17 junio 2015

EMC descubre los secretos del motonauta más rápido del mundo con ciencia de datos‏

La comunidad de científicos y especialistas en análisis de datos participó de un concurso organizado por EMC donde se midió y recopiló la información biométrica generada por John McGuinness, el legendario corredor de motocicletas de alta velocidad. El objetivo era entender ¿Qué hace que John sea más rápido que los demás?


Mira el vídeo aquí

En las carreras de alta velocidad Tourist Trophy de la Isla de Man, EMC Corporation (NYSE:EMC) 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 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 obtener información  que permitiera responder un pregunta simple: ¿Qué hace que John sea tan rápido?
No obstante, 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.
Por otro lado, 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. Esto implica que aunque un corredor entre en una curva con más velocidad no significa que vaya 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 de Data Science en EMC dijo que “Stefan fue el único participante que analizó la forma en que el rendimiento en un área de la pista impactaba el desempeño 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”.
Los resultados preliminares fueron tan importantes que EMC repetirá el experimento con un conjunto de sensores más elaborado en el TT de la Isla de Man, donde recopilarán muchos más datos, que luego se analizarán para responder de manera más definitiva la pregunta: ¿qué hace que John McGuinness sea tan rápido? El proyecto también se documentó en una película que se estrenará en otoño de 2015.