Во фудбалот постојат премногу приказни во кои навивачите се изначекале нивниот клуб да доживее преродба. Некои сè уште чекаат такво нешто да се случи, но за Ливерпул преродбата дојде со доаѓањето на Јирген Клоп. Харизматичниот Германец, кој за себе ќе изјави дека е “нормалниот“, познат по својата страст и мотивација за успех, донесе енергија каква што само може да се посака. Но, не само тоа. Тој воведе нов пристап кон играта, кој резултираше со успех и ја направи сезоната 2019/2020 незаборавна. Дел од заслугата за тоа има Data Science.

Улогата на податоците во фудбалот

Анализата на податоци е суштинска работа во спортот генерално, па така и во фудбалот. Голем број на клубови имаат оддели во кои податоците се анализираат и се користат за поставување на успешни тактички формули, но и за купување на играчи. Па така, со помош на податоци и анализа на истите разбиени се многу митови во фудбалот. Пример: Тимовите мора да купат играчи кои имаат искуство во Лига на Шампиони за да ја освојат истата или дека платите на играчите определуваат дали одреден тим ќе се најде во првите шест во Премиер лигата (сетете се на фантастичната фудбалска сезона на Лестер во Премиер лигата).

Исто така го разбиваат и митот дека цената платена за одреден играч ја определува неговата фудбалска способност. Напротив, некогаш сумата платена за одреден играч не е само заради неговата способност на теренот туку се зема во предвид и тоа колку пари ќе донесе тој играч на одреден тим од аспект на маркетинг, продажба на дресови. Секако се земаат во предвид и потребите на тимот, па може да се каже дека високите суми платени за Кристијано Роналдо во Јувентус, Пол Погба во Манчестер Јунајтед и Алисон Бекер во Ливерпул и не се така чудни, иако се високи.

Затоа анализите и играчите кои се анализираат треба да ги задоволуваат долгорочните планови на клубот.

Сепак, овие анализи треба да се поклопат со традиционалните фудбалски анализи и методи за работа.

Клубот треба да одлучи за стилот на игра, а потоа да го постави својот “скаут” систем околу таа долгорочна стратегија. За да се постигне ова, голем број клубови развиваат алгоритми кои автоматски ги идентификуваат кандидатите играчи кои одговараат на долгорочните цели на клубот. Дискутирајќи за резултатите од оваа анализа со “скаути” и агенти, на фудбалски јазик, се очекува консензус околу играчите што ќе се базира и на статистика и на конвенционални методи.

Фудбалот е игра на голем број на „патерни“. Едноставните статистички податоци, како што е процентот на успешни додавања, не можат да дадат целосна проценка на ефективноста на играчот, па затоа е потребна и анализа за неговото однесување на теренот, кое повторно може да се направи со помош на математика која се наоѓа позади фудбалот и креирање на модели кои можат да помогнат во градење на фудбалска тактика.

Моделот наречен „очекувани голови“

Покрај анализите за трансфер политика на клубот, Data Science може да помогне и на самата игра.

Во моментов, моделот што најмногу се прифаќа во клубовите е моделот на „очекувани голови“. Идејата позади овој модел е на секој удар да му се додели колкава е веројатноста тој удар да заврши во гол: удари надвор од шеснаесетникот имаат 3,4% шанси да бидат гол, ударите внатре во шеснаесетникот имаат 12,4% шанса за гол и ударите во петерецот имаат 32,2% шанса за гол.

Секој клуб има свој начин на мерење на очекуваните голови, но основната методологија е иста: минати удари од слични ситуации се користат за да се даде статистички модел на веројатност одреден удар да постигне гол.

Клучен дел од овој модел е да може да се трансформираат „ударите кон гол “ во „гол “ и тоа може да се направи на следниов начин -> собрани се историски податоци кои покажуваат од каде е упатен удар и дали е гол или не -> тогаш на податоците се доделува специфична функција на таков начин што функцијата ги има позициите на шут како влезни променливи и ја враќа веројатноста да се даде гол од истата позиција.

Како Data Science му помогна на Ливерпул?

Клоп и менаџментот на Ливерпул во изминативе години покажаа пример за тоа како еден клуб треба да се води и тоа во речиси сите аспекти – избор на играчи, тренинг и стратегија на теренот, правилен маркетиншки пристап, воедно покажувајќи колку добар резултат може да се добие, ако правилно се анализираат и употребат податоците.

Во денешно време, пред еден клуб да потпише со играч, согледува многу нешта. Во суштина, на клубот му се достапни сите мерливи податоци за неговата ефикасност и игра на теренот. Менаџерот е тој што ја поставува играта и зависно од тоа како тој сака да ја гради, се калкулираат и бројките.

Своевремено Клоп ќе го изјави следново: сакам тим кој е непредвидлив на теренот и кој ќе еволуира во следните неколку години. Ова за некој е желба, но за Јан Греам и Мајкл Едвардс (членовите на тимот за аналитика во Ливерпул) беше цел до која може да се стигне. Она на што во нивниот случај требаше и мораше да се внимава е секое делче (играч) да се вклопува во целината и замислата на Клоп, а во овој случај тоа дефинитивно се постигна така што играчите демонстираа страшен менталитет и заедништво. Немаше единка, туку тим.

Што значеше барањето на Клоп? Кога ќе се сведе на метрика, Греам и Едвардс требаше да најдат и постават играчи кои брзо закрепнуваат од повреди (воедно и да се согледа нивната целокупна историја на повреди), со тоа што истовремено ќе се анализира и интензитетот на натпревари што го одиграле.

Друга многу важна работа во случајот е каков модел ќе се користи за да се направи проценка на играчите по позиција или во превод, да се согледа како атрибутите што ги поседува еден играч ја зголемуваат или намалуваат шансата за постигнување на гол, колку еден играч го покрива теренот, процент на одземање топка итн.

Да се фокусираме за момент на делот на непредвидливост. Во многу наврати се покажало што значи еден значаен талент на теренот кој може да направи магија со својот пристап и практично самиот да го реши натпреварот. Но, овде зборуваме за тимска непредвидливост, за создавање на тактика или подобро речено тактики, кои му отежнуваат на противникот да постави тактика против вас. Во пракса, тоа би значело дека имате еден играч кој може да покрива повеќе позиции или да поставите играчи кои би си ги менувале позициите (во случајот на Ливерпул таков пример би бил Милнер).

Овде не завршува приказната на употребата на Data Science од страна на Греам и Едвардс, но дава доволно инфо за да може да се согледа големата работа што ја имаат завршено за да му помогнат на Клоп да го изгради тимот.

Data Science & фудбал – прецизност и емоции

Употребата на Data Science во разни сфери од животот на големо се чувствува. Некаде всушност долго време е користена во разни форми, кои сега добиваат поголемо внимание, а спортот несомнено е една од нив. Филмот „Moneyball“ (направен по вистинска приказна) со Бред Пит и Џона Хил во главните улоги, беше можеби меѓу првите комерцијални проекти што покажаа што може да се постигне со примена на Data Science во спортот (филмот ја прикажува приказната за безбол тренерот Били Бин, кој има мал буџет за да изгради тим, па затоа најмува дипломиран економист од Јејл кој преку аналитички пристап му овозможува да создаде тим базиран на податоци).

На некој начин оваа наука и фудбалот се совршена симбиоза помеѓу логиката и емоциите. Она што ќе го купиш и поставиш на теренот, потоа ја има моќта да создаде пеколна атмосфера во играта и овации на трибините. Нејзината употреба само ќе се усовршува и секако постојат работи што нема да може да се пресметаат, но со сигурност клубовите ќе се погрижат она што можат да го анализираат да го доведат до совршенство.