德布劳内值得40万英镑周薪吗？
这个问题早在两年半前他与曼城续约时就得到了答案。 这个问题的答案并不是比利时中场的经纪人（他实际上并没有专属经纪人），而是数据分析机构“FC”出品的一份报告。 该报告分析了丁丁过去、现在和预期的未来表现，包括他对整个团队的重要性。 报告以德布劳内当时的周薪（26万英镑）为基准，横向比较了世界上其他顶级中场球员的平均收入，最终得出的结论是“曼城17号”的工资太低了，而理想的数字是 400,000 英镑。 。
德布劳内绝不是第一个利用足球数据来谈判续约或转会的人。 2016年，在曼联失意的荷兰前锋孟菲斯·德佩聘请了一家数据分析公司来寻找最适合他的俱乐部。 后者给出了五个选择，德派最终选择了里昂，职业生涯出现转机。
由于数据分析，足球变得越来越智能。
真实性、欺骗性
自从个人电脑进入大众市场以来，足球领域就不乏热衷于利用数据来分析比赛的先驱者。 阿森纳的传奇教练温格就是其中比较有名的一位。 这位拥有经济学学位的法国教练早在 20 世纪 80 年代末就开始在朋友开发的一款名为“Top Score”的软件的帮助下，使用计算机来分析球队的跑步数据。
苏联时期英超足球数据，著名教练洛巴诺夫斯基也很早就认识到数据与现代足球的联系。 他与皇家科学家阿纳托利·泽连佐夫教授一起，以基辅迪纳摩为试验场，进行了多次数据实验。 研究与分析。 舍甫琴科还清楚地记得，基辅迪纳摩有一套专门用来测试球员的电脑游戏。 洛巴诺夫斯基曾公开表示：“90分钟常规比赛失误率不高于15-18%的球队是无敌的！” 显然，这样的数据并不是偶然得到的，其背后有着强大的力量。 科学支持。
互联网兴起后，足球数据迎来革命性突破。 1996年，Opta公司开始认真统计英超联赛的“比赛数据”。 历史上第一次，每个俱乐部都知道他们的球员在每场比赛中跑了多少米，以及他们完成了多少次铲球和传球。 此后，越来越多的数据公司进入足球领域，数据化已成为常态。
1999年，一家总部位于利兹、最初测量板球场成功率的体育数据服务公司在业界名声大噪。 该公司创始人Ram 博士向笔者透露：“通过数据，我们发现德甲豪门拜仁慕尼黑在防守角球时非常擅长争夺第一名，但有很大概率会错失角球机会。”接近34%。 丢掉了第二个进球。 所以，我们的客户曼联利用这一点，实现了欧冠决赛历史上最经典的‘诺坎普奇迹’。”
进入新世纪，足球数据的应用场景开始超越比赛本身。 2001年8月，时任曼联主帅弗格森突然决定将主力后卫斯塔姆出售给意甲拉齐奥。 很多人猜测这是荷兰人出版的愚蠢自传（其中他详细描述了弗格森爵士的儿子达伦·弗格森如何在球员转会中获得好处）。 然而事实可能并非如此。 弗爵爷从未公开谈论过此事，米尔瓦加南博士表示，转会的一个重要原因是向这位苏格兰著名教练提供的比赛数据。 “通过数据，弗格森发现斯塔姆的拦截能力大不如前，并断定这位29岁的荷兰后卫已经走下坡路了，在他被贬值之前采取行动似乎非常有必要。”
几年后，弗格森承认自己错了，因为斯塔姆去意甲并没有丝毫下滑，而且他也迎来了职业生涯的第二春。 无论如何，这笔交易被视为一个里程碑，因为这是历史上第一次数据对球员转会产生重大影响。
书呆子与赫拉克勒斯
世纪之交后，与弗格森一起在英超度过美好时光的温格也使用了新的数据分析软件。 每场比赛结束的第二天早上，他都会像一个“瘾君子”一样英超足球数据，仔细分析研究数据，渴求知识。 几乎在弗格森卖掉斯塔姆的同时，温格频频在比赛末段换下前锋博格坎普。 面对荷兰人的质疑和抱怨，“教授”总是不紧不慢地拿出一叠数据：“你看，丹尼斯，70分钟后，你的跑动开始减少，速度也下降了很多。”
仅凭外表和气质，很少有人会将数据分析这种先进的科学产品与传统、刻板的英格兰主帅阿勒代斯联系起来。 事实上，“大萨姆”不仅是一位数据爱好者，也是推动数据在英格兰足球中应用的重要人物。
作为一名球员，阿勒代斯在佛罗里达州坦帕湾队效力了一年。 正是在那里，他被美国体育界广泛使用的数据分析所吸引。 1999年，“大山姆”成为小俱乐部博尔顿流浪者队的教练。 由于买不起优秀的球员，他转而利用有限的工资预算聘请了一些优秀的统计学家。 博尔顿的数据团队很快就发现了一个令阿勒代斯高兴的数字：平均每场比赛，球在两队之间转移了 400 次。 “大山姆”很快就把这个数据分享给了他的球员，并告诉他们：“一旦丢球，就必须尽快切换到防守位置，并争取尽快拿回球权。” 是的。 这不是和现在的高层打压很相似吗？
除了防守端的建树，阿勒代斯还借助数据找到了适合博尔顿的简单进攻方式：角球、界外球和任意球。 长期以来，博尔顿45-50%的进球来自定位球，是联盟平均水平的三倍！
2005年，温格前助理、擅长数据分析的法国人达米安·科莫利转型为“枪手”北伦敦死敌托特纳姆热刺队的足球总监，并开始在白鹿巷球场推广。 足球数据。 但与弗格森、温格、阿勒代斯不同，青训出身的科莫利在热刺并没有得到足够的支持，几乎没有发言权。 因此，他遇到了早期足球数据分析师普遍面临的困惑和困惑。 斗争。
事实上，直到现在，英国足坛仍然对“学院”持怀疑态度。 一个典型的英国足球教练应该在16岁就早早辍学，依靠热血和直觉（而不是知识和理性）来管理球队。 为了保住工作机会，这样的教练只能证明“接受教育对于理解足球没有帮助”。 在这样的大环境下，想要热刺教练组听从一个从未踢过职业足球、满是数据表的法国人，简直就是天方夜谭。 用科莫利自己的话说，“我必须经历‘书呆子与强人’的游戏。”
虽然科莫利早早丢掉了热刺的工作，但凭借他的远见，他还是为白鹿巷队发掘了很多被低估的宝石，比如莫德里奇、贝尔巴托夫等人加盟时都在18岁以下。 一岁的贝尔。
相对值
在新世纪的前五年，更多依赖“直觉”而不是数据报告的俱乐部开始遭受损失。 2003年，皇马以1700万英镑将马克莱莱卖给切尔西。 在当时的情况下英超足球数据，一个不起眼的30岁防守型中场的转会费已经非常可观了。 皇马主席弗洛伦蒂诺的态度也很坚定：“我们不会后悔放他走。他的技术一般，缺乏过人的速度和技巧，90%的传球都是回传或横传，他的头球传球距离不好，传球距离很少超过3米……”
弗洛伦蒂诺对马克莱莱的评价似乎是有道理的，他列出的“数据”也是正确的。 然而，皇马主席犯了一个巨大的错误：他和他的团队没有深入研究这些统计数据背后的含义，因此忽视了马克莱莱的独特性。
在高强度的比赛中，大多数球员只有在球队处于进攻局面时才会变得活跃，但马克莱莱是个例外。 法国人84%的高强度跑动是在对手持球时进行的，这一比例是队内其他球员的两倍。 加盟切尔西后，马克莱莱继续表现出色（连续5个赛季保持顶级水平）并定义了一个角色——“马克莱莱中场”。 后来的恩戈洛·坎特和今年夏天重金签下的莫伊塞斯·凯塞多都是斯坦福桥被寄予厚望的“马克莱莱接班人”。
类似皇马低价出售马克莱莱的故事在2005年左右频繁发生，一些足球数据分析师也开始怀疑自己。 数据公司初步计算出每个球员的传球、拦截和跑动距离，俱乐部也会根据这些数字来评判球员。 那么问题来了：原始统计数据，即现场比赛期间屏幕上显示的那些数字，意义重大吗？
事实上，这样的问题并没有绝对明确的答案。 就像“跑步距离和比赛结果有直接关系吗？”一样，答案一定是否定的。 此外，在任何行业，从业者都只是使用他们本能掌握的数据，这导致缺乏横向比较的规模问题。 阿森纳愿意与曼城分享其收集的数据吗？ 当然不是！
因此，在足球数据利用的发展过程中，业内最精明的数据分析师始终牢记一个原则：数据只是辅助手段，并不完美，无法取代主教练的主观判断。 例如，铲球次数就是一个被严重高估的参数。 “伟大的意大利左后卫”保罗·马尔蒂尼每两场比赛只有一次铲断。 难道是因为年纪太大了，起步困难？ 不！ 米兰传奇拥有非常出色的选位能力，不需要用铲球来化解对手的进攻。 可以说，弗格森就是根据这个数据，错误地卖掉了斯塔姆。 同样，对于守门员来说，“扑救次数”也具有明显的欺骗性和主观性。
核心数据
近十年来，足球数据的局限性逐渐被“算法”和“大数据”打破。 随着行业的发展，分析人士逐渐认识到，虽然跑动距离与比赛胜负之间没有相关性，但“冲刺次数”与比赛结果之间存在一定的衍生性。 球员反复冲刺的能力成为大多数球队获胜的关键。
保加利亚球星贝尔巴托夫的奔跑就像一个发条娃娃：冲刺、暂停、再冲刺……这样的奔跑方式看上去有些慵懒，但热刺和曼联愿意为他支付高昂的转会费。 通过计算，人们发现即使采用前场逼抢打法，贝尔巴托夫也能保持90分钟的连续冲击！
渐渐地，俱乐部明白了“冲刺”和“跑动距离”的区别，也认识到“有效传球”和“无意义传球”的区别。 此前公布了一份英超球员传球次数名单，一名曼城球员从人群中脱颖而出。 他就是今年夏天退役的大卫·席尔瓦。 西班牙人每场比赛传出有效机会球的次数比队内其他球员多近 40%！ 因此，在大卫·席尔瓦离队后，曼城将给予德布劳内英超顶薪。 但现在只要比利时人受伤，“蓝月亮”的机会创造能力就会大打折扣。
2012年前后，足球数据行业出现了一个新术语：（可译为“模拟”），利用大数据来预测球场上所有可能的场景以及场景下产生的动能。 最熟悉的指标是“预期进球”（xG）和“由于防守动作而传球”（PPDA）。
最强大的功能就是发现问题，有效分析一支球队的关系网络，比如谁习惯把球传给谁，谁经常发起最具威胁的进攻……如果提前了解对手的习惯，就可以在危险发生之前采取预防措施。
2014年巴西世界杯之前，德国国家队专门开发了一款App，方便分析人士与国家球员分享有用的比赛视频片段，并找出对策。 分析人士研究了荷兰边后卫戴利·布林德的比赛视频，发现了“二对一”防守的独特秘诀：你不必盯着球，只需跟随最先首发的球员直到进攻完成了。 。 如果以上步骤能够完美执行，就有75%的概率干掉这个“二换一”。
德国队用这种方法击败了热衷于“一二”的法国队，随后又击杀了同样痴迷于“一二”的南美双雄巴西和阿根廷。 拉姆和克罗斯高举的大力神杯就体现了这一数据发展的成功。
如今，随着大数据系统和人工智能的不断发展，足球数据公司的研究方向也从球员个体升级到球队整体。 博士顺应这一趋势，于2019年推出了一款名为“人工智能算盘”（AI）的侦察数据软件，可以检索全方位数据（甚至包括国籍、作息模式、饮食）。 习惯）计算球员对团队其他成员以及整个团队的影响的方法。
数据分析对足球比赛的影响越来越大，但数据的使用和解读也需要结合具体场景。 罗马主帅穆里尼奥曾公开表示：“只有不懂足球的人才只能看数据。” 事实上，他所指的数据是粉丝、媒体、观察者等所谓“局外人”，通过平台服务获取的。 未经系统整理和公式计算的原始数据。 熟悉“魔力鸟”的人都知道，他本人就是足球数据的信徒，长期深入使用各种软件。
因此，可以说，在与“大力士”的长期对抗中，“书呆子”最终重新取得了胜利。