Цифры в спорте: как выиграть матч еще до его начала

Изучить противника, найти ошибки в собственных действиях, составить грамотную стратегию — теперь владельцам футбольных команд для этого даже не нужно смотреть матчи. Достаточно просто взять в руки статистику, которую уже собирают и анализируют с десяток крупных компаний.

В 2017 году состоялась одна из самых дорогих сделок в истории футбольного трансфера: ПСЖ приобрел у «Барселоны» бразильца Неймара за 220 млн евро. Контракты в футболе — это не рекламные контракты, для которых важно лишь громкое имя или узнаваемое лицо. Вкладывая такие суммы в игроков, владельцы клубов надеются на реальную отдачу в виде реальных побед. Они все чаще делают выбор на основе глубокой аналитики, а не общего количества забитых голов или удачных пенальти.

Собирать статистику о действиях игроков стали не вчера и даже не позавчера. Первые попытки оценить эффективность членов команды были предприняты еще в 1966 году на Чемпионате мира в Англии. Рейтинг получил название “Castrol Index”: в нем с помощью специальных математических формул учитывались практически все аспекты игры футболиста. В его пользу играли удачные передачи, голы, отборы мяча у противника. В минус шли соответственно неточные пасы, потери мяча, неотработанная передача от другого игрока… Конечно, технических средств для такого анализа в то время не было, поэтому статистику приходилось вести вручную.

Второе рождение Castrol Index получил на “Евро-2008”. Теперь уже за игроками следили камеры (2 комплекта по 8 штук), а соответствующее программное обеспечение позволяло анализировать сразу множество параметров: скорость каждого игрока (среднюю и максимальную), время владения мячом, расстояние, которое пробежал за игру футболист… Практически каждое действие получало какую-либо оценку — негативную или позитивную.

Казалось, что теперь футбол превратился в чистую математику — достаточно взять в руки рейтинг игроков, чтобы понять, кем стоит усилить команду в очередном сезоне. Или фактически предрешить судьбу чемпионата, опять-таки основываясь на статистике. Но все оказалось не так просто. К примеру, система Castrol Index в 2010 году предрекала выход в финал Чемпионата мира сборных Испании и Бразилии. Испания стала победителем, а вот бразильцы не дошли даже до полуфинала.

Возможно, вы помните казус, который произошел на Чемпионате Шотландии по футболу 2020: организаторы трансляции вместо обычного оператора решили использовать камеру с искусственным интеллектом, которая сама следила бы за мячом. Но в какой-то момент она приняла за мяч лысую голову бокового арбитра и выбрала ракурс именно с ней. В тот момент никто не мог понять, что происходит: в кадре часто оказывался участок поля, где мяча не было в принципе. В итоге комментатор сообразил, в чем дело, извинился перед зрителями, но впечатление от матча было полностью испорчено.

Этот инцидент лишний раз доказал, что безоговорочно и полностью полагаться на искусственный интеллект пока нельзя.

Верить прогнозам ИИ в футболе нет смысла как минимум по двум причинам. Во-первых, всегда остается человеческий фактор. Если матч имеет ключевое значение для команды (например, в случае проигрыша она просто выбывает из дальнейшей борьбы), мотивация к продуктивной работе достаточно высока. А вот внутренние конфликты между игроками или игроками и тренером, наоборот, могут стать серьезным демотиватором.

Второй существенный фактор — статистикой пользуются обе команды. Если в одной из них понимают, что шансы на победу невелики, стратегия может быть полностью пересмотрена. Например, если обычно команда делала упор на постоянный и неторопливый прессинг, в конкретном матче игроки могут сделать ставку на длинные пасы нападающим, что в корне расходится с традиционным поведением команды. Будет ли готова к такому повороту команда противников?

Есть еще третья причина: качество обработки данных и их анализа может сильно отличаться. Хотим мы того или нет, спортивные соревнования все чаще напоминают военные действия, где результат в значительной степени зависит от выстроенной стратегии, нежели от героизма отдельных солдат. Фактически каждая команда мирового уровня сегодня имеет отдел аналитики. Например, в «Барселоне» это около двух десятков человек. Среди них 6 дата-сайентистов, занимающихся математическим моделированием, и 9 аналитиков данных, в задачи которых входят тестирование и корректировка этих моделей.

Клубы попроще позволить себе такой штат не могут, но как минимум один-два человека, отвечающих за сбор и анализ информации, у них есть.

Big Data позволяют глубоко и моментально анализировать эффективность игроков и делать правильные выводы. Скажем, как выбрать вратаря (из имеющихся в команде) для ответственного матча? Просто по количеству сейвов? Но если противник был слаб или защитники собственной команды действовали слаженно, ударов в створ могло быть не так много, поэтому и сейвов мало. Но даже если сравнивать именно этот показатель, за какой период его брать?

Системы статистики позволяют быть максимально близкими к текущей ситуации. К примеру, StatsPerfom предлагает использовать персональную аналитику каждого вратаря и сопоставлять ее со статистикой команды, против которой будет игра. Или просто оценивать вероятность сейвов в сезоне.

В этой инфографике можно увидеть сильные стороны двух вратарей «Реал Мадрид»: Кейлора Наваса, защищавшего ворота клуба в сезоне 2017/2018, и Тибо Куртуа, с которым контракт был подписан годом позже. Упрощенную модель запустили на основе данных о 99 реальных ударах в створ, с которыми пришлось столкнуться обоим вратарям. Можно заметить, что Навасу лучше даются сейвы по центру ворот, а Куртуа весьма эффективен по периметру (если говорить строго, прежде всего в нижнем левом углу).

Результаты аналитики показали, что Навас отразил бы на 4 мяча больше, то есть в текущей ситуации он эффективнее Куртуа (xGA — количество ожидаемых голов). Ту же модель можно было бы прогнать с использованием статистики конкретной команды противников (в первую очередь нападающих).

Сбор и анализ статистики нацелены не только на профи. Любой спорт — это и команды, и зрители. К примеру, в России автогонки долгое время не пользовались популярностью: если Formula 1 еще собирала аудиторию, то менее известные серии на автодроме в Сочи проходили при трибунах, заполненных в лучшем случае наполовину. Зрители отлично монетизируются. Они не только покупают билеты, но и смотрят трансляции (а значит, и рекламу), покупают символику любимых команд. Поэтому в интересах организаторов любого спортивного события — сделать просмотр незабываемым и максимально интересным для зрителя.

Для этого можно использовать в том числе и статистику, тем более что большинство сервисов выдают ее не просто в формате набора цифр и букв, а в отлично визуализированном контенте. К примеру, вот на этой картинке от statsbomb.com можно без труда разобраться в причинах поражения сборной Турции от итальянцев в стартовом матче группы А на “Евро-2020”. Желтыми и красными цветами отмечены зоны с максимальной активностью — видно, что игра шла в основном на половине поля турок.

Более детальную статистику фанаты футбола тоже могут получить бесплатно. Например, вот сводка от flashscore.com по финальному матчу последнего “Евро”.

Здесь масса интересного: например, по цифрам можно понять, насколько активнее были итальянцы. В два раза больше пасов, владение мячом — 61% всего времени… Британскому голкиперу удалось сделать 5 сейвов, тогда как его итальянскому коллеге не приходилось особо напрягаться за счет грамотных действий защиты.

Однако профессиональная статистика — это уже большие деньги. Сейчас на рынке более десятка крупных компаний предлагают свои данные, и годовой «абонемент» на сотрудничество с лидерами рынка может стоить порядка 60 000 евро в год. Специалисты сходятся во мнениях, что этот рынок будет только расти. К примеру, российские клубы пока не в полной мере используют статистический анализ, хотя бюджеты топовых команд вроде «Зенита» вполне позволяют заниматься этим более активно. Изменится ли что-то в будущем? Наверняка!

#seagate #данные #статистика #футбол