在2023-24赛季欧洲各国内联赛开赛前夕推出的Sky电视台《足球的未来》系列节目中，Opta的数据占据了重要篇幅。在该系列节目中Stats Perform布拉德福德·格里菲斯和延斯·梅尔万详细阐述了，通过大规模整合赛事数据和球员追踪数据，数据采集领域的创新将如何赋能球探分析师，助力他们在全球各大联赛中发掘球员。
足球的未来：那些运用人工智能的“独角兽”企业与神经科学家，正在改变转会与球员招募格局
利用人工智能发掘人才
各家公司正开始利用人工智能的力量，生成能够为全球足球运动员的决策和表现提供洞察的数据。
这使得俱乐部能够将选才范围扩大到更广的领域，从而发掘那些若非如此，可能要等到在顶级联赛站稳脚跟后才会被发现的潜力新星。例如，2021年莫伊塞斯·凯塞多以500万英镑的身价从厄瓜多尔俱乐部独立谷转会至布莱顿。
长期以来，赛事数据——即球上发生的情况——只能让我们了解故事的一小部分。当然，球场周围还有更多事情在发生，而追踪数据——即球外发生的一切——正是在此发挥作用，它使像 Stats Perform 等公司通过整合这两类数据，从而对足球运动员进行更全面的分析。
详解：事件与跟踪数据
事件数据是指场上动作，例如成功传球或射门尝试。
追踪数据旨在记录球员在球场上的位置以及他们在无球状态下的动作。
“事件数据告诉你‘是什么’，而追踪数据则让你能够开始探究‘为什么’，”Stats Perform创新高级副总裁布拉德福德·格里菲斯表示 Stats Perform的创新高级副总裁布拉德福德·格里菲斯告诉天空体育。
“追踪数据最关键的价值在于，它能实时提供场上所有球员的位置信息和移动轨迹，从而帮助我们理解比赛背景。以往依靠事件数据时，我们只知道某位球员持球，并从场上的某个位置将球传给了另一位球员。但我们并不知道是什么促使他做出了那个决定。”
人工智能是如何收集追踪数据的？
追踪数据最初是通过体育场内的摄像头记录下来的。
由于在全球范围内开展此类工作所需的资金、后勤保障和基础设施过于庞大，因此目前只有顶级联赛的有限公司在收集原始数据。
不过，借助人工智能，现在可以从任何已录制的游戏中提取这些原始数据。例如，从远程视频中提取。
计算机视觉技术能在球员出现在屏幕上时对其进行识别和追踪，而人工智能建模则用于预测球员离开画面后的行进路线。
这提供了一张地图——与《足球经理》中的类似——显示了每位球员在球场上的实时位置。
这样便能收集到复杂的数据，例如，这些数据可以说明一名球员完成了多少次突破传球，或者他在承受压力的情况下传球准确率如何。
随着人工智能的发展，如今已可以通过深度学习训练计算机，分析球员在特定情况下的反应，从而预测他们在不同联赛中的表现，或评估其是否适合某支球队的战术体系。
Jens Melvang， Stats Perform 的资深产品经理延斯·梅尔万补充道：“我们为俱乐部提供了一款工具，让他们能够根据‘我们会采用这种打法’、‘寻找这类球员’、‘需要担任这个位置的球员’等条件来搜索球员，系统随后会据此提供相应的推荐。”
随着数据分析日益精进，其应用范围已不再局限于球员的表现，而是开始揭示球员内心世界的运作机制。
“你可以开始观察玩家如何应对不同的情境，这归根结底取决于他们的认知和决策过程，”格里菲斯说。
“球员是否具备这样的洞察力：‘我知道只要把球传到那里，我的队友就能率先到位，即使球并没有直接传给他’？他们做出这些决定的速度有多快？他们是愿意带球突破防守球员，还是在受到威胁时立即传球？”
“从我们收集的数据中可以看出这些情况，这确实有助于您了解球员在球场上的表现。”
足球转会市场的未来：英超俱乐部还能继续刷新纪录吗？
数据挖掘之星
电子游戏《足球经理》培养了一代又一代的足球数据爱好者。多年来，各家俱乐部借助日益先进的数据库，目的始终如一：在全球范围内发掘数据宝藏。
布莱顿只是众多利用数据创造成功的俱乐部之一：世界杯冠军得主亚历克西斯·麦卡利斯特——他于今年6月以5500万英镑的身价离开布莱顿加盟利物浦——去年冬天曾对天空体育表示：“布莱顿与我和我的经纪人进行了沟通，并表示我是数据表现最出色的U21球员之一——因为布莱顿非常重视数据和统计分析。” 随着他的离队，这支“海鸥军团”实现了4800万英镑的转会利润——而2019年他们从阿根廷青年人队签下这位中场球员时，仅花费了700万英镑。
但这仅仅是一个例子：数据分析正逐渐成为体育运动中不可或缺的环节——无论是球队表现、体能状况、战术部署还是球员招募。德勤预测，数据将在最大化收入来源方面发挥越来越重要的作用。
以Opta数据品牌而闻名的Stats Perform只是众多提供数据驱动型球员招募软件的公司之一。该公司将赛事和追踪数据与视频相结合，使俱乐部能够搜索来自世界各地的球员资料。
布拉德福德·格里菲斯对天空体育表示：“我认为在利用数据进行球员招募时，有两个基础要素：规模和一致性。规模让你能够覆盖非常广阔的市场，而一致性则至关重要。不同赛事中的比赛风格差异很大：球队的阵型布置、比赛节奏等等。这样一来，你就可以对各联赛进行横向比较，并将这些数据融入人工智能模型中，以此作为评估球员的基准。”
“然后，你可以为正在关注的球员创建一个档案，并[筛选]出全球所有符合该条件的球员。 其中许多球员你可能并不熟悉——尤其是那些来自你未曾关注的小联赛的球员。随着你在足球金字塔中层层下探，各支球队真正关注的是球员的价值与性价比，以及在球员潜力尚高、年龄较轻时将其签下等考量。因此，这些工具非常强大——它们能帮助你筛选全球足球数据库，锁定一些可能感兴趣的球员，并将他们纳入后续的招募流程中。”
展望未来：预测性数据将如何塑造未来？
随着战术和球员选拔的不断演变，一切都在变化。例如，当前对擅长控球的门将以及在有利位置拥有特定惯用脚的场上球员的需求，都表明球队正致力于在传球选择和射门机会上争取优势——而数据在其中发挥着巨大作用。
预测性数据正日益受到重视。Opta的软件不仅能展示球队在控球和非控球状态下的阵型，还能将球员在比赛各阶段应处的位置与他们实际所处的位置进行叠加显示。此外，该软件还能量化不同球员之间的配合方式及其对效率的影响。
这些数据已经能够预测在任意时刻将球传给任何队友的成功概率，以及每种传球选择所带来的潜在进攻威胁。借助这些新的数据点，分析师不仅可以通过衡量球员的实际表现来量化其决策能力，还能评估球员本可以且应该采取的行动。此外，这些数据还能揭示球员在整场比赛中担任不同角色所占的时间比例。
凭借这种级别的分析——既能即时获取，又能大规模应用——预测数据在比赛中以及赛前和赛后分析中发挥重要作用，似乎只是时间问题。因此，球员的表现将根据他们与这些预测模型的对比结果来评估。
与此同时，管理层将越来越关注不同球员组合如何影响球队的整体默契，无论是从宏观层面还是针对特定对手而言。
如果您想进一步了解Opta Vision 请点击此处。
