سالها تحلیلگران داده در فوتبال جدی گرفته نمیشدند، اما حالا مدلهای آماری، ستارهها را میسازند و مسیر قهرمانی را ترسیم میکنند. فوتبال دارد عوض میشود.
ایان گراهام، دانشمند دادهای که بعدها در موفقیتهای تاریخی لیورپول نقش مهمی ایفا کرد، با همین جمله از سوی مدیر جذب تاتنهام مواجه شد. تردید، تمسخر و مقاومت، بخشی از مسیر دشواری بود که پیشگامان داده در فوتبال برای اثبات خود پیمودند. اما آنچه روزی موضوعی حاشیهای و ناشناخته بود، امروز به یکی از ستونهای اصلی در ساختار فنی باشگاهها بدل شده است.
از بیاعتمادی تا پذیرش: فوتبال در برابر تحلیل داده
در دهه ۲۰۰۰، شرکتهایی مثل Opta و Prozone دادههایی از بازیها جمعآوری میکردند، اما تلقی عمومی از این اطلاعات بیشتر به «گزارش تعداد پاس و دویدن» محدود بود؛ نه چیزی که واقعاً به تصمیمگیری فنی کمک کند. حتی کسانی مثل مایکل ادواردز، که بعدها بهعنوان مدیر ورزشی لیورپول شناخته شد، بهشدت نسبت به تحلیل داده بیاعتماد بودند. تجربه شخصی او بهعنوان تحلیلگر در پورتسموث نشان داده بود که گزارشها با واقعیت بازی فاصله زیادی دارند.
اما اتفاقاتی مثل تحول لیورپول تحت هدایت یورگن کلوپ و با همکاری مستقیم گراهام و تیم تحلیلگرانش، ورق را برگرداند.
بر خلاف بیسبال، که دادههایش ساختاریافته و قابلتحلیل است، فوتبال بهدلیل پیچیدگی تعامل ۲۲ بازیکن، دینامیک بالای بازی و ابهام در تعریف مفاهیمی مثل پاس موفق یا دفاع خوب، بسیار سختتر تحلیل میشود. سارا رود، تحلیلگر سابق آرسنال، میگوید: «خیلی وقتها نمیدانستیم بازیکن قصد شوت داشت یا سانتر؛ همین یک چالش اساسی برای ساختن مدل تحلیلی است».
حتی تعریف سادهای مثل تغییر جناح موفق هم در عمل به بازبینی مربیان نیاز دارد، چون ممکن است انتقال توپ درست باشد، اما بازیکن پشتیبان در جای مناسب قرار نگرفته باشد. همین بازخوردها، گاهی باعث بازتعریف موفقیت در مدلها میشد.
ظهور xG و عصر جدید تحلیل عملکرد
تحلیلگرانی مثل سم گرین و سارا رود همزمان اما مستقل از هم روی توسعه مدل «گلزده مورد انتظار» (xG) کار کردند؛ آماری که حالا در گزارشهای تلویزیونی و اپلیکیشنهای هواداری استفاده میشود. xG تلاش میکند احتمال گل شدن هر شوت را با توجه به موقعیت مکانی، نوع ضربه و شرایط دفاعی تخمین بزند.
این مدلها، اگرچه در ابتدا بهندرت مورد توجه قرار میگرفتند، بعدها مبنایی برای تحلیل کیفیت موقعیتهای گل و ساختار حمله تیمها شدند.
باشگاههایی مثل برنتفورد و برایتون، تحت مالکیت چهرههایی مثل متیو بنهام و تونی بلوم با سابقه در دنیای شرطبندی، در استفاده تجاری و استراتژیک از داده پیشتاز بودند. این باشگاهها، با بودجه کمتر، بازیکنان ارزانتری جذب میکردند، آنها را توسعه میدادند و با سود به فروش میرساندند.
در آرسنال، تیمی به رهبری سارا رود دادههایی اختصاصی از نحوه دفاع، موقعیتگیری، و ردیابی رفتار بازیکنان طراحی کرد؛ دادههایی که حتی هنوز در بیشتر باشگاههای دنیا وجود ندارند. نتیجه؟ تغییر محسوس نسبت «موفقها به شکستها» در خریدهای نقلوانتقالاتی از سال ۲۰۲۰ به بعد.
همه مخالفاند، تا وقتی موفقیت را ببینند
تد ناتسون، موسس Statsbomb، تجربه همکاری با باشگاههایی داشته که یا مدلهای او را نادیده میگرفتند یا خواهان تغییر دادهها بودند. او میگوید: «حتی باشگاههایی بودند که برای تغییر گزارشها فشار آوردند اما ما با آنها قطع همکاری کردیم چون صداقت، ارزش بیشتری دارد».
از طرف دیگر، وقتی موفقیت مدلها ثابت میشد، همان مدیرانی که دیروز تمسخر میکردند، حالا بهدنبال استخدام متخصصان داده میرفتند. امروز در بسیاری از باشگاهها، حتی مدیران فنی سابقه فعالیت در تحلیل داده دارند.
آینده از آن تمرین است، نه فقط خرید
گرچه تمرکز بسیاری از پروژههای دادهای روی جذب بازیکن بوده، تحلیلگران معتقدند آینده بزرگتر در حوزه تمرینها و توسعه فردی نهفته است. استفاده از تکنولوژیهایی مانند دوربینهای فوقسریع و رادارها میتواند دقت در ضربهزنی یا توانایی پاسبلند را ارتقا دهد؛ قابلیتی حیاتی در مدافعان مرکزی مدرن.
انسان یا ماشین؟ پاسخ پیچیده است
با وجود همه پیشرفتها، تحلیلگران داده تأکید میکنند که مغز انسان هنوز در برخی تصمیمهای سریع (مثل فضاهای باز لحظهای در بازی) از مدلها بهتر عمل میکند. ایان گراهام میگوید: «داده هنوز در تاکتیکها نقش زیادی ندارد چون مدلهای رهگیری پیچیده، فقط در اختیار چند باشگاه بزرگ هستند. و تا وقتی مربی را قانع نکنی، هیچ مدل موفقی کار نمیکند».
راه دراز فوتبال ایران
با وجود پیشرفت جهانی تحلیل داده در فوتبال، در ایران هنوز استفاده سیستماتیک از دادهها در سطح باشگاهی در مراحل ابتدایی قرار دارد. برخی باشگاهها از نرمافزارهای آماری برای بررسی عملکرد بازیکنان استفاده میکنند، اما این ابزارها بیشتر بهعنوان مکمل گزارشهای چشمی دیده میشوند تا مبنای تصمیمگیری فنی یا نقلوانتقالاتی.
فقدان زیرساختهای سختافزاری مانند دوربینهای رهگیر، نبود تیمهای تحلیل داده داخلی و نبود ساختار مدیریت فنی مستقل (نظیر مدیر ورزشی) از مهمترین موانع گسترش تحلیل داده در فوتبال ایران است. در غیاب این مؤلفهها، استعدادسنجی، اصلاح تاکتیکها، و حتی برنامهریزی تمرینی همچنان وابسته به تجربه و شهود مربیان باقی مانده است. https://meliyat.com/vdcd.f092yt0kza26y.html
meliyat.com/vdcd.f092yt0kza26y.html
منبع : خبرگزاری فارس