通过展示新概念挑战思维
每年，OptaProForum 结束后的几天都让我们有机会静下心来，反思我们的行业是如何发展的，以及我们作为从业者是如何应对我们所面临的挑战的，不仅是在应用方面，还有我们如何与教练和球员分享我们的见解。
自 2014 年启动Forum 以来，我们经常谈到如何将该活动作为更广泛行业内分析技术发展状况的晴雨表。
除了连续第二年获得超额认购外，最重要的或许是来自英国以外的国家足球协会和联赛的参会代表人数有所增加，这凸显出行业利益相关者正日益认识到数据分析对其成员俱乐部的价值。
2020 年的一些Forum 活动尚属首次，其中有两个演讲利用了比利时职业联赛提供的整个赛季的跟踪数据；两个演讲源于斯旺西和诺德斯亚兰德俱乐部提出的研究问题；还有一个关于新射门规则影响的应用演讲，由我们的分析师与英格兰足总的绩效人员协商后制作。
在女子超级联赛俱乐部工作的分析师和隶属于甲级联赛球队的数据科学家也出席了会议，这只会进一步强化数据处理的应用不再是单一比赛中俱乐部之间的关键区别。现在的挑战是如何比对手更有效地利用数据--产生不仅相关而且可用于战术决策、教练计划和选拔以及关键招聘决策的见解。
这也是为什么Forum 一直是分析师日程表上的重要日期的原因之一。论坛提供了一个独特的机会，让我们了解那些开创性的新方法，而这些方法的唯一目的就是为赛季中俱乐部环境中周而复始的关键问题找到创新的答案。
交流、交流、交流
这项活动一直旨在展示足球分析的前沿技术，今年我们继续展示能够让我们挑战传统思维的方法，同时仍然关注如何创建具有明确战术应用的数据概念。
在Forum创办初期，对演讲者的一个重要考验是确保他们的项目能在俱乐部的分析工作流程中轻松应用。虽然这仍然是一个重要的考虑因素，但分析领域的发展速度意味着情况已经发生了变化--它不再仅仅是一个概念的应用，还包括确保以最有效的方式向教练和球员传达适用的结果。
在以往的多次Forum 嘉宾讲座中，教练语言的能力都得到了加强，特别是 卢克-博恩（Luke Bornn）在2018年.今年引入了两个俱乐部主导的提交类别，这对各演讲者如何应对这一挑战产生了显著影响，他们可以接触到各俱乐部的分析团队，从而量身定制自己的演讲。
Vignesh Jayanth 的演讲重点是为诺德耶兰德足球俱乐部（FC Nordjaelland）确定打破对手低位拦截的有效策略，在他的演讲中，你可以看到他与导师Joe Mulberry 紧密合作，根据俱乐部的比赛模式来理解俱乐部的问题。然后，他决定将自己的策略与教练组现有的战术手册相一致，以此来获得认同，并展示数据如何帮助解决训练场上的关键战术难题。
来自威廉姆斯高级工程公司的史蒂文-休斯顿（Steven Houston）继续以沟通为主题，在他的嘉宾演讲中提出了分析师在向教练展示关键发现之前进行会议演练的想法。这是一级方程式赛车分析师已经采用的做法，同时也向足球分析师提出了一个问题--他们现有的沟通流程是否能确保以最有效的方式传达最重要的结论？这是我们所有人都应该考虑的问题，无论我们的角色或行业如何。
我们今天的头条新闻是来自@WilliamsAdvEng 的史蒂文-休斯顿（Steven Houston）的演讲，他正在探讨足球在分析应用方面可以从 F1 和赛车运动中学到什么。马力。
- OptaPro (@OptaPro)2020 年 2 月 5 日
改进分析师的工作流程
Forum 的首要目标之一是缩小分析界与专业分析师之间的差距。除了以战术为导向的演讲之外，Forum 还展示技术创新，重点介绍如何改进现有工作流程并提高其效率。
卡伦-辛格（Karun Singh）介绍的一个项目就体现了这两个要素，该项目将深度学习过程应用于跟踪数据，以识别整个赛季中重复出现的比赛场景，从而无需手动标记视频和搜索类似的比赛段落，从而可能加快比赛分析师的日常工作流程。
通过利用 "自我监督 "标签，他概述了自己的系统如何通过消除审查大量视频的需要来发现团队的关键趋势，从而为分析师的工作日节省几个小时的时间。
卡伦发现效率的方法反映了一个更广泛的趋势，即专业体育以外的从业人员现在如何更好地理解分析流程。这意味着Forum 可以为人们提供一个平台，让他们利用自己的核心技能（在卡伦的案例中，他的核心技能是应用AI的软件工程）来展示创新，并让我们对未来十年技术将如何彻底改变我们的行业略知一二。
思考我们如何进行技术侦察
除了业绩分析，Forum 还为招聘分析师提供了一个机会，使他们能够摆脱每天从主要球探市场监测和评估球员的焦躁环境，并反思自己评估球员以适应短期、中期和长期目标的过程。
今年，Stats Perform公司的保罗- 鲍尔（Paul Power）和威尔-古尔皮纳-摩根（Will Gürpınar-Morgan）提出了 "角色发现 "的概念。
在强调了仅根据位置来分析球员的局限性之后，两人展示了通过应用无监督学习过程，团队有可能开始根据更广泛的团队风格中的角色来分析球员。这意味着招聘分析师有可能根据球员在本队比赛模式中履行每个角色所需的关键倾向和特点，将球员分组。
技术球探的角色仍然相对较新，大约 15 年前才首次在业内出现，但随着技术、数据和视频的发展，它可能是俱乐部内被重新定义最多的一个角色。然而，虽然他们所掌握的工具发生了显著变化，但球员的实际评估标准究竟发生了多大变化？
通过考虑按角色进行球探是否比按位置进行球探更有效，我们可以开始对我们现有的方法提出客观的问题，以及我们是否正在生成最佳的球员分析，以做出合理的招募决定。
在午餐休息之前，@counterattack9和@WillTGM正在演示无监督学习如何自动学习球员在球场上的角色 - 创建数据驱动的摘要。智能。
- OptaPro (@OptaPro)2020 年 2 月 5 日
洞察未来
我们非常幸运地邀请到史蒂文-休斯顿（Steven Houston）作为今年的演讲嘉宾。史蒂文利用他之前在足球领域的工作经验，深入浅出地阐述了足球运动可以从 F1 首创的分析流程中学到什么。
一个有价值的收获是提醒我们作为分析师要 "挤柠檬汁"--最大限度地利用已有数据。大卫-夸泰（David Quartey）的演讲就是一个很好的例子，他介绍了丢球战术如何带来进球机会，这提醒我们丢球在足球运动中仍是一个相对未被充分利用的机会。
在另一端，史蒂文还向我们简要介绍了AI 技术如何利用数据驱动的洞察力来推动 F1 的决策。
很明显，与大多数行业一样，AI 和机器学习将在这十年中主导我们的思维，因为我们希望利用这种快速发展的技术的力量来创建新的数据集，更快地处理这些数据，并识别影响体育各领域决策的模式和趋势。
在 F1 赛事中，无论是使用车身姿态技术来识别进站时的边际收益，还是模拟不同车手在同一辆赛车中的表现，这种技术在足球比赛的成绩分析中的应用都有明显的相似之处。
同样，足球界的招聘部门也经常谈论通过模拟球员在不同比赛场景中的表现来预测球员的未来表现。随着技术的进步，这种分析方法迟早会成为现实。
回顾整个Forum ，我的主要收获是，我们这个行业人才济济，他们正在挑战我们这些从业者，让我们永不止步。我谨代表Stats Perform 的全体员工向所有演讲者和投稿人表示祝贺，祝贺他们激励我们在 2020 年进行更有针对性的创新！
2020 年 OptaProForum 所有演讲的视频以及海报文字说明将于今年春季晚些时候在Stats Perform 网站上发布。
