EMC usa la ciencia de datos para descubrir los secretos del Misil de Morecambe
En las carreras del TT de la Isla de Man, EMC Corporation anunció los resultados de la nueva competencia de análisis de datos diseñada para revelar el secreto que hace que John McGuinness sea tan rápido. John, también conocido como “el Misil de Morecambe”, es una leyenda en el mundo de las carreras de motocicletas con 25 años de historia prestigiosa y 21 victorias en la famosa competencia del TT de la Isla de Man.
En el Circuito Monteblanco de España, EMC capturó más de 700,000 filas de datos biométricos, mecánicos y de rendimiento de los sensores colocados en los trajes de carrera y en las motos de John y un sujeto controlado, Adam “Chad” Child, un probador de pistas para Motorcycle News. Las RPM del motor, el ángulo de inclinación, la fuerza G, el pulso y la respiración fueron algunas de las variables que se midieron minuto a minuto en la carrera para ayudar a descubrir cómo se relacionaba el corredor con la máquina.
Los conjuntos de datos de John y Chad se compartieron con la comunidad de ciencia de datos en forma de una competencia abierta realizada en CrowdANALYTIX para descubrir información sorprendente y la respuesta a una pregunta simple: ¿qué hace que John sea tan rápido?
La competencia proporcionó una amplia variedad de datos acerca del estilo de carrera de John McGuinness. El ganador de la competencia de análisis de datos, Stefan Jol, de un grupo de radios líder del Reino Unido, separó cada elemento de la pista para realizar un análisis. De esta forma, fue posible evaluarlos, y, como con cualquier proceso de negocios, los datos identificaron cuáles eran las etapas con mayor impacto en el rendimiento general. Como resultado, la moto puede prepararse para los elementos más importantes de la pista, y la información le sirve de guía al corredor para saber dónde es mejor enfocarse.
La ganadora de la parte de visualización, Charlotte Wickham, profesora adjunta de Estadística en la Universidad de Oregón, logró que el rendimiento relativo de cada corredor fuera más aparente para científicos no especializados en datos. Al mostrarlos en la pista, se evidenció la diferencia en las curvas. Aunque un corredor entrara en una curva con más velocidad, esto no significaba que iba a tener una salida rápida. John McGuinness frenó más, por lo que logró un recorrido mejor y pudo acelerar más rápido y salir con mayor velocidad.
De los 750 participantes, solo 28 pudieron completar la carrera y 2 obtuvieron el Gran Premio.
Mike Foley, director, Data Science en EMC dijo, “Stefan fue el único participante que analizó la forma en que el rendimiento en un área de la pista impactaba el rendimiento en otro sector. De hecho, esa fue la razón por la cual le otorgamos el primer puesto. Queríamos que la comunidad pensara de manera diferente cuando analizara este reto para obtener información nueva que explicara por qué John es tan rápido, y eso fue justamente lo que hizo Stefan. De manera similar, desde el punto de vista de la visualización, Charlotte presentó los datos de forma atractiva y mostró las diferencias de los corredores claramente para aquellos que no pertenecen al campo de datos”.
