CC BY
56
УДК 796
X-ГИД ПО ФУТБОЛЬНОЙ АНАЛИТИКЕ
Молдагереев Марат Мырзабаевич
ОЧУ ВО «Московская международная академия» Москва, Россия
Аннотация. Аналитика является одним из важнейших инструментов в современном спорте. Она помогает количественно оценить отдельные события внутри игры, чтобы дать представление о вероятности успеха забить гол. Футбольная аналитика только начинает диктовать свои условия традиционному миру футбола. Немногие тренеры и управленцы готовы воспринимать ее всерьез прямо сейчас, но, безусловно, она даст свои результаты в самом недалеком будущем.
Ключевые слова: аналитика, футбол, анализ, статистика, эффективность, рейтинг, радар игрока
FOOTBALL ANALYTICS X-GUIDE
Moldagereev M^.
Moscow International Academy Moscow, Russia
Abstract. Analytics is one of the most important tools in modern sports. It helps to quantify individual events in the game to give an idea of the likelihood of success scoring a goal. Football analytics is just beginning to dictate its terms to the traditional football world. Only few coaches and managers are ready to take it seriously right now, but, of course, it will give its results in near future.
Keywords: analytics, football, analysis, statistics, efficiency, rating, player radar
По сравнению с другими крупными видами спорта, футбол не принимает аналитику, как науку, в своей игре. Футбол - чрезвычайно традиционный вид спорта, который, как и все, основанное на традициях, не хочет меняться, поэтому неприятие аналитики не вызывает удивления. Есть некоторые управленцы, которые игнорируют данную науку, но также есть прослойка тех, кто использует ее во благо, используют, ради конкурентного преимущества, - и это действительно работает в некоторых случаях.
В игре, столь же подвижной, как футбол, трудно объективно и универсально понимать игру, тем более при наличии столь широкого разнообразия разных мнений игроков, фанатов, тренерского штаба и СМИ. Тем не менее, недавний рост аналитики в футболе обеспечивает элемент объективности. Он вводит новые меры предсказуемости, которые поощряют анализ, в области, где он в настоящее время отсутствует.
Еще одна причина, по которой футбольная аналитика не принимается общественностью, связана с редкостью и недоступностью данных. Не говоря уже о сложности и количестве данных, необходимых для полной оценки игры в виде спорта, где большинство действий происходит в движении, без остановок, а вариантов исхода матча - бесконечное множество. Компания, которая владеет монополией на передовые футбольные данные, называется «Opta», и они отслеживают каждую игру в каждой крупной футбольной лиге по всему миру. Так как во всем мире каждую неделю играются тысячи матчей, которые нужно охватить, множество вещей, которые нужно отслеживать, и лишь несколько крупных компаний, занимающихся этим, нетрудно понять и осознать, почему эти данные легко монополизировать. В результате монополизации эти данные либо трудно извлечь из Интернета, либо они слишком дороги для личного использования, поскольку считается, что они оцениваются в че-тырех-пятизначном диапазоне в год. В результате сложно, но не невозможно практиковать анализ данных футбольных матчей.
Хотя есть и другие способы! Такие сайты, как «WhoScored» и «Squawka», предлагают простую игровую статистику для команд и игроков, хотя их нельзя экспортировать традиционными методами, а парсинг этих данных сложен. Для MLS (высшая футбольная лига США), в частности, «American Soccer Analysis» предлагает множество функций, которые помогают вам вносить свои изменения или исправления для расширенной статистики, которая будет освещена в статье. Эти концепции могут использоваться в качестве инструментов оценки, для проверки и перепроверки экспертного анализа скаутов и тренеров или просто для улучшения восприятия игры.
Как команды используют аналитику Хотя статистический анализ не является чем-то новым для футбола - там, где, например, регистрируются ассистирующие пасы, завершенные пасы и совершенные удары, такая статистика предоставляет информацию об опре-
Вестник ММА №2-2019 55
деленных событиях в игре, но при этом не хватает дополнительной информации о дальнейших исходах в течение матча. Футбольная аналитика помогает выявлять и получать представление о выступлениях игроков и их потенциала на основе предыдущих источников данных, собранных из истории прошлых выступлений. Эти усовершенствования позволяют тренерам и менеджерам использовать эти данные для планирования более эффективных программ обучения и тренировок, выбора стартового состава команды и стратегии на игру.
Аналитика может быть разбита на технические и физические категории. Физические аспекты учитывают пройденное расстояние, интенсивность, количество ускорений и замедлений, а также прыжки и приземления. Эти данные чаще всего используются для мониторинга индивидуальных тренировочных нагрузок, что помогает минимизировать количество получаемых травм. «Seattle Sounders» из «Major League Soccer» в основном сосредоточен на спортивной науке, а также на физической аналитике, чтобы обеспечить игрокам максимальную разрешенную физическую нагрузку и предотвратить травмы.
Тем не менее, техническая аналитика выступает в качестве инструмента, чтобы помочь игрокам и тренерам количественно оценить индивидуальные и командные выступления. Эта информация используется для улучшения как индивидуальных, так и командных выступлений и разработки успешных стратегий для предстоящих игр. Эти механизмы могут также предоставлять информацию для прогнозирования результатов игр, создания новых игровых стратегий, определения ценовой (выраженной в валюте) ценности игрока и соединения игроков с брендами, и активизации спонсорских контрактов. Де-вин Плойлер, старший менеджер по аналитике в футбольном клубе Торонто, объясняет важность аналитики в «Major League Soccer»: «Игроки имеют ограничение по зарплате, но на отдел аналитики никаких ограничений не возложено, и аналитика является относительно дешевым путем стать лучше на фоне остальных команд в лиге». Аналитика помогает нам количественно оценить отдельные внутри игровые события, чтобы дать представление о вероятности успеха, часто оцениваемой путем оценки потенциальной возможности забить гол. Наши формулы присваивают значения событиям - событиям каждой категории статистики, - чтобы лучше понимать и координировать тактику и внутри игровые системы. Тренеры и менеджеры могут использовать эти данные для настройки и понимания тактических схем для будущих игр, которые подкреплены объективной информацией, что приводит к более высоким показателям успеха на поле.
Неудивительно, что в игре, где аналитика наконец начинает выбивать место для себя, два специалиста, которые используют ее наиболее активно и эффективно в «MLS», попали в финал Кубка «MLS» друг против друга. Эти две команды впервые участвовали в финале Кубка «MLS», и старший менеджер
по аналитике «Toronto FC» бросил вызов директору аналитикого департамента «Sounders», Рави Раминени, предложив дружеской ставку:
Hey @analyseFooty, I'd like to propose a
Winner keeps the loser's calculator.
Мы не знаем, отказался ли Девин от своего калькулятора или нет, так как в итоге «TFC» проиграл. Если он это сделал, возможно, он получил его обратно в следующем году, когда «TFC» одержал победу над «Sounders».
Ожидаемое количество голов (xG)
Наиболее популярным и наиболее цитируемым расширенным показателем в футбольной аналитике является «Ожидаемое количество голов» (xG). Как правило, ожидаемые голы - это количество голов, на которые игрок должен был рассчитывать, исходя из его шансов забить во время матча. Есть много моделей, пытающихся просчитать ожидаемое количество голов: некоторые лучше, чем другие, но ни одна не идеальна. Основные два источника входящих данных, которые можно найти в большинстве, если не во всех моделях xG, - это место, откуда был совершен удар по воротам, и как был сделан этот удар.
Вопрос «откуда» при оценке удара относится как к расстоянию, так и к углу нанесенного по воротам удара. Логично, что, чем дальше игрок от цели, тем менее вероятно, что его удар приведет к голу. Это отражается в этой статистике, поскольку удары с расстояния обычно имеют более низкий показатель xG, чем те, которые были нанесены ближе к воротам соперника. В модели американского футбольного анализа они учитывают, каков был угол ворот при нанесении удара по воротам. Чем ближе игрок находится к линии ворот, тем меньше угол попадания будет ему открыт. Чтобы компенсировать и отразить эти данные, более острый угол при нанесении удара по воротам приведет к уменьшению показателя ожидаемых голов.
Определить, как был совершен удар, немного сложнее, так как он состоит из способа и манеры, которым был совершен удар по воротам, а также из фазы нападения, ведущей к удару. Более высокие вероятности присуждаются ударам, совершенным ногой игрока, а не головой. Это просто потому, что статистически удар, совершенный ногой, более вероятен, чем удар головой. Фаза нападения до удара обязательно влияет на рейтинг ожидаемого количества голов. Например, выстрел, сделанный с 30 метров в контратаке, получит
более высокий рейтинг ожидаемого количества голов, чем тот же самый удар, совершенный в результате подачи углового. Причиной этому является концепция, обусловленная временем и пространством, которые игроку доступно в том или ином эпизоде игры. Как правило, в быстром прорыве игрок имеет больше места и может совершить свой предпочтительный удар. В тоже время, при розыгрыше углового, концентрация игроков соперника в штрафной зоне выше, и шанс промахнуться или попасть в другого игрока вырастает.
Что же нам может рассказать рейтинг ожидаемого количества голов?
Разумные выводы, которые можно сделать из коэффициента ожидаемого количества голов, заключаются в том, как часто игрок находится в хорошем положении, чтобы забить, и делает себя доступным для хороших моментов, насколько хорошо он открывается. Сравнение их рейтинга xG с их фактическим количеством забитых голов даст вам показатель завершающей способности игрока, а также того, насколько удачлив футболист. Представьте ситуацию: футболист бьет по пустым воротам, находясь в пяти метрах от линии ворот, а вратарь и защитники команды соперников далеко позади. Шанс забить с такого расстояния равен 95%. Но футболист совершает удар который чудом летит мимо ворот. Количество голов этого игрока будет равно нулю, но число xG будет 0,95. Игрок попал в хорошую позицию, чтобы забить, но завершил атаку слабо. Если он продолжит в том же духе, будет наблюдаться большой разрыв между ожидаемым количеством голов и фактическим, и этот игрок может считаться плохим завершителем атак.
С другой стороны, допустим, что два игрока в двух разных играх совершают один и тот же удар (который считается ударом в 50% или 0,5 xG) против двух вратарей, стоящих в одном месте. Один вратарь прыгает и делает невероятный сейв, в то время как другой терпит неудачу. Игрок, который не забил, штрафуется в голах за неудачный совершенный удар против лучшего вратаря, который находится вне их контроля. Иногда факторы, неподконтрольные игроку, могут в краткосрочной перспективе повлиять на их рейтинг ожидаемого количества голов, нормализуясь ближе к общему количеству реальных забитых голов в более крупной выборке, где удача не повлияет на них так сильно.
На AmericanSoccerAnalysis.com вы можете найти постоянно обновляемые подсчеты «MLS» рейтинга ожидаемого количества голов по матчам, игрокам и командам. В Твиттере пользователь 11tegen11 размещает игровые карты рейтинга xG, которые были набраны каждой командой в игре, и выдает шансы каждой команды на победу в зависимости от их показателя ожидаемого количества голов. Это отличный способ определить, какие команды действительно получили лучшие шансы, но столкнулись с неудачей или хорошим вратарством. Его диаграммы обычно выглядят так:
Montreal Impact 1 -0 Toronto FC USA Major League Soccer 2018 17-03-2018
1.27 0.96
m
Каждый шанс забить гол обозначается линией, поднимающейся выше. Чем больше рост столбца, тем выше шансов, исходя из ожидаемого количества голов, на забитый гол, что означает, что они с большей вероятностью забьют. В данном случае видно, что Йелссон Варгас забил с вероятностью ~ 0,1xG, что означает, что он должен был забивать после каждых десяти попыток. Итоговые значения рейтинга ожидаемого количества голов были равны 1,27 для Монреаля и 0,96 для Торонто, что привело к выводу, что это была довольно ровная игра, которая могла бы пойти в любую сторону. Это также можно увидеть в коэффициентах на матч в верхнем левом углу (карта коэффициентов похожа на флаг Франции для этого матча). Это означает, что в играх, где одна команда выставляет ~ 1.27 xG, а другая ~ 0.96, команда с более высоким xG будет выигрывать в 43% случаев, играть вничью в 30% случаев, и выигрывать в 28% случаев. Так что «Toronto FC» может считать себя немного невезучим, если не сможет набрать ни одного очка в данном матче.
Ожидаемое количество голевых передач (xA) и ключевые пасы
Рейтинг xG - наиболее распространенный инструмент для анализа того, насколько опасна команда соперников, в частности бьющие игроки команды. Тем не менее, он не учитывает, насколько эффективен игрок, отдающие голевые передачи. Вот почему был создан «ожидаемый результат голевого паса» или «xA». Рейтинг ожидаемого количества голевых передач предназначен для того, чтобы отдать должное игроку, который создает шанс не только игроку, который непосредственно работает на открывания. Это достигается путем присвоения случайному игроку рейтинга xG в виде xA. Поэтому, если сквозная передача приводит к шансу забить гол с рейтингом xG 0,4, игроку, отдавшему такой пас, будет присвоен рейтинг xA 0,4.
Но умение создавать шансы для команды - это не только xA, нам стоит еще учитывать показатель количества ключевых пасов игрока. Ключевые пасы определяются как «последний пас, ведущий к удару по воротам». Прелесть этого статистического показателя в простоте. Пока принимающий игрок наносит удар по ворота, пасующему записывается ключевой пас независимо от результата удара. Таким образом, это довольно легко отслеживать и регистрировать во время игры и даст зрителю приличное представление о том, какие
игроки создают шансы для атакующей команды. Однако простота ключевых пасов и передач также является их недостатком. Поскольку каждый ключевой пас получает одинаковый рейтинг 1, он не учитывает тип созданного шанса. Передача на три метра, ведущая к удару по воротам, который ушел левее ворот на 10 метров стоит столько же, сколько и простельная передача, ведущая к забитому голу.
В отличие от ожидаемого количества голевых передач, ключевые пасы не дифференцируются и менее эффективны для фактического измерения общего эффекта творчества и мысли пасующего игрока.
Сравнение игроков (Радары) Одним из наиболее полезных и простых для интерпретации инструментов (в основном), доступных для общественности, являются радары игроков. Из-за ограничений в отношении данных, описанных ранее, их не так-то просто сделать, но, к счастью, в социальной сети Твиттер есть несколько человек, которые публикуют их на постоянной основе, и это, по сути, создало базу данных. Вот пример радара игрока, созданного Тедом Кнутсоном (@mixedknuts) для Себастьяна Джовинко в сезоне 2016 года:
Может показаться, что на радаре много чего происходит, но на самом деле все довольно просто. Одиннадцать статистических показателей подсвечиваются выше, выбираются в зависимости от амплуа игрока (в данном случае Джовинко - нападющий). Каждый из них представлен на основе «рег90» (за 90 минут игрового времени), поэтому все форварды оцениваются по одной
шкале. Чем ближе значение каждого показателя к внешним областям круга, тем ближе этот игрок к тому, чтобы быть лучшим в своей соответствующей лиге. Внешний круг представляет верхний 5 процентиль, в то время как середина круга представляет нижний 5 процентиль для игроков в том же соревновании. Если у игрока есть характеристика, которая касается внешнего обода круга, он, вероятно, будет считаться элитным футболистом в этой категории. Если статистика игрока около середины, это может быть индикатором либо их стиля игры, либо того? Что ему стоит еще усердней тренироватсья. Количество сквозных передач в 0,39 не имеют никакого отношения к 1,2 потерям вообще, кроме того, что представляют один и тот же процентильный ранг для каждой другой характеристики.
Из этого радара мы можем видеть, что Джовинко - нападающий с чрезвычайно высоким количеством совершаемых ударов по воротам, что отражается в его показателях нанесенных ударов за 90 минут и низком рейтинге ожидаемого количества голов за удар. На первый взгляд, его процент успешности совершенных передач кажется низким, но, учитывая, что его количество передач прямиком в штрафную команды соперников намного выше среднего, его можно считать выдающимся распасовщиком. Вы, наверное, уже знали об этом, но радар заявляет и показывает, что Себастьян Джовинко - фантастический футболист и доминирует в «MLS». Это действительно подчеркивает красоту футбольной аналитики, радары способствуют подтверждению экспертного анализа.
Чтобы получить доступ к этим радарам игроков, требуется немного поработать. Сначала перейдите на страницу поиска в Твиттере (не требует учетной записи). Три человека, которые постоянно публикуют их: @Mixedknuts, @Fussballradars и @thefutebolist. Введите любое из их имен (начните с @ Mixedknuts, его база данных, вероятно, самая большая, затем перейдите к двум другим) и затем имя игрока, которого вы ищете. Иногда лучше отфильтровать по фотографиям, так как все радары появятся именно там. Так вы скорее всего сможете найти радар, который вы ищете. Если это не дало никаких результатов, все еще не совсем безнадежно. Тед Кнутсон иногда открывает строку запроса в Твиттере, поэтому, если вам нужен радар на игрока, у которого его еще нет, вы можете запросить его таким образом.
Влияние забитых голов
Влияние забитых голов - это важная концепция, особенно для зрителя, поскольку она может помочь объяснить некоторые явления, возникающие в каждом матче. Идея заключается в том, что, когда команды побеждают, они склонны играть от обороны и больше защищаться, а пока они проигрывают, они продвигаются вперед. Кажется очевидным, верно? То, что не всегда очевидно для большинства людей, это то, как это повлияет на ход игры, финальную статистику и качество ожидаемых ударов по воротам. «Statsbomb»
провел подробный статистический анализ влияния забитых голов, который показывает некоторые математические и статистические данные, которые они использовали для подтверждения данной гипотезы.
По сути, они обнаружили, что, когда команды лидируют в игре, они, как правило, образуют «защитную оболочку», которая укрепляет их в обороне и игроки выигрывающей команды опускается глубже, ближе к своим воротам. Это делается потому, что для них предотвращение возможных голов будет более ценным, чем попытка забить еще один. Такие команды имеют тенденцию допускать больше ударов с дальней дистанции, и эти удары обычно имеют более низкий рейтинг ожидаемого гола.
С другой стороны, когда команды проигрывают, они будут иметь тенденцию совершать больше ударов в более отчаянной попытке забить гол. Эти удары, как правило, будут менее качественными из-за этого отчаяния и отсутствия возможности ждать идеальный шанс. Показатели конверсии (вероятность того, что нанесенный удар превратится в гол), как правило, ниже, что является еще одним доказательством, что такие удары менее качественны.
Сложите все это во едино, и в конце игры вы сможете увидеть очень однобокую статистику, если одна из команд выигрывала на протяжении большей части матча. Это может нарисовать картину, что одна команда доминировала и ей повезло. Это может быть, конечно, правдой, но, надеюсь, со знанием концепции влияния забитых голов, вы сможете увидеть, что такая игра и была, возможна, спланирована более организованной командой с самого начала.
Футбольная аналитика только начинает диктовать свои условия традиционному миру футбола. Немногие тренеры и управленцы готовы воспринимать ее всерьез прямо сейчас, но, безусловно, она даст свои плоды и, как следствие, результат в самом недалеком будущем.
Литература
1. Radar Love; url: https://statsbomb.com/category/radar-love/
2. Soccer's Moneyball Moment: How Enhanced Analytics Are Changing The Game; url: https://www.forbes.com/sites/robertkidd/2018/11/19/soccers-moneyball-moment-how-enhanced-analytics-are-changing-the-game/
3. Why Aren't Soccer Analytics a Bigger Deal? url: https://unprofession.com/ why-arent-soccer-analytics-a-bigger-deal-706670ab8685
4. What Analytics Can Teach Us About the Beautiful Game; url: https:// fivethirtyeight.com/features/what-analytics-can-teach-us-about-the-beautiful-game/
5. The beautiful game discovers that algorithms can be beautiful, too; url: https:// www.washingtonpost.com/news/soccer-insider/wp/2018/03/01/the-beautiful-game-discovers-that-algorithms-can-be-beautiful-too/?noredirect=on&utm_ term=.1c5a860a094e
