每當提到比賽分析，人們通常會想到的都是一些諸如射門次數或跑動距離等統計資料。但這些資料除了能給球隊提供一些模糊的建議之外，並沒有真正告訴球隊裡每個成員他們應該如何做才會讓隊伍的比賽表現更好。
日前，專門從事未來科技研發的迪士尼研究院、加州理工學院和體育資料巨頭 Stats 開發出了一套系統，將使用深度學習來分析運動員在比賽中的決策過程。基於球員過去在比賽中的表現，經過足夠訓練後的系統神經網路可以預測出球員下一步應做的動作，並創造出一個“幽靈”球員來模擬真實球員應該擁有的最佳表現。當參加完一場比賽之後，球隊可以通過真實比賽場景中球員的表現和做出最佳場上決策的“幽靈”球員進行比較，從而找出球員在決策上的得與失。
一些測試結果表明這一技術是大有前景的。在富勒姆和斯旺西之間進行的一場足球比賽中，在防守狀態下，採用“幽靈”球員模擬這場比賽後發現，能做出最佳場上決策的“幽靈”球員讓斯旺西的丟球概率大大降低了。