有賴科技進步，我們在觀賞比賽時，利用物聯網IoT傳感器及雲端運算進行大量數據傳輸和分析，觀賽者就能接收到更仔細更精密的實時賽手表現數據以及賽事分析，因此只要有科技，基本上人人都可以係專家。早前有雲端服務供應商Amazon Web Services (ASW) 就利用科技為F1賽車及德國甲級足球聯賽帶來更嶄新更精彩的觀賽體驗。
圖片及片段來源：AWS、HKET 資料來源：AWS、HKET
F1賽車F1 Insights
以F1賽車為例，近日Formula One Group與AWS就計劃於2021賽季共同推出6項賽事統計數據F1 Insights，包括剎車表現 (Braking Performance)、車輛性能運用 (Car Exploitation)、能源使用分析 (Energy Usage)、起步分析 (Start Analysis)、維修區表現 ( Pitlane Performance)以及提前進站威脅 (Undercut Threat)，系統得出的數據能助車隊及觀眾更了解各車手和車隊的表現和比賽策略，為提供賽車迷提供更專業的後台觀賽體驗。
雲端運算分析
每部F1賽車均配備超過百萬個傳感器，每秒能夠產生120萬個數據點，由賽車傳送至維修區再上傳至AWS雲端處理。經人工智能分析後所得出的F1 Insights就會呈現在大螢幕及電視上供觀眾參考。以意大利分站新增的刹車表現為例，利用過彎分析 (Corner Analysis) 數據，分析車手在過彎時運用的刹車方式。而車輛性能運用就會顯示車手在比賽時將車身的輪胎牽引力、刹車、加速和操控等性能的發揮。這項數據比較賽車當前性能與實際性能極限，計算每圈因而贏得或損失的時間。(該項數據預計 6 月推出。)
意大利分站新增的刹車表現，利用過彎分析 (Corner Analysis) 數據，分析並讓觀眾了解車手在過彎時的刹車表現。
每架F1賽車均配備過百萬個感應器，每秒產生 110 萬個遙測資料點，提供大量資料以助車隊及觀賽者分析敵方/車隊的戰術。
德甲聯賽神預測
除賽車之外，德國甲級足球聯賽亦一直使用AWS的雲端服務來提供即時進階統計資料和比賽分析的獨特組合資料，包括最常被盯上的球員、攻擊區、平均位置：趨勢、預期進球及速度警報。以最常被盯上的球員為例，緊迫盯人為一種施加對方球員壓力的策略。採用AWS的雲端運算，系統可以將球員遭遇到的防守壓力以即時的方式加以量化，讓評論員、球迷和球隊能夠比較及評估這些壓力對球賽造成的影響。
以最常被盯上的球員為例，運用AI追蹤技術，系統能夠分析各球員被盯上的數量及角度，從而有效分析對方策略運作。
另外過去評估進球機率時，傳統的機器學習模型單純以數據為基礎，即只考慮球員的當前位置及其與球門之間的距離。使用更精密的演算法作機器學習模型，通過持續跟踪皮球與球員的位置，模型就能夠確定一系列附加特徵，例如球員到球門間的距離、當前射門角度、球員的速度、對方防守球員數量以及對方門將的撲救範圍等，讓系統能作出更準確的預測，從而協助在球場上做出更有利的調配決策。
同樣技術相信可應用於其他運動/比賽項目，期望科技能夠逐漸改寫我們觀賞比賽的方式，實現人人都是專家。
