علم‌ داده در فوتبال؛ کاربردها و نمونه‌های موفق

فهرست مطالب

در مقاله‌ی قبلی به بررسی موضوع علم‌ داده در فوتبال و تاریخچه‌ی آن پرداختیم. اگر این نوشته را مطالعه نکرده‌اید، پیشنهاد می‌شود که ابتدا از اینجا  آن را مشاهده کنید تا به‌طور کامل با سیر مطالب همراه شوید. اکنون موارد و دلایل استفاده از علم‌ داده در فوتبال را‌ به همراه نمونه‌های موفق آن بررسی می‌کنیم.

استعداد‌یابی هوشمند، کشف مناسب‌ترین بازیکن‌ها مبتنی بر داده‌ها

یافتن بهترین بازیکنان مورد نیاز با توجه به سبک بازی هر تیم‌، همواره از مسائل مهم و چالشی برای باشگاه‌ها بوده است. به‌نظر می‌رسد تجزیه و تحلیل داده‌ها برای این کار بنا بر سه دلیل که در ادامه آنها را معرفی می‌کنیم، یک ابزار پیش آگاهی‌دهنده‌ی بسیار قدرتمند است.

یک: صرفه‌جویی

جستجوی بازیکنان در پایگاه داده‌های بزرگ و دقیق به باشگاه امکان می‌دهد صرفه‌جویی فوق‌العاده‌ای در وقت و هزینه خود داشته باشند. باشگاه بعد از استفاده از فیلترهای مورد نظر استعدادیاب می‌تواند انتخاب‌های مورد علاقه‌ی خود را به تعداد مشخص از بازیکنان محدود کند و دیدن فیلم‌های این گروه را شروع نماید.

به لطف ویدیوها، استعدادیاب می‌تواند بازیکنانی را که می‌خواهد به تماشای آنها برود، فیلتر کند.‌ البته بانک‌های اطلاعاتی نمی‌توانند جایگزین استعداد‌یابان شوند، بلکه می‌توانند مهارت‌های شناسایی استعداد آنها را تکمیل کنند.

دو: حافظه سیلیکون بیشتر از  شماست

آیا شما تمامی حرکات و شوت‌ها و سانتر‌های تیم محبوب‌تان را در فصل گذشته بیاد دارید؟ البته که نه. و اگر این قضیه و تحلیل را هم به بازیکن مورد علاقه‌تان محدود کنیم این امر صادق خواهد بود.

برعکس، اگر چه یک کامپیوتر بازیکن یا تیم مورد علاقه‌ای ندارد اما می‌تواند همه‌ی آنچه را که در فصل گذشته رخ داده‌ است به خاطر بسپارد. این برای استعداد‌یابان که اغلب با عملکرد خوب یا ضعیف یک بازیکن در یک بازی خاص یا حتی در یک دوره‌ی طولانی‌تر و یا تحت تاثیر جو رسانه‌ها گمراه می‌شوند، بسیار ارزشمند است.

سه: محدودیت پیش تصورات

تمرکز روی پایگاه‌های داده اغلب منجر به نتایج ضد شهودی می‌شود. در بعضی موارد اینها ممکن است کاذب باشند.

با استفاده از داده‌ها و تجزیه و تحلیل مناسب آنها، باشگاهها ضمن دسترسی و زیر نظر داشتن طیف گسترده‌تری از بازیکنان، در منابع خود صرفه‌جویی زیادی انجام می‌دهند.

وقتی که نوبت به جستجوی هوشمندانه و نقل‌ و‌ انتقال بازیکنان می‌رسد، سه باشگاه با قرار داشتن داده‌ها در قلب برنامه‌ریزی‌های نقل‌ و‌ انتقالات خود متمایزند. دو تا از آنها متعلق به یک شخص هستند: متیو بنهام (Matthew Benham).

استعدادیابی هوشمند: برنتفورد

موفقیت آنها در نقل‌ و‌ انتقالات، به باشگاه این امکان را داد که با موفقیت در لیگ قهرمانان (The English Football League Championship) بتوانند با سایرین و با وجود داشتن بودجه‌ی دستمزدی، کمتر از ۶۰ درصد میانگین لیگ، رقابت کند.

متیو بنهام یک شرکت مشاوره‌ی شرط‌بندی را تاسیس کرد. اسمارت آدز یک شرکت است که خدمات تحقیق و مدل‌سازی ورزشی را در قماربازی حرفه‌ای به مشتریان ارائه می‌دهد. در ژوئن ۲۰۱۲ بنهام صاحب اکثریت سهام برنتفورد شد که آن زمان برای صعود از لیگ یک می‌جنگید. در جولای ۲۰۱۴ او مالک باشگاه دانمارکی میدجولند (FC Midtjylland) شد.

برنتفورد انگلیسی و میدجولند دانمارکی جدا از مالکیت‌شان یک نقطه‌ی مشترک دارند. آنها «قادر به مشت زدنِ بیشتر از وزن خود هستند». آنها فهمیدند که چگونه با بودجه‌های کمتر از رقبایشان، با آنها رقابت کنند. راهی که آنها آن را انجام می‌دهند یک مفهوم نسبتاً ساده است که انجام آن بسیار دشوار می‌باشد؛ «به حداکثر رساندن بازده در بازار نقل و انتقالات».

در زیر به‌عنوان نمونه، جدولی از کتاب فلسفه‌ی امید گل (The Expected Goal Philosophy) نوشته‌ی جیمز تیپت (James Tippett) ناظر سابق در اسمارت آدز، آورده شده است. او ناظر پیگیری آمار مسابقات فوتبال است. همان آماری که الگوریتم‌های برنتفورد، اسمارت آدز و میدجولند را تغذیه می‌کند.

نقل‌ و‌ انتقالات برنتفورد

جدول بالا پرسودترین نقل و انتقالات بازیکنان برنتفورد را نشان می‌دهد که شامل مبلغی می‌شود که برنتفورد برای بازیکن پرداخته و مبلغی که در ازای فروش آنها دریافت نموده است. در این عملیات همان‌طور که نشان داده شده 12.5M پوند برای بازیکنان پرداخته و 109.2M پوند هنگام انتقال آنها دریافت کرده است که سود ناخالص سرمایه  96.7M میلیون پوند می‌باشد.

بر طبق کتاب فلسفه‌ی امید گل، موفقیت آنها در بازار نقل و انتقالات به برنتفورد این امکان را داد تا با وجود بودجه‌ی دستمزد کمتر از 15 میلیون پوند [60 درصد کمتر از میانگین لیگ (39 میلیون پوند) ] در لیگ قهرمانان انگلیس با موفقیت رقابت کند.

این مدل عملکرد در نقل و انتقالات، به باشگاه‌ها یک مزیت رقابتی می‌دهد تا به بهترین شکل از منابع محدودشان بهره ببرند.

استعدادیابی هوشمند: لیورپول

باشگاه لیورپول (Liverpool) یک تیم تحقیقاتی چهار نفره را استخدام کرد که به معنای واقعی کلمه، تیم رویایی تجزیه و تحلیل فوتبال است. باشگاه‌های فوتبال هنگامی که مشتاق تجزیه و تحلیل داده‌ها هستند معمولاً در اکثر مواقع یک فرد را با خود دارند. داشتن چهار نفر واقعاً بی‌سابقه است، در واقع انقلابی می‌باشد.

در سال ۲۰۱۰ باشگاه لیورپول توسط کمپانی آمریکایی Fenway Sports Group(FSG)، از صاحبان تیم بیسبال Boston Red Sox، خریداری شد.  در سال 2002 با اشتیاق به سابرمتریکس (sabermatics)، تیم ردساکس (red sox) برای به خدمت گرفتن بیلی بین (Billy Bean) تلاش کرد ولی او با رد این پیشنهاد ترجیح داد که در Oakland athletics بماند. پس در عوض red sox به بیل جیمز (Bill James) به‌عنوان یکی از پیشگامان سابرمتریکس، برای مشاور ویژه‌ی باشگاه مراجعه کرد.

اصطلاح سابرمتریکس توسط خود بیل جیمز ابداع شد که در این اصطلاح واژه‌ی saber را از مخفف (society for American baseball research) (انجمن تحقیقات بیسبال امریکا) که در سال ۱۹۷۱تاسیس شد، بدست آورد.

ردساکس برای 84 سال موفق به بردن سری جهانی (World Series) نشده بود و ظاهراً آنها به نفرین بامبینو (bambino)* (شرحی از نفرین بامبینو را در پاورقی خواهید دید) دچار شده بودند. دو سال پس از ورود ردساکس، Fenway توانست نفرین را بشکند و به یکی از بهترین تیم‌های تاریخ بیسبال تبدیل شود. در سال‌های ۲۰۰۷،۲۰۱۳ و ۲۰۱۸ بار دیگر سری جهانی را آن خود کند.

در لیورپول با وجود قرارداد با لوئیز سوارز و جردن هندرسون، اوضاع برای کومولی (Comolli) که در سال 2012 باشگاه را ترک کرد، مطابق انتظار پیش نمی‌رفت. اگر چه قبل از ترک لیورپول او یک قرارداد مهم را به انجام رساند، مردی که در موفقیت‌های اخیر لیورپول نقش محوری داشت. این بار ما در مورد یک فوتبالیست صحبت نمی‌کنیم بلکه منظور یک دیتا آنالیست است، مایکل ادواردز (Michael Edwards).

مایکل ادواردز که توسط کومولی به عنوان سرپرست بخش عملکرد و آنالیز معرفی شد، در نوامبر ۲۰۱۶ به عنوان اولین مدیر لیورپول منصوب گردید. به همراه سرپرست استخدام و سرپرست استعدادیابی تیم تحقیقات ۴ نفره به سرپرستی یان گراهام (Ian Graham) و دفید استیل (Dafydd Steele) شروع به کار کردند. این تیم واقعاً تیم رویایی آنالیز فوتبال می‌باشند.

توانایی درک و کشف داده‌ها به لیورپول این امکان را داد که بازیکنانی که بیشترین انطباق را با سیستم بازی کلوپ داشتند، جستجو کند. یکی از عوامل مهم رشد و شکوفایی لیورپول هم‌افزایی روشنی بود که بین کادر فنی به سرپرستی یورگن کلوپ و دانشمندان داده وجود داشت و با اعتماد و احترام کامل به پیش می‌رفت.
کمیت و کیفیت بالاتر داده‌های لیورپول به آنها این اجازه را می‌داد که آگاهانه‌تر از رقیبان خود در نقل و انتقالات عمل کنند، چونکه برخلاف دیگر رقیبانشان اطلاعات بیشتری از بازیکنان در اختیار داشتند که برای آنها ریسک کمتری را در قیمت‌گذاری بازیکنان ایجاد کند.

خریدهای محمد صلاح ،آلیسون، و ویرجیل وندایک در آن زمان بسیار گران به نظر می‌رسید. در عوض ارزش این بازیکنان از زمانی که لیورپول آنها را خریداری کرده است به‌طور قابل ملاحظه‌ای افزایش یافته است. در جدول زیر مهمترین خریدهای لیورپول ( بالاتر از ۱۰ میلیون) از سال ۲۰۱۷/۲۰۱۶ ( اولین فصل کامل ادواردز به عنوان مدیر ورزشی) را آورده‌ایم و آن را با درآمد فروش یا ارزش فصلی آنها مقایسه می‌کنیم.

پس فرمول مخفی که لیورپول و برنتفورد استفاده می‌کنند چیست؟

به عقیده ما این امر به دو عامل اصلی بر می‌گردد که با هم یک فلسفه اساسی را تشکیل می‌دهند، جستجوی مقبولیت.

استفاده از این روندِ نقل و انتقالاتی، به باشگاه‌ها این فرصت را می‌دهد که اقدامات مربوط به نقل و انتقال بازیکنان به روی استعدادهای کشف نشده یا بازیکنانی که بیشترین سازگاری را با سبک بازی تیم دارند سرمایه‌گذاری کنند. بهترین حالت یک انتقال موفق، رسیدن همزمان به این اهداف است و به نظر نمی‌رسد که لیورپول از آن دور باشد.

نترسیدن از فروش یک بازیکن کلید رویکرد مالی لیورپول و برنتفورد در پنجره‌های نقل و انتقالات است. باشگاه‌های فوتبال اغلب ملاحظات بلند مدت و منطقی را فراموش می‌کنند و تصمیمات‌شان را بر اساس احساسات کوتاه مدت هوادارانشان بنا می‌کنند.

برای موفقیت مالی طولانی مدت یک باشگاه، مهم است که تا حد ممکن منطقی باقی بمانیم و با توجه به این نکته گزینه‌ی بهتری از تجزیه و تحلیل داده‌ها و علم‌ داده وجود ندارد.

همانند برنتفورد، متئو بنتهام، لیورپول ترس از فروختن بازیکنانم مهم ندارد ( سوارز، کوتینیو و…) چون که این اقدامات به آنها فرصت سرمایه‌گذاری مجدد روی استعداد‌های کشف نشده یا بازیکنانی که بهتر با سبک بازی تیم سازگارند را می‌دهد.

پی‌نوشت: این مقاله اولین بار به زبان فارسی در این آدرس منتشر شده است. منبع اصلی برای انتشار، وبسایت انگلیسی زبان ساکرمنت بوده است. سایت ساکرمنت در خصوص استفاده از آنالیز داده‌ها در علوم ورزشی، خصوصاٌ فوتبال، تولید محتوا می‌نماید.

پاورقی: معروف‌ترین نفرین ورزشی نفرین بامبینو است. تیم ردساکس در دو دوره‌ی اول از مسابقات جهانی بیس‌بال، به دلیل داشتن ستاره‌ی جوانی به نام بیب روث (Babe Ruth) پیروز شد. آنها بهترین تیم بیس‌بال باقی ماندند و در مسابقات جهانی سال‌های ۱۹۱۵، ۱۹۱۶ و ۱۹۱۸ نیز پیروز باقی ماندند. در سال ۱۹۱۹ صاحب تیم برای تأمین مالی تئاتر No No Nanette او را به قیمت ۱۰۰/۰۰۰ دلار به تیم یانکیز (Yankees) نیویورک فروخت. پس‌ از آن تیم یانکیز بزرگ‌ترین استادیوم را در لیگ ساخت و در چهار دوره مسابقات جهانی پیروز شد. بعد از بازنشستگی بیب، آنها در ۲۲ مسابقه‌ی دیگر نیز پیروز شدند و نهایتاً پس از ۸۶ سال تیم ردساکس توانست طلسم را بشکند و در مسابقات سال ۲۰۰۴ پیروز شود. (این پاورقی از این صفحه اخذ شده است)

پست‌های مرتبط با این مقاله:

6 پاسخ

  1. سلام خسته نباشید. من دانشجو رشته ریاضیات و کاربردها هستم و این ترم مرخصی گرفتم و دوماهی میشه دارم کار برنامه نویسی بکند میکنم و میتونم تا ۴ ماه دیگه هم کار کنم. ولی نمیخوام تو حوزه بکند بمونم و میخوام زودتر دیتاساینس یاد بگیرم بنظر شما کار درستی هست استعفا بدم و تو این ۴ماه دیتاساینس یاد بگیرم؟

    1. سلام دوست عزیز، نیازی به استعفا نیست. کار رو رها نکن، چون هر چیزی از برنامه‌نویسی یاد بگیری، بعداً در پروژه‌های دیتاساینس بدردت می‌خوره. ولی در کنار همین کاری که الان داری، شروع کن به یادگیری. بعد از چهارماه وقتت آزادتر میشه و راهت رو جدی‌تر ادامه بده. موفق باشی عزیزه من

  2. سپاس فراوان از آقای جلوگیر و دکتر فزونی عزیز بابت تیم خوبشون. مقالات بسیار مفیدی در سایت منتشر میشه که من هر بار میام سر میزنم و مطلب میخونم کلی مطلب از شما یاد میگیرم. خیلی دوستون دارم. یک خاهش هم از آقای مهندس جلوگیر داشتم که اگر امکانش هست یک مطالعه موردی که با اعداد و ارقام بیشتر کار کنه رو هم برامون بزارند

  3. سلام و خسته نباشید البته چیزهای که در مورد علم داده ها نوشتن و دوست داشتم ولی کلا یخورده در مورد اینکه اون دوتا تیم چطوری بیشتر از حدشون مشت میزدن و اینکه اون دوتا سایت شرطبندی در این وضعیت این دوتا تیم چه نقشی داشتم هم توضیح میدادین ممنون واینکه این داده های که تو سایت های شرطبندی وجود داره از کجا امده وچرا اینقدر دقیق میتونن تشخیص بدن کارو که خود باشگاه از این کار باز مونده ممنون

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *