随着精英职业足球的成绩分析流程日趋成熟，为领先俱乐部工作的分析师们正努力从多个数据集中找出与战术相关的见解和趋势，而在许多情况下，这些数据集的使用是相互孤立的。
其中一个数据集是国内跟踪数据，联赛中的所有俱乐部都可以使用，这些数据可以捕捉到场上所有 22 名球员的位置和移动情况。这些数据已经收集了 20 多年，分析人员可以根据设定的关键绩效指标，从表现和战术角度审查每名球员的行动。一直以来，这些数据只能以原始格式提供，因此在识别长期趋势方面存在局限性。
然而，近几个月来，从跟踪数据中得出的大量指标已被合并到一个跟踪和事件数据集中。 ProVision.这为成绩分析开辟了新的途径，可以在几秒钟内进一步客观地了解对手球员的优缺点。
与事件数据相关的跟踪过滤器共有四十多种，涵盖以下三个方面：
- 球员位置数据：包括平均距离指标和离球跑动。
- 性能指标：包括大量球员距离和冲刺数据。
- 传球数据：包括传球速度、传球绕过的球员总数以及详细的过人数据。
利用这些信息，现在可以建立每日或每周运行的报告，为事件输出提供另一层背景。
在此，我们提供了五个分析实例，现在可以使用合并数据集进行分析。
1 - 从十字架上做出好的和坏的决策
组合数据集的主要优势之一是，对于发生的每个球事件，我们都能了解球场上每个球员的位置。这对于分析大范围位置球员的过人表现尤其有用。
ProVision 的一个跟踪过滤器可让用户确定传球时对方禁区内有多少球员。这样，分析师就能找出那些经常在禁区内队友人数很少的情况下传球的球员，从而凸显出在进攻区域的错误决策。
反之，利用同样的原理，分析师也可以使用该过滤器来突出那些在球处于大范围区域时希望包抄对方禁区，从而获得传中球的球队。这可以在逐场比赛层面、比赛层面和赛季层面上进行分析，通过与比赛平均值相比，从球场两侧的平均数字可以深入了解球队在开放比赛中的传球趋势。
因此，除了确定交叉数量及其结果外，我们现在还掌握了更多的背景信息，有助于了解这些结果背后的关键原因。
2 - 中后卫的渐进式传球
在分析后卫的传球倾向时，准确了解哪些球员能有效地将球带出防线并成功推进到前场，可以影响球队的无球战术。
从事件数据（如传球方向、开始/结束位置和结果）中进行筛选，可以深入了解后卫在控球时的舒适度。不过，通过添加跟踪功能，我们可以进一步进行分析。
利用这些数据，分析人员可以筛选出传球绕过的对方球员 人数，以及每次传球绕过的平均球员人数。还可以根据俱乐部自己的定义应用其他筛选器，包括缩小传球次数范围，只包括地面传球和传球区域（如防守三区）。
利用这些洞察力，通过多场比赛或对阵特定类型的对手，分析师可以找出得分较高的对手球员，并将他们在这一指标上的表现与其他传球输出进行比较，这有助于找出在传球突破对手方面表现出色的中后卫，并利用控球值（PV）确定哪些球员通过渐进式传球提高了球队得分的概率。它还能帮助识别出哪些后卫在控球方面不那么有效，哪些后卫可能不太喜欢被逼抢，这就很好地引出了我们的下一个例子。
3 - 压力下的传球表现
跟踪数据的一个主要好处是，分析人员可以确定场上每名球员在任何时候与控球球员的距离。这意味着可以分析每名球员的传球表现，并考虑到他们在对方球员靠近时的表现。
ProVision 允许分析师为传球信息添加一个跟踪过滤器，分析师可以根据距离球两米内有多少名对方球员来查看球员数据的波动情况。如果一名球员身边至少有两名防守球员，那么他在尝试传球时就可能会面临更大的压力--这些数据可用于比较队内球员的对比表现，以及当他们面临更大压力时，谁最有可能把球传出去。
4 - 将工作率与有效压迫联系起来
在仅使用赛事数据时，PPDA 指标（每次防守动作的传球数）与高失球率结合使用，是识别一支球队是否压迫对手的有用替代指标。在多场比赛中，如果 PPDA 总值较低，则表明球队会努力迅速赢回球权，而如果 PPDA 总值较高，则表明球队更有可能采取低位拦截，让对手控球。
当我们添加身体追踪数据时，就有可能将从事件数据中获得的洞察力与每位球员在场上的运动强度建立起关联。我们可以利用合并数据集中的两个指标来实现这一目的：球员的峰值速度（以每秒覆盖米数为单位）和每位球员在高速状态下的总覆盖米数。
这些数据不仅能说明哪些球员在采用积极压迫战术的球队中覆盖面积最大，还能与各种 ProVison 过滤器进行对比，以确定球员的工作率和球队在控球后的战术在面对不同类型的对手时（例如那些寻求压上进攻的球队）与其赛季平均值相比有何变化。
5 - 在进攻角使用人员
在 2020/21 赛季，欧洲五大联赛中 20% 的非点球进球来自定位球，这一数字更加说明了球队最大限度地利用角球和任意球机会以及成功防守的重要性。
角球得分：2020-21 赛季
| 联赛 | 目标 |
|---|---|
| 英超联赛 | 58 |
| 法甲联赛 | 58 |
| 意甲 | 52 |
| 德甲联赛 | 43 |
| 西甲联赛 | 36 |
虽然 "预期进球数"等先进指标可以帮助我们深入了解哪些球队能从角球中创造和丢掉高质量的机会，但球员位置数据的可用性为确定球队在这些情况下如何布置增加了另一个维度。
利用跟踪筛选器，分析师可以确定赛季中球队在禁区内或六码区内设置特定数量球员的场景数量。因此，举例来说，俱乐部可以识别出在开球时，防守球队需要对付两名站在六码区内的进攻球员的情况有多少，以及他们在这些情况下失球的机会有多少。
这有助于找出球队在多场比赛中防守定位球时的潜在薄弱环节，球队可以利用这些薄弱环节在赛前制定战术。
以上仅举了五个例子，说明将跟踪数据和事件数据输出合并的国内数据集如何帮助识别在游戏中反复出现的场景中表现出色或可能存在弱点的球员。
ProVision 中的所有跟踪筛选器还可以添加到分析师自己的报告和定制统计中，从而为不同情况下的分析提供了广泛的可能性。
如需进一步了解ProVision 如何更深入地洞察长期表现趋势，支持贵俱乐部的赛前和赛后流程，请访问我们的 "比赛分析 "页面，或联系我们以了解国内联赛的跟踪数据是否已集成到平台中。
