Suite à la date limite de soumission de la semaine dernière pour la deuxième phase du concours de recherche duForum Opta 2024, quatre projets ont été nominés pour être présentés sur scène, et cinq autres ont été recommandés pour des présentations d'affiches.
Chaque proposition soumise a été jugée sur la base de quatre critères clés : l'innovation, la méthodologie, la pertinence et l'application. Les neuf meilleurs projets seront présentés à un public invité de délégués de l'industrie à Londres.
Une nouvelle initiative pour leForum Opta 2024 est l'introduction d'une nouvelle scène, où chacun des cinq exposants de posters aura l'occasion de faire un exposé de 10 minutes. Ceux-ci auront lieu pendant les pauses de réseautage prévues, permettant aux délégués d'en savoir plus sur leurs projets et leurs principales conclusions.
LeForum Opta , qui est organisé pour la onzième année consécutive, reste une date clé dans le calendrier de l'analyse du football. L'événement a vu un certain nombre de présentateurs précédents travailler à divers postes dans l'industrie du football professionnel, comme nous le soulignons ici.
En plus de ces présentations de recherche, leForum Opta 2024 proposera un programme chargé de conférences d'invités et de tables rondes, qui se concentreront sur des thèmes clés autour du rôle des données pour améliorer la performance et le recrutement dans un contexte d'équipe, ainsi que pour améliorer l'engagement du public d'un point de vue de fan-facing.
La liste complète des présentations de recherche et des posters pour leForum Opta 2024, énumérés sans ordre spécifique, est la suivante :
Présentations scéniques
Harsh Mishra - Analyse causale des coups de pied de coin
Ce projet a été choisi dans la catégorie des soumissions ouvertes et s'appuie sur les recherches antérieures de Laurie Shaw sur l'établissement d'un manuel de jeu pour les coups de pied de coin dans l'optique d'un cadre de causalité.
En utilisant une combinaison de données d'événements et de suivi, le projet de Harsh décompose plus de 600 coups de pied de coin différents, tentés au cours de la saison 2021-22 de Ligue 1, en fonction du type de livraison, de la configuration défensive (marquage par l'homme ou zonal) et du résultat global. Les configurations offensives récurrentes sur les corners, en tenant compte des emplacements de départ et d'arrivée des joueurs, des mouvements dynamiques et du marquage adverse, sont également regroupées.
Le cadre causal de Harsh est ensuite appliqué pour établir la probabilité d'un tir pour chaque configuration d'attaque différente, à la fois en jouant contre des configurations défensives spécifiques ou en ciblant des types spécifiques de livraison de corner.
L'objectif du projet est d'aider les analystes des coups de pied arrêtés à identifier rapidement des types de corner spécifiques, afin de rendre leurs flux de travail plus efficaces et de maximiser le temps disponible pour analyser les jeux sur les coups de pied arrêtés dans un contexte à la fois offensif et défensif.
Originaire d'Inde et aujourd'hui installé au Royaume-Uni, Harsh est titulaire d'une maîtrise en sciences informatiques et travaille actuellement comme ingénieur en apprentissage automatique chez Rothamsted Research. Il est un membre actif de la communauté mondiale de l'analyse du football, où vous pouvez accéder à son blog ou vous connecter avec lui sur LinkedIn.
Alex Sattari - Identifier les styles de joueurs par l'analyse des passes, des réceptions et des courses à haute intensité pour optimiser le profil de recrutement
Ce projet a été choisi dans la catégorie des soumissions dirigées par des praticiens duForum Opta , par Mathieu Lacome de Parme, qui utilise les données d'Opta Vision pour créer de nouvelles caractérisations interprétables des styles de joueurs individuels.
Après avoir établi des réseaux de passes, de réceptions et de courses à haute intensité dédiés, couvrant chaque joueur dans une compétition spécifique, Alex propose d'appliquer la factorisation de matrice non négative (NMF), dans le but de découvrir des schémas de passes, de réceptions et de courses à haute intensité communs à tous les joueurs. L'analyse NMF sera également utilisée pour identifier la combinaison unique de ces schémas communs pour chaque joueur, ce qui conduira à une nouvelle caractérisation interprétable du style de chaque joueur.
L'objectif de cette recherche est d'améliorer le pipeline de profilage existant d'un service de recrutement, en rationalisant le processus permettant aux analystes d'identifier les joueurs présentant des similitudes stylistiques et des caractéristiques sur le terrain recherchées pour les profils de joueurs dans le cadre du modèle de jeu d'un club.
Alex est titulaire d'un doctorat en géophysique de l'université de Calgary au Canada et a récemment travaillé comme chercheur postdoctoral en analyse sportive à l'université de Jönköping en Suède. Il est actuellement basé à Calgary.
Niamh Graham, Yasmin Hengster et Maia Trower - Gains nets : Analyse de l'impact de la diversité sur les performances du football féminin
En utilisant les données biographiques de base des joueuses et les données d'événements Opta de la FA Women's Super League, le projet de Niamh, Yasmin et Maia aborde la question de savoir s'il existe un lien entre la diversité et la cohésion au sein des équipes de la WSL et les performances individuelles des joueuses.
Ils analyseront la relation entre la diversité d'une équipe en termes d'âge, de nationalité et de club et la cohésion d'une équipe mesurée par le temps que les joueurs ont passé à jouer ensemble dans le passé.
Ensuite, en construisant des réseaux de passes pour chaque chaîne de possession dans un match de la WSL, ils chercheront à attribuer un score de diversité et un score de cohésion à chaque possession. Ils utiliseront ensuite une valeur xG pour chaque chaîne de possession qui se termine par un tir, afin d'évaluer l'impact de la diversité et de la cohésion sur les performances de l'équipe et des individus.
Niamh, Yasmin et Maia sont toutes trois basées à l'université d'Édimbourg, où elles préparent chacune un doctorat en mathématiques.
Matthieu le Gall - Analyse de l'impact des remises en jeu dans le football moderne : Possession, schémas et contexte de jeu
La présentation de Matthieu utilise les données d'événements Opta dans le but d'identifier les schémas de jeu récurrents, suite à une remise en jeu, afin d'aider à identifier les équipes qui sont les plus efficaces pour créer des opportunités de but à partir de séquences commençant par une remise en jeu, dans différents scénarios de jeu.
Le projet de Matthieu est divisé en deux parties. Dans la première partie, il décomposera les remises en jeu en différentes catégories, tant du point de vue de l'attaque que de la défense, en tenant compte de facteurs clés tels que le temps de possession, les passes effectuées au cours d'une séquence et le territoire gagné. Ces informations seront utilisées pour créer un index des remises en jeu pour les équipes de la ligue, en mettant en évidence la façon dont les équipes utilisent le ballon lors d'une remise en jeu, comme les relances rapides, la conservation du ballon ou, dans un contexte défensif, une pression élevée pour forcer un changement de jeu.
Dans la deuxième partie, il analysera les schémas de passes, à partir des remises en jeu, afin de comprendre comment les équipes capitalisent stratégiquement sur les opportunités de remise en jeu pour générer une menace de but. Il présentera également une analyse des probabilités des coordonnées de l'emplacement de l'extrémité de la passe pour les événements de passe suivant une remise en jeu.
Basé à Rennes, Matthieu travaille en tant que Data Scientist pour le Ministère des Armées. Il combine son travail avec des études pour obtenir un diplôme en Big Data et AI au Conservatoire National des Arts et Métiers. Il devrait obtenir son diplôme dans le courant de l'année et souhaite ensuite rejoindre un club ou une entreprise travaillant dans le sport en tant que data scientist.
Exposants de posters
Hoyoung Choi - Une approche de réseau neuronal graphique pour évaluer les formations défensives
Ce poster présentera une approche permettant de mesurer les performances des différentes formations défensives adoptées par les équipes au cours d'une saison.
En développant et en appliquant un modèle de réseau neuronal graphique (GNN), avec un accent particulier sur la conservation du ballon, Choi partagera des idées conçues pour aider à améliorer la compréhension des stratégies défensives d'une équipe et l'influence collective de tous les joueurs sur le terrain par rapport à leur efficacité à conserver le ballon.
Cette approche GNN est conçue pour offrir aux équipes dirigeantes un système pratique et applicable pour l'analyse des structures défensives dans le monde réel.
Choi est une étudiante de premier cycle qui a obtenu une licence au début de l'année et qui poursuit actuellement un master au département d'ingénierie industrielle et des systèmes du KAIST, situé à Daejeon, en République de Corée.
Leo Martins de Sá Freire - Introduction de la "menace au but" - Mesure de l'efficacité collective dans la conversion du volume offensif en occasions de marquer des buts
Ces dernières années, l'application des données d'événements s'est concentrée de manière significative sur les mesures d'évaluation des actions telles que la valeur de possession (PV) et la menace attendue (xT). Ces mesures permettent aux analystes de données de mesurer la qualité de chaque action sur le ballon au cours d'un match. Toutefois, la relation entre les valeurs générées par une équipe grâce à ces actions et le danger que représente pour un adversaire la possibilité de marquer des buts n'a pas encore été étudiée.
L'affiche de Leo vise à combler cette lacune en présentant les résultats d'une enquête approfondie sur la relation entre deux mesures avancées, Expected Goals (xG) et Expected Threat (xT), et en utilisant les résultats pour présenter une nouvelle mesure, Threat to Goal, qui vise à fournir un aperçu de l'efficacité d'une équipe à utiliser sa menace sur le ballon pour générer des tentatives de tirs de haute qualité.
Basé à Belo Horizonte, au Brésil, Leo combine ses études à l'Universidade Federal de Minas Gerais, où il termine un MSc en informatique, avec un rôle de data scientist à l'Atletico Mineiro, un club de Serie A.
Atom Scott et Taiga Someya - FootballGPT : Évaluation contrefactuelle à l'aide d'un modèle de base pour le football
L'évaluation contrefactuelle permet aux scientifiques des données d'explorer des scénarios hypothétiques et de comprendre l'impact potentiel de différentes décisions tactiques dans le football. Il s'agit généralement d'entraîner un modèle génératif pour prédire les mouvements des joueurs, puis de comparer les mouvements réels et simulés à des scénarios spécifiques.
Le poster d'Atom et Taiga présentera les résultats de la construction de FootballGPT, un modèle de base qui se concentre sur le mouvement collectif dans le football. Ils tenteront de répondre à des questions telles que "Comment une pression plus forte de la part de la ligne défensive affecte-t-elle la vulnérabilité aux longs ballons ?" ou "La probabilité de marquer augmenterait-elle si un joueur supplémentaire se joignait à une contre-attaque ?" En outre, ils analyseront la capacité de FootballGPT à se généraliser à d'autres tâches.
En utilisant leur modèle FootballGPT comme simulateur pour certains scénarios, Atom et Taïga visent à permettre aux équipes de faire des évaluations stratégiques et de prendre des décisions basées sur des données quantitatives. Le simulateur permettrait aux équipes de simuler les effets de différents changements tactiques dans des scénarios de match réels, tels que des modifications de la ligne défensive ou du nombre de joueurs impliqués dans les contre-attaques, ainsi que de rendre les processus d'analyse des performances plus efficaces en identifiant et en analysant des séquences de possession similaires sur plusieurs matchs.
Atom prépare actuellement un doctorat en intelligence artificielle à l'université de Nagoya au Japon et est le fondateur d'une nouvelle entreprise axée sur l'analyse sportive. Taiga prépare une maîtrise en linguistique informatique à l'université de Tokyo et, fort de son expérience d'ancien espoir de l'équipe nationale japonaise U15/16, explore également la recherche dans le domaine de l'analyse sportive, en particulier dans le football.
Andrew Kang, Travis Curson et Scott Powers - Toutes les caractéristiques ne sont pas égales : Motivation pour le clustering et l'évaluation des clusters en fonction d'objectifs spécifiques
Le regroupement des rôles des joueurs est un problème bien connu dans le domaine de l'analyse sportive, souvent entravé par un défaut commun à de nombreuses méthodologies de regroupement : la pondération égale de toutes les caractéristiques, quelle que soit leur pertinence par rapport à l'objectif spécifique de l'analyse.
Pour identifier les joueurs de différentes équipes qui sont stylistiquement similaires sur le terrain afin d'améliorer les flux de travail de recrutement, le poster d'Andrew, Travis et Scott appliquera les données d'Opta Vision pour présenter un algorithme récursif de regroupement K-means en deux étapes. Cet algorithme regroupe d'abord les styles de rôle sur la base des tendances d'un joueur sur le terrain et en dehors du terrain, puis crée des sous-groupes en fonction des exigences spécifiques d'un analyste en recrutement, par exemple en appliquant des caractéristiques liées aux passes lorsqu'il s'agit d'identifier des meneurs de jeu.
Pour comparer les compétences des joueurs de chaque groupe et évaluer leur contribution aux victoires, Andrew, Travis et Scott adapteront la méthode du Box Plus-Minus (BPM) utilisée dans l'analyse du basket-ball. Il s'agit d'utiliser le Regularized Adjusted Plus-Minus (RAPM) pour estimer la contribution de chaque joueur au différentiel de buts escomptés (xG) de son équipe. Ce faisant, l'analyse mettra en évidence l'importance numérique de chaque compétence dans laquelle les différents groupes de joueurs doivent exceller pour assurer le succès de leur équipe.
Andrew est étudiant en informatique à l'université Rice de Houston, au Texas, où il est également analyste de données pour l'équipe de football féminin de Rice Athletics, dont Travis est l'entraîneur adjoint. Scott a rejoint le département de gestion du sport de l'université Rice en tant que professeur adjoint en analyse du sport en 2023.
Matthew Hilton - Au-delà du tableau d'affichage : Une approche bayésienne de l'évaluation des actions des joueurs de football
Pour analyser les performances des joueurs individuels, nous devons examiner la contribution de chacun d'entre eux au marquage et à l'encaissement de buts. Cependant, comme il existe de nombreuses actions différentes qu'un joueur peut entreprendre au cours d'un match, quelles sont les actions les plus utiles en ce sens qu'elles sont plus susceptibles de conduire à marquer un but et moins susceptibles de conduire à en encaisser un ?
L'affiche de Matt présente un nouveau cadre bayésien pour l'évaluation des actions des joueurs de football. Ce cadre s'appuie sur un modèle bayésien xG qui quantifie explicitement l'incertitude associée à chaque prédiction de but au lieu de s'appuyer sur des estimations ponctuelles. Ce cadre peut être étendu à l'analyse de toutes les actions effectuées par les joueurs et à la manière dont elles contribuent à la probabilité de marquer ou d'encaisser un but. Les analystes de données peuvent surtout évaluer la variance des actions des joueurs et de leur exécution.
Titulaire d'une maîtrise en science des données, Matt travaille actuellement pour Barclays au Royaume-Uni. Au sein de l'équipe de science des données de la banque, il travaille à la modélisation financière de leur portefeuille de prêts hypothécaires.
Stats Perform tient à remercier tous ceux qui ont soumis une proposition et à féliciter les neuf groupes qui présenteront ou exposeront auForum Opta 2024.
