티보 쿠르투아의 폼에 대해 지네딘 지단 전 레알 마드리드 감독이 공개적으로 의문을 제기한 것은 비밀이 아닙니다. 그 이전에도 언론에서 의문을 제기한 바 있습니다. 지단 감독은 2017/18 시즌에 키로르 나바스 골키퍼의 경기력에 대한 비판이 거세졌음에도 불구하고 그를 계속 기용했습니다.
실제로 지단은 감독으로 복귀한 첫 경기인 셀타 비고전에서 나바스를 다시 불러들였습니다. 지단은 자신이 감독이고 궁극적으로 그의 의견이 가장 중요하기 때문에 그렇게 했습니다. 하지만 이러한 변화가 현재까지 레알 마드리드의 시즌에 미친 영향을 어떻게 정확하게 측정할 수 있을까요? 이를 위해서는 한 골키퍼가 다른 골키퍼의 슈팅을 어떻게 막아내는지, 더 나아가 각 골키퍼가 모든 슈팅에 대해 어떻게 대처하는지를 균일한 표본으로 정확하게 시뮬레이션할 수 있어야 합니다.
잠시 후 레알 마드리드에 대한 논쟁으로 돌아가겠습니다. 먼저, 골키퍼의 성과를 제대로 평가하는 더 큰 문제를 생각해 보겠습니다.
골키퍼 평가의 문제점
골키퍼는 클린 시트, 실점, 세이브 비율과 같은 지표를 사용하여 평가됩니다. 최근에는 리그 평균과 성과를 비교하기 위해 예상 세이브(xS)와 같은 '예상' 지표가 도입되었습니다. 그러나 골키퍼는 소속 팀의 수비 스타일과 상대 팀에 따라 완전히 다른 유형의 선방을 기록할 수 있습니다.
다양한 상황과 맥락을 모두 파악하지 못할 수 있는 지표를 사용하는 대신 지표를 넘어 모든 슈팅에 대해 각 골키퍼를 시뮬레이션한 다음 누가 가장 적은 골을 실점하는지 비교해 보는 것은 어떨까요?
여기에서는 코치와 채용 부서에서 키퍼를 더 잘 분석하고 강점과 약점을 파악하기 위해 이 방법을 사용하는 방법과 새로운 방법을 간략하게 설명합니다. 이 방법에 대해 자세히 알아보려면 다음 링크를 참조하세요. 트레이딩 플레이스 - 공간 및 신체 자세 데이터를 활용한 골키퍼 퍼포먼스 시뮬레이션.
골키퍼 고유 ID 캡처
골키퍼가 공격수의 결정에 미치는 영향을 포착하려면 골키퍼의 신체 위치와 같은 매우 세분화된 특징이 필요합니다. 예를 들어, 팔의 위치는 어떤가요? 그리고 평발을 하고 있나요? 이러한 데이터는 대규모로 확보하기 어렵습니다. 또 다른 방법은 모든 골키퍼에 대해 수십만 번의 슈팅을 촬영하여 각 골키퍼에 대한 개인 모델을 학습하는 것이지만, 현실적으로 골키퍼는 경기당 평균 5번의 슈팅에 직면하게 됩니다. 따라서 이 옵션은 사용할 수 없습니다. 다른 방법으로 이를 포착할 수 있을까요?
저희는 다양한 상황에서 샷을 할 때 골키퍼의 강점과 약점을 측정하는 일련의 기능을 만들어 이 문제를 해결합니다. 예를 들어, 왼쪽 또는 오른쪽에 더 강한가요? 1대1 상황에서 어떻게 대처하는가? 발에 쉽게 넘어지지는 않나요? 이러한 특징을 생성한 후에는 이를 '플레이어 임베딩'이라는 이름으로 결합하여 데이터에 기반한 고유한 골키퍼 아이덴티티를 생성합니다. 이러한 임베딩을 플로팅하면 골키퍼를 여러 그룹으로 구분하여 각 골키퍼의 고유한 뉘앙스를 파악할 수 있음을 알 수 있습니다(계산 방법에 대한 자세한 내용은 위에 링크된 공개 논문을 참조하세요).
이러한 임베딩을 일반 xS 모델과 결합하면 골키퍼가 슈팅을 골대에 맞힐지 여부를 예측하는 정확도가 크게 향상됩니다. 결정적으로, 이를 통해 개인화된 선수 예측 영역으로 나아갈 수 있습니다. 결과적으로 골키퍼 A가 골키퍼 B의 슈팅에 어떻게 대처할지, 또는 우리의 경우 나바스가 쿠르투아의 슈팅에 어떻게 대처할지 알고 싶다면 이제 각 선수의 고유 ID를 가져와서 교체하여 예상되는 상황을 시뮬레이션할 수 있습니다.
실제에는 99가지 문제가 있지만 나바스는 하나도 없습니다.
위의 레알 마드리드의 예로 돌아가서, 이제 나바스가 쿠르투아의 슈팅을 맞았을 때 얼마나 많은 골을 막았을지, 또는 그 반대의 경우 얼마나 많은 골을 막았을지 정확하게 시뮬레이션할 수 있습니다. 시뮬레이션된 세이브 차트를 사용하여 이번 시즌 두 골키퍼가 맞닥뜨린 99개의 슈팅에 대해 모델을 실행하면 나바스가 쿠르투아에 비해 4골을 더 막아냈을 것으로 예상되는 것을 볼 수 있습니다. 각 골키퍼가 더 강하거나 약한 위치를 시각화하면 나바스(빨간색)가 골대 중앙을 향한 슈팅을 훨씬 더 잘 막아내는 반면 쿠르투아(녹색)는 왼쪽 하단 부근에서 날아오는 슈팅을 훨씬 더 잘 막아낸다는 것을 알 수 있습니다.
이는 코치가 선발 선수를 선택할 때 정보에 입각한 판단을 내릴 수 있도록 하는 중요한 정보입니다. 또한 코칭과 같은 다른 영역이나 중요한 채용 분야에서도 유용합니다.
라리가 쇼핑 - 골 추가 순위
라 리가는 이케르 카시야스, 얀 오블락과 같은 현대 최고의 골키퍼들을 배출했으며 다비드 데 헤아, 페페 레이나 등 정상급 골키퍼들을 대거 배출했습니다. 그 결과 라 리가는 골키퍼 영입의 주요 리그입니다. 하지만 모든 팀이 유명한 톱클래스 골키퍼를 영입할 수 있는 여력이 있는 것은 아닙니다. 저희의 모델을 사용하면 데이터베이스에 있는 모든 골키퍼를 쉽게 평가하고 숨겨진 보석을 찾을 수 있습니다.
이 모델의 장점은 데이터가 있는 모든 경기의 모든 슈팅에 대해 모든 골키퍼를 시뮬레이션할 수 있다는 것입니다. 그 결과, 이제 90분당 평균과 비교하여 얼마나 많은 추가 골을 막거나 허용했는지에 따라 골키퍼의 정확한 순위를 제공할 수 있게 되었습니다. 골 추가 모델은 폭넓게 적용할 수 있는 흥미로운 인사이트를 생성합니다.
예상대로 얀 오블락, 마크-안드레 테르 스테겐과 같은 이름이 상위 10위 안에 들었습니다. 하지만 랭킹 1위의 선수인 로베르토 산타마리아는 그 정도의 인지도에는 미치지 못합니다. 산타마리아는 최하위 클럽인 SD 우에스카에서 뛰고 있으며 지난 5시즌 동안 5개의 클럽에서 뛰는 등 다소 떠돌이 생활을 해왔습니다. 그는 리그에서 가장 낮은 평가를 받던 알렉산다르 요바노비치 골키퍼가 방출되면서 기회를 얻었습니다. 산타마리아는 12월 23일에 우에스카의 1순위가 되었습니다. 이전에는 라리가 16경기에서 32골을 실점하며 경기당 평균 0.5점의 팀 승점을 기록했습니다. 그가 골문을 지킨 이후에는 13경기에서 18골을 실점하며 경기당 1.08점을 기록했습니다. 강등 위기에 처한 팀에서 뛰고 있다는 점을 고려하면 매우 유망한 기록입니다. 그리고 라 리가의 다른 골키퍼들과 동일한 슈팅 샘플로 시뮬레이션했을 때, 그는 리그 최고의 골키퍼입니다.
STATS AI 골키퍼 인덱스는 골키퍼의 장단점을 정확하게 시뮬레이션하고 평가할 수 있는 새로운 모델입니다. 그리고 타겟 영입을 다른 선수와 직접 비교할 수 있습니다. 또한 새로운 골키퍼가 팀 내 기존 선수와 비교해 실점 수를 어떻게 늘리거나 줄일 수 있는지 시뮬레이션할 수 있습니다.
레알이 지단을 다시 데려온 것이 적절한 결정이었다는 것을 더 확인해야 한다면, 쿠르투아에 대한 그의 평가가 적절했던 것 같습니다.
