數據分析如何應用在當今的足球俱樂部
以往我們總是覺得足球比賽太複雜了，而且球員場上各種動作毫無規律可循，機器也難以捕捉和跟蹤，除非有非常先進的人工智能技術。但是像棒球這樣的運動首次接受數據分析之後的幾十年裏，數據統計也開始發揮在足球領域的作用。這裏我們所說的數據分析不是傳統的技術指標統計，比如射門次數，傳球次數等。
“我們過去常常聽說足球是過於複雜且無規則的運動，無法將數據統計應用於此，但現在的人們也許不這麼說了，”足球分析公司StatsBomb的聯合創始人兼首席執行官Ted Knutson（克努森）說。他們的公司已經是足球運動的數據革命中處於行業領先地位。
這項運動中的數字並不是什麼新鮮的事：幾十年來，評論員們精心統計編制了從一連串的比賽中獲勝相關的所有統計數據。但在過去十年中，出現了一項更爲科學的操作方式，不僅改變了比賽的成果，還改變了球隊在年輕人才引進上如何更科學地花錢。足球的分析時代始於細緻的“事件數據”
足球的分析時代始於細緻的“事件數據” -- 比賽中每個球上動作的詳細記錄。2006年，位於倫敦的Opta Sports的事件編碼員團隊正在點擊按鈕來記錄每次傳球，射門，剷球和帶球的時間和位置。今天，每個Opta編碼的匹配包含大約2000個數據點。
接下來是“預期目標”的結合 -- 一個根據目標的距離和角度計算任何射門得分可能性的系統。這個概念在2017年引入英超聯賽旗艦電視精彩節目“今日賽事”時成爲主流。
這種先進而且豐富的球員數據的最大影響在於引援和人才儲備。
俱樂部現在可以制定一份球員名單，這些球員的統計數據與他們理想的目標數據相符，從中挑選精準的球員目標。然後，球探可以評估更叫少的球員比賽和錄像，節省時間和金錢。球員的科學分析
一家名爲“第21俱樂部”招聘領域的公司。這家諮詢公司的工具能夠計算球員在球場上的動作與球隊整體表現水平之間的聯繫，併爲每位球員進行評分。俱樂部可以使用這些數據來判斷球員對球隊是否會增強、削弱，或者對球隊的整體表現水平產生不同的影響。
去年，“第21俱樂部”使用他們的工具確定了東歐俱樂部一些有潛力的年輕球員。這些球員的收入比所在俱樂部現有的20強名單上球員平均收入低25％。估值模型得出的結論是這些球員要比20強名單上的球員更好。
“這顯示了科學使用數據的力量，”第21屆俱樂部足球情報主管奧馬爾·喬杜裏說。“在市場上的球員，他們[俱樂部]不一定有足夠的資源進行詳細偵察，但通過使用數據，我們能夠篩選出一個值得關注的特定球員。”
數據來源：21st Club數據驅動模型改善了俱樂部傳統的球員選擇方法，圖中的橫軸：球員評估工資，縱軸：球員質量。紅色標記的球員爲該模型工具所推薦的球員。
但是，實際場景非常重要。當同一個球員在場上被對手包圍時，他每一次都可能做出不同的決定，因此StatsBomb的事件編碼員會注意球員在傳球或射門時是否處於壓力之下。他們還記錄守門員的位置以及在射門時足球與防守球員的位置。
但克努森先生說，現在需要的是“複雜的模型來幫助評估比賽中最重要的技能” - 傳球。StatsBomb是許許多多的足球分析公司的一員，這些分析師建立在簡單傳遞總數的基礎上，並提供有關傳球難度的信息。
一些精英俱樂部的購買模式是簽下更少但更合適的球員，表明這些工具正在產生影響。“利物浦是一個明確的案例研究，”克努森先生說。“但曼城隊不再簽下不夠優秀的進攻球員了; 他們接連地簽下了德布勞內，斯特林和薩內，他們都是[根據數據所選出]最好的選擇。“
在俱樂部內部，技術人員表示，這些新技術可以幫助教練和球探，並幫助他們更好，更快，更聰明地完成工作。
每個框代表球員的空間
巴塞羅那足球俱樂部的數據科學家哈維爾·費爾南德斯說：“我們從教練那裏得到的大多數有趣的問題都是事件數據未涵蓋的事情。教練談論空間 - 創造空檔，進入空檔位置。所以我們意識到我們需要更細粒度的方式來理解球場上的空間。“
藍色表示跑步或衝刺，粉色表示散步，比賽數據來自2017年巴薩對比利亞雷亞爾的比賽
在最前沿的發展中，數據科學家開發了一種稱爲“鬼影”的技術，其中算法預測球員在某些情況下最可能採取的行動。這些技術在球員引進中具有巨大價值。
球員運動的模型可以聚合成整個球隊的比賽風格。這使得球探能夠與自己的球隊擁有類似風格的球員，確保戰術兼容性。
他們可以使用“鬼影”來模擬將目標球員放到他們自己的團隊中的影響，不僅要考慮抽象度量，例如每個賽季增加的分數，還要考慮球員如何改變球隊執行特定動作的能力。
技術的進步，讓原來的計步器跟蹤到可以預測對手下一步動作的工具，相信所有這些技術會演變成一個創造了更加精彩比賽的數據生態系統。
