[討論] 大數據分析來襲 足球會越來越難看嗎?

這5~10年, 因為科技進步
足球也開始請科學家做數據分析
分析當然是好事, 可以球迷看到更多面向
但球隊的最終目的就是增加贏球機會

會不會分析到最後搞得像
NBA的三分球大賽, 或 MLB只剩全壘打跟三振
以為得更多分就能贏更多比賽, 這很直觀吧
=====================================
大數據主宰足球決策！
未來比賽勝負將愈來愈容易被掌握？
楊晨欣 2021年7月6日

預測仍無法主導足球走向
整體來說，結合數據與人工智慧技術，是職業足球產業目前最熱門的科技投資。

某些足球隊偏好針對守門員或其他專職位置的球員，搜集與分析數據，再進一步利用演算法來自動偵測比賽中一些下意識動作模式。

另外，數據的搜集與分析更可能幫助預測未來。舉例來說，在其他運動上，象棋選手能利用人工智慧系統與演算法來模擬不同的下棋類型與每一步棋決策的可能結果，用在職業足球上，預測科技可能對教練的執教、對上不同球隊的事先演練與隊形交換、球員轉隊交易市場等，都有更大的決策影響。

不過，一篇 2021 年的研究結果指出，約 46% 的足球進球其實都有一定的隨機因素影響，即使人工智慧能夠幫助球隊建立長期的競爭力與表現，但是，這個隨機因素與環境複雜性，還是會讓足球運動維持相對高程度的未知與刺激，觀眾的期待與驚奇，仍然不會被數據分析與預測科技奪走。

最強履歷資料數據家加盟
今年年初，天體物理學家、英國財政部前政策顧問 Laurie Shaw 宣布加入曼城足球隊（Manchester City），在職業足球界掀起一場熱烈討論。

Laurie Shaw 將成為曼城旗下資料數據團隊的領導者，透過資料數據來分析各個球員的表現，及與各個球隊的對戰狀況，利用分析結果來擬定更佳的作戰策略，最終目標是幫助球隊創下更多的勝場數據。

Laurie Shaw 的經歷與能力，使其成為職業足球隊業界最強履歷數據資料專家，並反映了職業足球隊對數據資料愈加重視。

另外，除了具備較高資產與較多資源的名門球隊開始利用數據分析促進球員與球隊表現，一些小型的球隊雖然沒有自己的數據分析團隊，但也引進相關軟體系統，導入數據分析的助力。

多元化數據應用
足球隊能夠搜集與分析的數據相當多元，光是與球相關的數據如傳球數、射球數、誤傳數、助攻數等，配對球員與傳球位置，就能產出多樣的分析結果；光學追蹤技術則可用來對準球員的位置，其每秒能夠傳回 25 次數據，來分析短時間內這位球員與球、隊友等之間的距離變化；在日常訓練期間，穿戴式裝置則用來測量球員的熱量消耗、心跳數、疲勞程度等身體指數，來管理球員的體適能狀態。

同一時間，每個球隊也正以不同的方式運用著各式數據。擁有理論物理博士學位的利物浦（Liverpool）球隊研究部門總監 Ian Graham，就選擇專注在利用數據尋找可能躲過人眼的特定趨勢，並且打造了一個內部平台，讓分析師透過進球數、球權比率等各項數據，打造數據模型，進一步找出「潛在的危險狀況（對方進球或失去球權）」。

同樣團隊中還有天體物理學家 Tim Waskett 與哲學博士 Will Spearman，專注在球場掌控。他們把傳球與進球想像成幾何學與機率，並且帶入球場上，試圖找出哪些球場區域比較可能是自家球隊的控球處、哪種傳球比較有可能創造進球等，進而找出可能增加進球率的傳球區域。

除了以贏球為目的外，利物浦球隊也與人工智慧公司 DeepMind 研究員們，一起測試了如何讓 AI 系統幫助人類在個體與個體互動的多人動態環境中，更好地做出複雜且即時的決策。運用在足球上，則是在困難的危機情況下，如何幫助球員或教練團隊們找出破解困境的決策方法。

競爭大於合作的現實環境
「很多職業足球隊都或多或少在他們的決策過程中，加入數據元素，」足球分析軟體公司的分析總監 Jan Van Haaren 在一場對 BBC 的訪問中說道，「是他們使用數據的方式，依每個球隊的需求而有所不同。......不過，大部分的球隊都傾向將他們使用數據的方式，當作產業秘密。」

畢竟，球隊之間仍然是競爭大於合作的關係。
另一個挑戰則是，數據分析的導入以及數據團隊的建立，都需要龐大的資源與金錢，對名門球隊來說，要擁抱這項新興科技不是問題，然而，對小型球隊來說就不是如此。

在這樣的資源差距下，科技的推波助瀾，更可能加深名門球隊與小型球隊之間的表現差異，讓小型球隊或資源較少的球隊，更難創造勝利的新歷史。

--
2016年MVP Mike Trout, 創造了10個 WAR
意思是74勝88敗的天使, 多贏了10場比賽
選秀也因此從第 2順位, 掉到第10順位
這就是用進階數據來看出球員價值

--