент вы поняли, что ваш проект успешен?
– Когда продали компанию, оформили сделку со Sportradar – поняли, что все хорошо. Но мы считаем, что наша работа еще далеко не закончена.

– Ваш стартап привлек деньги со стороны только на шестой год работы. Как было до этого: вы вкладывали свои только на старте, а дальше направляли на развитие текущую выручку? Или были кризисные моменты, когда понадобилось снова добавлять личные средства?
– У нас были соглашения с командами, с лигами, с поставщиками данных. И это не просто договоренности на бумажке. Это скорее намек, а не конкретный ответ на вопрос – все-таки финансовые детали я раскрывать не могу. Но суть в том, что мы действительно взаимодействовали с этими организациями, а не просто заключали соглашения для галочки.

– Вы говорили, что создали библиотеку алгоритмов. Насколько она универсальна? Sportradar ведь работает по многим направлениям и со многими видами спорта. Насколько это легко и быстро – адаптировать систему к другим видам?
– Есть концептуальная часть – ее генерализировать нетрудно, но детали, которые ведут к созданию финального продукта, контента – это уже очень специфические вещи для каждого вида спорта. Чтобы применить разработку, например, к хоккею, понадобится много дополнительной работы. Для извлечения полезного нужно проникать в вид спорта глубоко. Новый вид спорта не будет работой с нуля, общую экспертизу использовать мы сможем. Однако это стало бы отдельным большим проектом.

Сложности – в ресурсах, причем не только во времени. Нужны люди, которые разбираются одновременно в спорте и в машинном обучении – это специфический набор качеств, таких пересечений мало. Обычно те, кто разбирается в спорте, далеко не гики в программировании – и наоборот. И это не только наша проблема. Людей, которые хороши в работе с данными, немного. Все большие компании за ними охотятся. Спорт – это дополнительное сужение. Мы всегда пытаемся искать людей, для которых такая работа с данными в спорте была бы не только работой, но и страстью. У нас не большая, но дружная команда. С переходом в структуру Sportradar она не изменилась. Круто, что мы не просто коллеги, а еще и друзья.

– Одно из основных направлений работы Sportradar – продажа данных букмекерам. Со стороны кажется, что ваша работа может быть очень полезна и тут: выгодно понимать наиболее вероятные исходы, прогнозировать разницу очков.
– Это логичный вопрос. И очень интересный. Однако первое, что нужно сказать: прямо сейчас на территории США спортивный беттинг запрещен. Это ограничение пока никуда не делось, и оно очень влияет. Говорить о нашей работе в этом направлении можно будет только тогда, когда в этой стране появится легальный беттинг. Рассуждать гипотетически нет смысла.

– Но Sportradar в том числе европейская компания, в Европе ставить можно. И здесь тоже ставят на НБА, на НФЛ.
– Не так много, как на футбол и другие виды спорта. Поэтому про проекты, связанные со ставками, пока без комментариев.

Испорченные люди Долины, комплекс самозванца

– Мотивационная часть. Как другим людям пойти по пути Эльдара Ахметгалиева и добиться контрактов собственного стартапа с клубами НБА, сделки с крупнейшим игроком спортивной индустрии или чего-то в таком духе?
– Я фанат фундаментального образования. Я учился очень долго: шесть лет в Физтехе в Москве, потом шесть лет на PhD в Калтехе. Конечно, всегда будут возможности для людей, которых спонсирует Питер Тиль (американский предприниматель, coоснователь PayPal, который инвестирует в проекты на ранних этапах развития). Они бросают колледжи и занимаются стартапами. Но есть огромный пласт новых технологий, на основе которых просто так создать что-то новое не получится – нужна серьезная техническая экспертиза. Все, что касается анализа данных, – экспертиза на грани научной. То, чем мы занимаемся сейчас в компании и чем я занимался во время обучения на PhD, – это очень похожие вещи.

Мы используем кучу алгоритмов, вся работа технически очень насыщенна. Конечно, будут истории успеха в духе Марка Цукерберга, который просто после колледжа начал программировать и всего достиг, но их единицы, а очень многие – про специалистов с сильным бэкграундом. Если в свое образование не вкладывать, становишься менее конкурентоспособным.

Есть другая сторона: из-за того, что в СНГ мало денег в науке, многие с фундаментальным образованием уходят и часто гробят свои знания, работая в большой компании. Я мотивирую людей на то, чтобы попытаться создать что-то свое и не гнаться просто за деньгами. Для успеха нужно быть или уникальным талантом, которых один на миллион, или сильным специалистом в своей области.

Машинное обучение – это сейчас самое горячее направление. Потому что спецов мало, на них идет охота. Понимаю, что в Казахстане и в России все сложнее, потому что экономика другая, не такая высокотехнологичная – нужда в таких кадрах, соответственно, ниже. Однако если мыслить глобальнее, фундаментальное образование необходимо.

– То есть сейчас еще не поздно начинать учиться работе с данными?
– До насыщения рынка и жесткой конкуренции пока далеко. Хотя хайпа тоже очень много. Я не говорю, что каждый специалист по работе с данными нарасхват. Все-таки все разного уровня. Но в анализе данных нет одной четкой формулы: знаешь и умеешь вот это – ты хорош. Важнее умение анализироватьа. Если сейчас молодому человеку или девушке до 30 лет интересно этим заниматься, все двери пока открыты.

– Вы работаете в Кремниевой долине и даже с помощью фонда имени Есенова способствуете тому, чтобы молодые специалисты из Казахстана приезжали туда стажироваться. Расскажите, как это устроено.
– Это не часть моей работы, я это делаю как простой человек, как гражданин. В Казахстане ситуация с экономикой и новыми технологиями весьма плачевная, фундаментально есть две проблемы: нужна нормальная среда, законы (это вопрос государства) и серьезный релевантный опыт. Сейчас нет ни того, ни другого. Мы помогаем прокачивать скиллы тем, кто действительно способен основывать компании, двигать вперед науку. Чтобы затем, если все сложится, они могли развивать что-либо в Казахстане.

В Долине много компаний, где мало денег и предостаточно работы. Им нужны люди, готовые участвовать в проектах ради опыта. Идеальная ситуация: человек приезжает сюда на несколько месяцев, уезжает с опытом и в Казахстане собирает команду, поднимает свой проект. Такие примеры уже есть.

Я считаю, что талант по всему миру распределен равномерно. В Казахстане, в России не меньше талантливых людей, чем в других местах. Есть сложности с доступом к образованию, к знаниям. У нас много не ограненных пока ребят: мозги есть, мозги работают правильно, но возможности поработать над чем-то суперновым нет. Мы эту брешь пытаемся заполнить.

Я не мотивирую сразу же ехать на Запад. Я мотивирую создавать свое, сразу же мыслить технологиями мирового уровня и не бояться барьеров, которые якобы существуют только потому, что ты родился в какой-то конкретной стране.

В Долину съезжается много талантливых людей. Здесь другая проблема: люди становятся испорченными. Они требуют очень много денег. Поэтому у талантливых людей из СНГ большое преимущество: они могут выполнять работу так же качественно, но за меньшие деньги.

– Вас окружает много казахстанцев. Кроме того, что ваша жена, химик Алма Жанайдарова, тоже завершает учебу в докторантуре и участвует в подготовке миссии NASA 2035 года на Марс, в вашем проекте работают коллеги из Казахстана: и рядом в США, и удаленно из Алма-Аты.
– Да, и это, конечно же, никакая не случайность. Мы не пытались нанимать людей оттуда специально, но в моем нетворке были именно они. Это нормально: многие стараются найти для своей новой маленькой компании, где очень много взаимодействия и ответственности на каждом, людей, которым доверяешь. Нас шесть человек: кроме меня, есть коллега из Казахстана, который тоже закончил PhD в США и живет здесь, а двое ребят полноценно наши сотрудники, но живут в Алма-Ате.

– Если бы все те же люди были рядом с вами, но вы бы вернулись после Калтеха в Москву или в Казахстан, запустить такой же проект было бы реально?
– Думаю, это было бы сложнее. Но не сказал бы, что нереально. Проблема бы возникла не с продуктом, а с его монетизацией. Но очевидно, что невозможного нет. Потому что есть примеры команд из России, из Белоруссии, из Латвии. Спрос существует и на внутренних рынках, потому что данные собирают уже далеко не только в НБА

Почти все, с кем я общался на своем курсе Физтеха, преуспели. Многие, кстати, прямо здесь находятся: и в Штатах, и в Долине. Я не был самым талантливым на курсе, я скорее середнячок. Мне помогла такая мантра: например, я приезжаю из Казахстана в Москву, и у меня не звездная болезнь, а мысль «Ну, наверное, я тут самый тупой». Исхожу из того, что я ниже среднего, ничего не соображаю и должен работать так, чтобы чего-то добиться. С такой же мантрой я пришел на PhD: мне ничего не дано, все придется заработать собственным трудом.

В стартапе классная атмосфера: ты понимаешь, что все зависит только от тебя. У тебя есть реальность, которая тебя пугает, очень жесткие рамки и строгая необходимость что-то сделать. У меня и у ребят, с которыми я работаю, очень развит синдром самозванца: даже если у тебя что-то получилось, ты считаешь, что это какая-то ошибка, случайность, а на самом деле ты этого недостоин. С одной стороны, бывает немного странно, но с другой – полезно думать так: меня сюда взяли по ошибке, но теперь мне нужно доказать, что я могу здесь находиться. Синдром самозванца – в том числе психологическое бремя, но мне это очень сильно помогает. Благодаря этому я каждый день просыпаюсь с простой мыслью: всего, что у меня есть, я недостоин – поэтому я должен работать.

Автор: Андрей Васильев.

рубрика
Интервью