Когда аналитика вредит спорту: обратная сторона данных

Спортивная аналитика обещала сделать спорт умнее: точнее рассчитывать нагрузки, эффективнее покупать игроков, лучше прогнозировать результат. Клубы инвестируют в AI, нанимают аналитиков, платят за подписки на платформы.

Но чем больше данных, тем выше соблазн использовать их неправильно. Я — Айрат Даллас, спортивный аналитик. Работаю с профессиональными клубами и вижу, как цифры начинают мешать. Не потому что они плохие, а потому что ими начинают управлять не те люди, или — в неподходящий момент. Ниже расскажу, как именно аналитика начинает работать против спорта.

Один из популярных индикаторов в футболе — xG (expected goals), показатель ожидаемых голов. Клуб может наиграть 2,1 xG за матч, но проиграть 0:1. По данным Understat, в сезоне 2021/22 «Арсенал» регулярно превосходил соперников по xG, но всё равно терял очки.

Что делает клуб? Смотрит в отчёт, разводит руками: «Мы сыграли хорошо, просто не реализовали моменты». И спокойно идёт дальше. Только вот болельщики не просят xG — они просят счёт.

Когда аналитика начинает оправдывать поражения, а не помогать избегать их, она перестаёт быть инструментом и становится фальшивым алиби.

Алгоритмы всё чаще участвуют в трансферах, выборе состава, управлении нагрузками. Но когда решение принимается только на основе данных — без обсуждения, без споров, без тренерского чутья — спорт перестаёт быть живым.

Один клуб из Германии, не буду называть, приобрёл трёх игроков по рекомендации алгоритма. У всех были отличные показатели: высокое среднее ускорение, точность передач, надёжность в единоборствах. Но команда рухнула в середине таблицы.

Выяснилось, что двое игроков плохо говорят по-английски, третий конфликтовал с тренером. Алгоритм не знал ни первого, ни второго, ни третьего. Он видел только цифры. Руководство клуба — тоже.

Данные нужны для анализа, но когда они становятся целью — начинаются проблемы. Я работал с командой, где нападающий отказался от удара из сложной позиции, чтобы не портить свою xG-статистику. Он отдал пас — защитник заблокировал.

В NBA были похожие примеры, в том числе в обзорах ESPN: некоторые разыгрывающие снижали активность за дугой, если падал процент попаданий. Почему? Контракт зависит от цифр. Не от пользы.

Если цифры — это KPI, игрок начинает играть не в матч, а в таблицу. Спорт превращается в Excel.

Почти каждый крупный клуб в Европе сегодня пользуется платформами вроде StatsBomb, InStat или Wyscout. Это десятки тысяч строк данных.

Но аналитика без культуры — это мёртвый груз. В одном клубе, с которым я консультировался, данные поставлялись регулярно, но главный тренер их не открывал. Почему? Он не понимал, как читать графики. Никто не объяснил. Никто не адаптировал отчёт под язык тренерского штаба.

Данные лежат. Люди — работают на ощупь. В итоге ни данные, ни тренеры не выполняют свою работу. Потому что между ними — тишина.

Такая ситуация не редкость. По данным Sports Innovation Lab, более 70 % клубов топ-лиг используют аналитические платформы, но только 28 % интегрировали данные в тренировочный процесс. Аналитика остаётся на уровне отчётов — она не меняет подходы.

Я однажды работал с молодёжной академией, где руководство закупило подписку на InStat и вручило тренерам доступ. Без инструкции, без обучения. Через месяц выяснилось: ни один тренер не открыл систему. «Слишком много кнопок», — сказал один из них.

И это не лень. Это типичная проблема: клуб покупает продукт, но не меняет культуру. И тогда даже лучшие данные не работают.

Трансфер — дорогое решение. И аналитика здесь очень соблазнительна. Таблица, график, рейтинг — и ты уже думаешь, что нашёл «того самого».

Но даже при высокой корреляции показателей с успешностью игрока, остаются слепые зоны. Например, в сезоне 2022/23 «Челси» потратил более 600 млн фунтов на игроков, значительная часть которых соответствовала аналитическим критериям. Но команда закончила сезон в середине таблицы.

Почему? Никто не проверил: подходят ли они друг к другу, могут ли адаптироваться в новом чемпионате, насколько токсична атмосфера внутри раздевалки. Цифры не читают характер. А «Челси» получил не команду, а набор хороших футболистов.

Я не против аналитики. Я против фанатизма. Аналитика в спорте работает, когда:

1. Её объясняют. Аналитик — не тот, кто строит графики. Это тот, кто умеет рассказать тренеру, зачем они.

2. Её адаптируют. Тренеры, медики, спортсмены — у всех свой язык. Аналитика должна быть понятной для каждого.

3. Её проверяют. Модель предсказала, игрок выдал статистику — но не заиграл? Значит, модель ошиблась. И это нормально. Ошибки — не повод отказываться, а повод исправлять.

4. Её держат под контролем. Данные — советник. Не судья.

Цифры не выигрывают матчи. Они помогают людям, которые умеют ими пользоваться.

Спортивная аналитика — это сила. Но как любая сила, она требует зрелости. Иначе даже лучшие алгоритмы сделают игру хуже.

Хочешь использовать данные в спорте? Сначала научись слушать не таблицы, а тех, кто на поле. Всё остальное — приложение.