نکات کلیدی
۱. انقلاب داده‌ها در فوتبال: از تردید تا پذیرش گسترده
فوتبال از دهه ۱۹۵۰ با داده‌ها آشنا بود، اما تنها در اواخر دهه ۱۹۹۰ – چند سال پیش از آنکه بیل جیمز و پیروانش به دنیای بیسبال نفوذ کنند و تفکر آن را تغییر دهند – بود که داده‌ها در فوتبال به طور گسترده‌ای مورد توجه قرار گرفتند.
مقاومت اولیه: برخلاف بیسبال، فوتبال سال‌ها به‌عنوان ورزشی بسیار سیال و پویا شناخته می‌شد که نمی‌توان آن را به اعداد و ارقام محدود کرد. سنت‌گرایان فوتبال بر این باور بودند که عواطف و شور و اشتیاق اهمیت بیشتری نسبت به اعداد دارند. با این حال، عوامل متعددی به پذیرش تدریجی داده‌ها در فوتبال کمک کردند:
- حرفه‌ای‌تر شدن و جهانی شدن ورزش
- افزایش سرمایه‌های مالی و انگیزه برای یافتن مزیت‌های رقابتی
- تأثیر علوم ورزشی و رویکردهای دانشگاهی
- پیشرفت‌های فناوری در جمع‌آوری و تحلیل داده‌ها
- تغییر در ترکیب جمعیتی هواداران با گرایش‌های تحلیلی بیشتر
نقاط عطف در پذیرش داده‌ها:
- معرفی خدمات جمع‌آوری داده توسط ProZone و Opta در اواخر دهه ۱۹۹۰
- انتشار کتاب «مانی‌بال» در سال ۲۰۰۳ که پتانسیل داده‌ها در ورزش را برجسته کرد
- ظهور شاخص «گل‌های مورد انتظار» (xG) در برنامه Match of the Day در سال ۲۰۱۷
- ادغام داده‌ها در عملیات اصلی باشگاه‌های بزرگ مانند لیورپول
۲. پیشگامان: پذیرندگان اولیه که راه را برای تحلیل‌های داده‌ای در فوتبال هموار کردند
بولتون در زمانی که فوتبال انگلیس تحت تأثیر زیبایی‌شناسی متفاوتی از اروپا و آمریکای جنوبی بود، به‌عنوان تیمی با بازی بلند توپ مورد تمسخر قرار می‌گرفت؛ هرچند این قضاوت کاملاً منصفانه نبود.
سم آلاردایس در بولتون: با وجود شهرتش به‌عنوان مربی سنتی و طرفدار بازی بلند، آلاردایس از نخستین کسانی بود که تحلیل داده‌ها را در فوتبال انگلیس پذیرفت. رویکرد او شامل موارد زیر بود:
- استخدام تحلیل‌گران و دانشمندان ورزشی
- استفاده از داده‌های ProZone برای تصمیم‌گیری‌های تاکتیکی
- تمرکز بر ضربات ایستگاهی و جذب بازیکن بر اساس داده‌ها
- توسعه اصول «چهار شگفت‌انگیز» مبتنی بر تحلیل‌های آماری
دیگر پذیرندگان اولیه:
- آرسن ونگر در آرسنال که زود به پتانسیل داده‌ها پی برد
- دامیان کومولی در تاتنهام و لیورپول که طرفدار جذب بازیکن مبتنی بر داده بود
- همکاری Decision Technology با تاتنهام برای ارائه تحلیل‌های پیشرفته
این پیشگامان با تردید و تمسخر مواجه شدند اما زمینه را برای پذیرش گسترده‌تر داده‌ها در فوتبال فراهم کردند.
۳. ظهور شاخص گل‌های مورد انتظار (xG): معیاری تحول‌آفرین
شاخص گل‌های مورد انتظار بلافاصله جهان فوتبال را تغییر نداد. در سال ۲۰۱۷ که برای نخستین بار روی صفحه ظاهر شد، حتی چندان پیشرفته به نظر نمی‌رسید.
توسعه xG: این شاخص از تلاش‌های اولیه برای کمی‌سازی کیفیت شوت‌ها شکل گرفت و به معیاری پذیرفته‌شده برای ارزیابی عملکرد تیم‌ها و بازیکنان تبدیل شد. مراحل کلیدی توسعه آن عبارتند از:
- کارهای اولیه چارلز ریپ در دهه ۱۹۵۰
- تحقیقات دانشگاهی مارک دیکسون و استوارت کولز در دهه ۱۹۹۰
- توسعه مدل عمومی xG توسط سم گرین از Opta در سال ۲۰۱۲
- پذیرش توسط باشگاه‌های حرفه‌ای و رسانه‌ها
تأثیر xG:
- ارائه درکی دقیق‌تر و عمیق‌تر از عملکرد تیم و بازیکن
- کمک به شناسایی بازیکنان کم‌ارزش‌گذاری‌شده در بازار نقل‌وانتقالات
- تأثیرگذاری بر تصمیمات تاکتیکی و جای‌گیری بازیکنان
- تغییر در مباحثات هواداران و رسانه‌ها درباره فوتبال
پذیرش گسترده xG نشان‌دهنده تغییر مهمی در نحوه تحلیل و فهم فوتبال است که فاصله بین دیده‌بانی سنتی و تحلیل‌های پیشرفته را پر می‌کند.
۴. چالش‌های اجرای رویکردهای داده‌محور در فرهنگ سنتی فوتبال
فوتبال به سنت‌های خود پایبند است؛ کسانی که خود را نگهبانان معنوی بازی می‌دانستند، با ورود افراد جدید و ایده‌های نو استقبال نکردند.
مقاومت فرهنگی: ادغام تحلیل داده‌ها در فوتبال با موانع متعددی روبه‌رو شد:
- تردید مربیان و دیده‌بانان سنتی
- نگرانی از جایگزینی شغلی کارکنان موجود
- دشواری در انتقال مفاهیم پیچیده به ذینفعان غیر فنی
- مقاومت در برابر تغییر باورهای دیرینه درباره نحوه بازی فوتبال
مطالعات موردی در چالش‌های اجرایی:
- تلاش‌های کریس اندرسون در کاونتری سیتی برای تعادل بین داده‌ها و عملیات روزمره
- استفاده ناکامل از StatDNA در آرسنال به دلیل مقاومت داخلی
- مواجهه لیورپول با تردید مربیان و هواداران در مراحل اولیه
اجرای موفق معمولاً نیازمند:
- حمایت مدیریت ارشد و مالکیت باشگاه
- صبر و دیدگاه بلندمدت
- ارتباط مؤثر بین تحلیل‌گران و کادر فنی
- ادغام تدریجی داده‌ها در فرآیندهای موجود
۵. نقش شرکت‌های شرط‌بندی در پیشبرد تحلیل‌های فوتبال
هر دو گروه با استفاده از احتمالات تعیین‌شده توسط الگوریتم‌ها، نقاطی را که بازار آزاد تیم یا بازیکن را بیش‌ازحد یا کم‌ارزش‌گذاری کرده است، شناسایی می‌کنند و این اطلاعات را به مشتریان بزرگ منتقل کرده و برای آن‌ها شرط می‌بندند؛ مشتریانی که اکنون با اطمینان بیشتری شرط می‌بندند چون شانس‌ها به نفع آن‌ها کمی تغییر یافته است.
تأثیر شرط‌بندی: شرکت‌های حرفه‌ای شرط‌بندی مانند Starlizard و SmartOdds نقش مهمی در پیشرفت تحلیل‌های فوتبال ایفا کردند:
- توسعه مدل‌های پیچیده برای پیش‌بینی نتایج مسابقات و عملکرد بازیکنان
- سرمایه‌گذاری گسترده در جمع‌آوری و تحلیل داده‌ها
- خلق شاخص‌هایی مشابه گل‌های مورد انتظار پیش از رواج آن‌ها در فوتبال
انتقال دانش به باشگاه‌ها:
- تونی بلوم (Starlizard) که اصول تحلیل را در برایتون و هاو آلبیون به کار گرفت
- متیو بنهام (SmartOdds) که رویکردهای داده‌محور را در برنتفورد و اف‌سی میدلتیلاند اجرا کرد
این رویکردهای مبتنی بر شرط‌بندی به باشگاه‌های کوچک‌تر کمک کردند تا با تیم‌های بزرگ‌تر و ثروتمندتر رقابت کنند، با شناسایی بازیکنان کم‌ارزش‌گذاری‌شده و مزیت‌های تاکتیکی.
۶. باشگاه لیورپول: مطالعه موردی در ادغام موفق داده‌ها
در دهه گذشته، لیورپول توانسته کاری را انجام دهد که هیچ باشگاه دیگری در اندازه خود تلاش نکرده یا جرات انجام آن را نداشته است؛ و استفاده از داده‌ها و تحلیل‌ها را در بافت کل باشگاه تنیده است.
رویکرد لیورپول: تحت مالکیت گروه Fenway Sports، لیورپول به الگویی برای ادغام تحلیل داده‌ها در تمام جنبه‌های عملیات باشگاه تبدیل شده است:
- جذب بازیکن: استفاده از داده‌ها برای شناسایی و ارزیابی اهداف نقل‌وانتقال
- تاکتیک‌ها: اطلاع‌رسانی به استراتژی‌های میدانی و جای‌گیری بازیکنان
- توسعه بازیکن: برنامه‌های تمرینی و بازیابی شخصی‌سازی‌شده
- عملیات تجاری: بهینه‌سازی قیمت بلیت و تعامل با هواداران
شخصیت‌های کلیدی در انقلاب داده‌ای لیورپول:
- مایکل ادواردز: مدیر فنی که رویکردهای داده‌محور را ترویج کرد
- ایان گراهام: رئیس بخش تحقیق که مدل‌های تحلیلی پیشرفته توسعه داد
- یورگن کلوپ: مربی که به ادغام داده‌ها در تصمیم‌گیری‌ها باز بود
نتایج ادغام داده‌ها:
- جذب موفق بازیکنان (مانند محمد صلاح و ویرجیل فن دایک)
- قهرمانی در لیگ برتر و لیگ قهرمانان
- مدل مالی پایدار که عملکرد و سودآوری را متعادل می‌کند
موفقیت لیورپول نشان می‌دهد چگونه تحلیل داده‌ها می‌تواند به‌طور مؤثر در یک باشگاه بزرگ فوتبال ادغام شود، به شرطی که با رهبری قوی و تخصص سنتی فوتبال همراه باشد.
۷. آینده فوتبال: تعادل بین داده و تخصص انسانی
ارزش در بخش‌های ناملموس بازی نهفته است؛ در بخش‌هایی که در داده‌ها منعکس نمی‌شوند اما ممکن است تحت تأثیر واقعیت‌های سخت داده‌ها قرار گیرند.
چشم‌انداز در حال تحول: با گسترش تحلیل داده‌ها در فوتبال، آینده این ورزش احتمالاً شامل موارد زیر خواهد بود:
- تکنیک‌های پیشرفته‌تر جمع‌آوری و تحلیل داده‌ها
- ادغام بیشتر تحلیل‌ها در تمام سطوح بازی
- تأکید فزاینده بر یافتن مزیت‌ها و ناکارآمدی‌های جدید
تعادل لازم: موفق‌ترین باشگاه‌ها و مربیان کسانی خواهند بود که بتوانند به‌خوبی ترکیبی از موارد زیر را به کار گیرند:
- بینش‌های داده‌محور
- دانش و تجربه سنتی فوتبال
- عوامل انسانی مانند روانشناسی و پویایی تیمی
- شهود و حس بازی
زمینه‌های بالقوه توسعه آینده:
- شاخص‌های پیشرفته فراتر از گل‌های مورد انتظار
- تحلیل‌های لحظه‌ای برای تصمیم‌گیری در جریان بازی
- برنامه‌های تمرینی و بازیابی شخصی‌سازی‌شده بر اساس داده‌های فردی بازیکن
- کاربردهای هوش مصنوعی و یادگیری ماشین در تاکتیک و جذب بازیکن
آینده فوتبال تنها توسط داده‌ها تعیین نخواهد شد، بلکه توسط کسانی شکل خواهد گرفت که بتوانند بینش‌های تحلیلی را در بستر عناصر انسانی ورزش به بهترین نحو تفسیر و به کار گیرند.
آخرین به‌روزرسانی::
FAQ
What's Expected Goals: The Story of How Data Conquered Football and Changed the Game Forever about?
- Data in Football: The book explores the transformative impact of data analytics on football, from team management to player scouting and game analysis.
- Historical Context: It traces the evolution of football analytics from the 1950s to the present, highlighting key developments and milestones.
- Personal Stories: Includes narratives of key figures in the analytics movement, showcasing their challenges and triumphs in a traditionally conservative sport.
Why should I read Expected Goals by Rory Smith?
- Insightful Perspective: Offers a unique look at the intersection of sports and data, appealing to both football fans and analytics enthusiasts.
- Understanding Change: Helps readers grasp the significant changes in football management and strategy due to data analytics.
- Engaging Narration: Rory Smith combines personal anecdotes with industry insights, making complex topics accessible and engaging.
What are the key takeaways of Expected Goals?
- Importance of Data: Data is now integral to football, influencing decisions from player recruitment to game strategy.
- Cultural Shift: Highlights the resistance within football to embrace analytics, contrasting traditional views with modern practices.
- Real-World Applications: Showcases how clubs like Tottenham and Liverpool have successfully integrated data, leading to improved performance.
What is the concept of "Expected Goals" in football analytics?
- Definition: Expected Goals (xG) is a metric estimating the likelihood of a goal from a shot based on factors like distance and angle.
- Purpose: Helps teams assess player performance and the quality of chances created, offering a nuanced understanding of match outcomes.
- Impact on Strategy: Enables clubs to make informed decisions about player recruitment and game tactics, focusing on high-quality scoring opportunities.
How has data changed player recruitment in football?
- Informed Decisions: Clubs use data analytics to evaluate player performance metrics, identifying undervalued talent and avoiding costly mistakes.
- Long-Term Planning: Data allows teams to project a player's future performance, aiding in strategic planning for squad development.
- Competitive Edge: Teams effectively utilizing analytics gain a significant advantage over rivals relying solely on traditional scouting methods.
What challenges do clubs face in adopting data analytics?
- Cultural Resistance: Many clubs resist adopting new methods, fearing they undermine the sport's emotional and instinctual aspects.
- Data Quality: Ensuring the accuracy and reliability of data is crucial for informed decision-making.
- Integration Issues: Incorporating analytics into existing structures requires buy-in from all levels of the organization, from management to coaching staff.
How do clubs like Tottenham and Liverpool utilize data?
- Performance Analysis: Use data to assess player performance, identify strengths and weaknesses, and inform tactical decisions during matches.
- Scouting and Recruitment: Leverage analytics to scout potential signings, focusing on players who fit their data-driven models.
- Strategic Planning: Data informs long-term strategies, helping clubs set realistic goals and measure progress against objectives.
What role does technology play in football analytics?
- Data Collection: Advances in technology facilitate the collection and analysis of vast amounts of match data, including player movements and game events.
- Real-Time Analysis: Technology enables real-time data processing, allowing teams to make quick decisions during games.
- Visualization Tools: Sophisticated software helps visualize data, making it easier for coaches and analysts to interpret complex statistics.
How does Expected Goals address the future of football?
- Evolving Landscape: Discusses how data analytics integration will continue to evolve, shaping football management and strategy.
- Potential for Growth: Highlights untapped potential for further advancements in analytics, suggesting clubs embracing these changes will thrive.
- Cultural Shift: Indicates that as more clubs adopt data-driven approaches, football culture will gradually shift towards a more analytical sport.
Who are the key figures mentioned in Expected Goals?
- Rory Smith: The author, providing a comprehensive overview of the analytics revolution in football.
- Billy Beane: Central figure in Moneyball, whose data-driven approach in baseball inspired similar movements in football.
- Damien Comolli: Played a significant role in integrating analytics at Tottenham Hotspur and Liverpool.
What are the best quotes from Expected Goals and what do they mean?
- “Data has suffused almost every aspect of how football is played.”: Highlights the pervasive influence of analytics in modern football.
- “Stupid player transactions kill clubs.”: Reflects the critical role of informed decision-making in player recruitment.
- “The revolution did happen.”: Acknowledges the significant changes in football due to analytics, affirming data-driven strategies have reshaped the competitive landscape.
How does the book illustrate the evolution of football analytics?
- Historical Milestones: Outlines key developments in football analytics, from early data collection attempts to sophisticated models used today.
- Influential Clubs and Figures: Highlights contributions of clubs like Arsenal and Liverpool, and figures like Ian Graham and Monchi.
- Cultural Shifts: Shows how the acceptance of analytics has grown, leading to a more data-informed approach to management and recruitment.
نقد و بررسی
کتاب «گل‌های مورد انتظار» به بررسی رشد تحلیل داده‌ها در فوتبال می‌پردازد و تمرکز خود را بر پیشگامانی قرار می‌دهد که تحلیل‌های آماری را به این ورزش وارد کردند. این اثر با روایت جذاب و ارائه‌ی دیدگاه‌های پشت‌صحنه‌ی باشگاه‌ها مورد تحسین قرار گرفته است، هرچند برخی خوانندگان ساختار روایت را پراکنده و فاقد جزئیات فنی کافی دانسته‌اند. کتاب نشان می‌دهد چگونه داده‌ها در جذب بازیکن، تصمیم‌گیری‌های تاکتیکی و مدیریت باشگاه‌ها تحول ایجاد کرده‌اند، اگرچه نظرات درباره‌ی اینکه آیا داده‌ها به‌طور قطعی فوتبال را «فتح» کرده‌اند، متفاوت است. در مجموع، این کتاب برای علاقه‌مندان به فوتبال خواندنی جذاب به شمار می‌آید، هرچند با محدودیت‌هایی در رویکرد و عمق مطالب همراه است.
