以往我们总是觉得足球比赛太复杂了，而且球员场上各种动作毫无规律可循，机器也难以捕捉和跟踪，除非有非常先进的人工智能技术。但是像棒球这样的运动首次接受数据分析之后的几十年里，数据统计也开始发挥在足球领域的作用。这里我们所说的数据分析不是传统的技术指标统计，比如射门次数，传球次数等。

“我们过去常常听说足球是过于复杂且无规则的运动，无法将数据统计应用于此，但现在的人们也许不这么说了，”足球分析公司StatsBomb的联合创始人兼首席执行官Ted Knutson（克努森）说。他们的公司已经是足球运动的数据革命中处于行业领先地位。

这项运动中的数字并不是什么新鲜的事：几十年来，评论员们精心统计编制了从一连串的比赛中获胜相关的所有统计数据。但在过去十年中，出现了一项更为科学的操作方式，不仅改变了比赛的成果，还改变了球队在年轻人才引进上如何更科学地花钱。足球的分析时代始于细致的“事件数据”

足球的分析时代始于细致的“事件数据” -- 比赛中每个球上动作的详细记录。2006年，位于伦敦的Opta Sports的事件编码员团队正在点击按钮来记录每次传球，射门，铲球和带球的时间和位置。今天，每个Opta编码的匹配包含大约2000个数据点。

接下来是“预期目标”的结合 -- 一个根据目标的距离和角度计算任何射门得分可能性的系统。这个概念在2017年引入英超联赛旗舰电视精彩节目“今日赛事”时成为主流。

这种先进而且丰富的球员数据的最大影响在于引援和人才储备。

俱乐部现在可以制定一份球员名单，这些球员的统计数据与他们理想的目标数据相符，从中挑选精准的球员目标。然后，球探可以评估更叫少的球员比赛和录像，节省时间和金钱。球员的科学分析

一家名为“第21俱乐部”招聘领域的公司。这家咨询公司的工具能够计算球员在球场上的动作与球队整体表现水平之间的联系，并为每位球员进行评分。俱乐部可以使用这些数据来判断球员对球队是否会增强、削弱，或者对球队的整体表现水平产生不同的影响。

去年，“第21俱乐部”使用他们的工具确定了东欧俱乐部一些有潜力的年轻球员。这些球员的收入比所在俱乐部现有的20强名单上球员平均收入低25％。估值模型得出的结论是这些球员要比20强名单上的球员更好。

“这显示了科学使用数据的力量，”第21届俱乐部足球情报主管奥马尔·乔杜里说。“在市场上的球员，他们[俱乐部]不一定有足够的资源进行详细侦察，但通过使用数据，我们能够筛选出一个值得关注的特定球员。”

数据来源：21st Club数据驱动模型改善了俱乐部传统的球员选择方法，图中的横轴：球员评估工资，纵轴：球员质量。红色标记的球员为该模型工具所推荐的球员。

但是，实际场景非常重要。当同一个球员在场上被对手包围时，他每一次都可能做出不同的决定，因此StatsBomb的事件编码员会注意球员在传球或射门时是否处于压力之下。他们还记录守门员的位置以及在射门时足球与防守球员的位置。

但克努森先生说，现在需要的是“复杂的模型来帮助评估比赛中最重要的技能” - 传球。StatsBomb是许许多多的足球分析公司的一员，这些分析师建立在简单传递总数的基础上，并提供有关传球难度的信息。

一些精英俱乐部的购买模式是签下更少但更合适的球员，表明这些工具正在产生影响。“利物浦是一个明确的案例研究，”克努森先生说。“但曼城队不再签下不够优秀的进攻球员了; 他们接连地签下了德布劳内，斯特林和萨内，他们都是[根据数据所选出]最好的选择。“

在俱乐部内部，技术人员表示，这些新技术可以帮助教练和球探，并帮助他们更好，更快，更聪明地完成工作。

每个框代表球员的空间

巴塞罗那足球俱乐部的数据科学家哈维尔·费尔南德斯说：“我们从教练那里得到的大多数有趣的问题都是事件数据未涵盖的事情。教练谈论空间 - 创造空档，进入空档位置。所以我们意识到我们需要更细粒度的方式来理解球场上的空间。“

蓝色表示跑步或冲刺，粉色表示散步，比赛数据来自2017年巴萨对比利亚雷亚尔的比赛

在最前沿的发展中，数据科学家开发了一种称为“鬼影”的技术，其中算法预测球员在某些情况下最可能采取的行动。这些技术在球员引进中具有巨大价值。

球员运动的模型可以聚合成整个球队的比赛风格。这使得球探能够与自己的球队拥有类似风格的球员，确保战术兼容性。

他们可以使用“鬼影”来模拟将目标球员放到他们自己的团队中的影响，不仅要考虑抽象度量，例如每个赛季增加的分数，还要考虑球员如何改变球队执行特定动作的能力。

技术的进步，让原来的计步器跟踪到可以预测对手下一步动作的工具，相信所有这些技术会演变成一个创造了更加精彩比赛的数据生态系统。

相关文章