«Η στατιστική ανάλυση αλλάζει τον τρόπο που βλέπουμε το ποδόσφαιρο!» (pics & vid)

Stoiximan: Παίξε με 100€ bonus, Αγώνες με 0% γκανιότα καθημερινα, Πριμ στο παρολί, Κορυφαίες αναμετρήσεις σε live streaming

Μπορεί το ποδόσφαιρο να γίνει Football Manager; Σε ποιο σημείο έχει φτάσει το σκάουτινγκ εν ετει 2018; Το G- Weekend συνάντησε τον Άντελ Σρχιρ, στέλεχος της SAS, για τη SciSports, που προχωράει την ανάλυση δεδομένων στο επόμενο επίπεδο και την οποία συμβουλεύτηκε ο Μέμφις Ντεπάι για να διαλέξει την επόμενη ομάδα του!

Big data, predictice analysis, τεχνητή νοημοσύνη, machine learning. Πολλές από τις παραπάνω έννοιες παραμένουν άγνωστες στο κοινό, αλλά και σε προπονητές ή τεχνικούς διευθυντές και πάσης φύσεως υπεύθυνους ποδοσφαιρικών ομάδων. Σε μια εποχή όμως που η Ντόρτμουντ μπορεί να στείλει άνθρωπο στη Νότια Κορέα ως και 6 φορές για να διαλέξει ποδοσφαιριστή και που οι βοηθοί προπονητών σε πολλές ομάδες έχουν σαν προέκταση του χεριού τους ένα τάμπλετ ή ένα λάπτοπ, με πίνακες και γραφήματα ανοικτά, πόσο λογικό είναι να αγνοούμε πως η επόμενη «μέρα» της ανάλυσης έφτασε;

Το Gazzetta Weekend Journal παρακολούθησε μέρος των ομιλιών της SAS Analytics Day 2018, που είχε καλεσμένα στελέχη από επιχειρήσεις παντός επιστητού. Σκοπός ήταν η συνάντηση με τον Χιλς Μπρόουερ, ιδρυτή και Διευθύνοντα Σύμβουλο της SciSports Netherlands.

Η SciSports είναι μια εταιρία που ξεκίνησε ως… έμπνευση από το Football Manager και αποφάσισε να συμβάλλει στην επιστημονική πρόοδο της μελέτης του παιχνιδιού. Σωστές πάσες, στατιστικά, κινήσεις στο γήπεδο και ανάλυση σε κάθε τι συμβαίνει στο χορτάρι. Η συνέχεια; Τα SciSkills, μια ολόκληρη βάση δεδομένων με αναλυτικά χαρακτηριστικά των παικτών όλου του κόσμου, πρόβλεψη για την εξέλιξή τους και συμβουλές σε παίκτες που ετοιμάζονται για μεταγραφή και ομάδες που ψάχνουν να βρουν λύσεις για την αγορά ενός παίκτη και να «ξεψαχνίσουν» τους αντιπάλους τους!

Δυστυχώς, ο Χιλς Μπρόουερ αντιμετώπισε ένα έκτακτο πρόβλημα, που δεν του επέτρεψε να ταξιδέψει στην Αθήνα. Αντ’ αυτού, καταφέραμε να μιλήσουμε με τον Άντελ Σρχιρ, που εργάζεται στη SAS και είναι υπεύθυνος  για την ανάπτυξή της στη βόρεια Ευρώπη και τη Μέση Ανατολή, όπως επίσης και για συγκεκριμένες συνεργασίες της εταιρίας. Μια απ’ αυτές είναι και η SciSports, την οποία πια γνωρίζει καλά και ως ποδοσφαιρόφιλος, δεν… χορταίνει!

Χρησιμοποιώντας το λογισμικό και το software της SAS, η ολλανδική Sci Sports, που συνεργάζεται επίσημα με την Χέρακλες και μια… μεγάλη ομάδα του Λονδίνου, (σ.σ δεν επιτρέπεται να αναφέρονται ονομαστικά στον σύλλογο) αναπτύσσει συνεχώς νέα χαρακτηριστικά.

Ο Άντελ Σρχιρ ήταν παραπάνω από πρόθυμος να μας εξηγήσει σε ποιο σημείο βρίσκεται σήμερα η καταγραφή αγωνιστικών δεδομένων, μιλάει για τον Μέμφις Ντεπάι, που όταν έψαχνε την «έξοδο» από τη μιζέρια που ζούσε στη Μάντσεστερ Γιουνάιτεντ, απευθύνθηκε στη SciSports για να βρει λύση και εξηγεί τη δουλειά των αναλυτών και το ρόλο τους στο σύγχρονο ποδόσφαιρο.

– Τι ακριβώς κάνετε, σε συνεργασία με παίκτες, μάνατζερ ή συλλόγους;

Συνεργαζόμαστε με όλους αυτούς! Αναλύουμε αγωνιστικά χαρακτηριστικά και δεδομένα, για λογαριασμό όποιου μας τα ζητάει.

Ο Μέμφις Ντεπάι είναι ένα απλό παράδειγμα. Εκείνος απευθύνθηκε μόνος του στην Sci Sports. Έπαιζε  στη Μάντσεστερ Γιουνάιτεντ, όμως δεν ήταν ευτυχισμένος εκεί. Ήθελε να κάνει την επόμενη κίνηση στην καριέρα του, όμως ήθελε να κάνει τη σωστή επιλογή. Να παίζει περισσότερο, να βρει ξανά τη «χαρά» του παιχνιδιού. Η εταιρία λοιπόν επικεντρώθηκε σ’ εκείνον, τον επισκέφθηκε στο σπίτι του, κάθισαν στον καναπέ του, είδαν μάλιστα παρέα κι ένα παιχνίδι Champions League! Εκεί ο Μέμφις εξήγησε όλα όσα έψαχνε, δηλαδή μια ομάδα που θα του παρέχει ελευθερία, να παίζει στην επίθεση και να ασχολείται λιγότερο με την άμυνα, ώστε να αναδείξει τις πλήρεις δυνατότητές του. Η Sci Sports συνέλεξε τις πληροφορίες, τις «μετέφρασε» σε δεδομένα κι έκανε τη δική της έρευνα. Με βάση το στυλ παιχνιδιού των ομάδων και τον τρόπο με τον οποίο στήνουν τις ομάδες οι προπονητές, απ’ όλες τις ευρωπαϊκές ομάδες ξεχώρισε 4-5. Μια απ’αυτές ήταν η Λυόν, που μάλιστα ενδιαφερόταν έτσι κι αλλιώς για τον παίκτη! Με βάση λοιπόν τα δεδομένα της Sci Sports, ο Μέμφις διάλεξε τη Λυόν. Όπως φαίνεται από τις επιδόσεις του, έκανε την σωστή επιλογή!

– Ποιος απευθύνεται στη Sci Sports?

Όλοι! Ατζέντηδες, παίκτες που ψάχνουν τον επόμενο σύλλογό τους, ομάδες που κάνουν σκάουτινγκ για τον επόμενο αντίπαλό τους, όπως και για τη δική τους ομάδα και για τους παίκτες που διαθέτουν. Η δουλειά λοιπόν της εταιρίας χωρίζεται σε τρία, ας τα πούμε, “επίπεδα”: παίκτες, αντίπαλος και η ίδια η ομάδα. Ένα τμήμα της Sci Sports αφορά αποκλειστικά αυτή την επεξεργασία των δεδομένων, σε ξεχωριστό χώρο στην εταιρία, όπου υπάρχουν άνθρωποι με ποδοσφαιρικές γνώσεις, που βοηθούν τις ομάδες να “μεταφράσουν” τα δεδομένα σε ανάλυση, η οποία μπορεί να χρησιμοποιηθεί από προπονητές.

– Δεν έχουν ούτως ή άλλως οι σύλλογοι τέτοιου είδους τμήματα; Ειδικά οι πιο εύρωστοι κι ανεπτυγμένοι, όπως η Μάντσεστερ Σίτι, η Τσέλσι ή η Μπαρτσελόνα;

Φυσικά. Όντως πάντα η Sci Sports πίστευε πως οι μεγάλοι σύλλογοι δεν θα θέλουν να δουλέψουν μαζί της, διότι έχουν τη δυνατότητα να διαθέτουν τέτοιου είδους υποστήριξη. Εντούτοις, απευθύνονται σ’ εκείνη και μεγάλοι σύλλογοι, αν και σίγουρα περισσότεροι είναι οι μικρότεροι σύλλογοι.

– Πότε ξεκίνησε η εταιρία και ποια είναι η πρόοδος που έχει κάνει;

Ιδρύθηκε το 2013 από τον Χιλς Μπρόουερ, που είναι και ο ιδιοκτήτης. Ήταν η δουλειά που έκανε στο Πανεπιστήμιο του Τβέντε, όταν και συνεργάστηκε για τη διατριβή του στο μεταπτυχιακό του με τον σύλλογο. Εξάλλου, είναι και μεγάλος οπαδός του Football Manager! Εκεί έκανε τα πάντα κι εκεί ακόμα αναλυτικά, το σκάουτινγκ, τη μελέτη, την αναλυτική έρευνα στα χαρακτηριστικά παικτών που ήθελε να αγοράσει στο παιχνίδι. Πίστευε λοιπόν  αυτονόητα πως κάτι αντίστοιχο θα κάνουν και οι επαγγελματικοί σύλλογοι στην πραγματικότητα. Αυτό όμως δεν ισχύει! Περισσότερο θα έλεγε κανείς πως, η πλειοψηφία τουλάχιστον, κάνουν τυχαίες κινήσεις, όπως έβλεπε κανείς και στην ταινία “Moneyball”.

Στο Πανεπιστήμιο έκανε μερικά μαθήματα με έναν καθηγητή που εξηγούσε τον τρόπο με τον οποίο η NASA επιλέγει τους ανθρώπους που θα στελεχώσουν την ομάδα που θα ταξιδέψει στο διάστημα. Εκεί κατάλαβε πως αυτό που κάνουν δεν είναι να κοιτούν τα ατομικά χαρακτηριστικά του καθενός, για να βρουν τους καλύτερους, αλλά τους πιο ταιριαστούς, τους πιο συμβατούς μεταξύ τους. Χρησιμοποιούν αλγόριθμους για να εξάγουν αποτελέσματα κι έτσι σκέφτηκε πως μπορεί να κάνει το ίδιο και στο ποδόσφαιρο, ώστε να βρίσκω τους παίκτες που θα συνθέσουν το πιο δυνατό σύνολο. Έτσι, ξεκίνησε να δουλεύει πάνω σε αυτό, μαζί με τον συγκάτοικό του και συνεργάτη του στη Sci Sports, τον Ανατόλι Μπάμπιτς, συνιδρυτή της εταιρίας, να αναπτύσουν τους δικούς τους αλγόριθμους, με το ποδόσφαιρο στο επίκεντρο.

Ουσιαστικά, μια καλή ομάδα δεν αποτελείται από τους καλύτερους παίκτες, αλλά από εκείνους που αλληλοσυμπληρώνονται ιδανικά. Έτσι, η Sci Sports δεν “μαζεύει” τους πιο καλούς, αλλά εκείνους που παίζουν καλύτερα σε ένα σύνολο.

Ίδρυσαν λοιπόν την εταιρία, ο Χιλς εγκατέλειψε το πανεπιστήμιο, χωρίς να το τελειώσει και ξεκίνησαν να δουλεύουν και να μεγαλώνουν. Στην αρχή ανέλυαν ομάδες κι έκαναν σκάουτινγκ για τις ομάδες, ενώ εδώ και περίπου 1,5 χρόνο ανέπτυξαν το σύστημα «BallJames», με τις κάμερες που παρακολουθούν το παιχνίδι. Βρήκαν ελεύθερες πηγές δεδομένων στο internet και παρατήρησαν πως τα στοιχεία με τα οποία τροφοδοτούσαν όσους τα ανέλυαν ήταν ανακριβή, ημιτελή και περίπου άχρηστα. Τότε σκέφτηκαν «είτε θα συνεχίσουμε να χρησιμοποιούμε αυτές τις πηγές και θα έχουμε τα ίδια προβλήματα, είτε θα αναπτύξουμε μια νέα τεχνική, πολύ πιο αναλυτική και εύστοχη. Έτσι προέκυψε το «BallJames».

ΤΙ ΕΙΝΑΙ ΤΟ «ΒΑLLJAMES»

– Το BallJames παράγει αυτόματα δεδομένα 3D από εικόνες βίντεο ποδοσφαιρικών αγώνων. Στο στάδιο εγκαθίστανται 14 κάμερες, οι οποίες καταγράφουν όλες τις κινήσεις στον αγωνιστικό χώρο. Το BallJames παράγει στη συνέχεια τα δικά του δεδομένα, όπως το οπτικό πεδίο, την κατεύθυνση και την ταχύτητα του περασμένου, τη δύναμη στα σπριντ, τα άλματα, τις κινήσεις των παικτών και πόσο κοντά η μπάλα παραμένει στο πόδι μετά από την πρώτη επαφή. Το “Polman” της Χέρακλες είναι το πρώτο και επί του παρόντος το μοναδικό στάδιο στον κόσμο εξοπλισμένο με αυτό το σύστημα. Αυτή τη στιγμή, η Sci Sports δουλεύει για την εγκατάσταση του συστήματος σε δύο άλλα γήπεδα, στο ένα εκ των οποίων αγωνίζεται ένας εκ των κορυφαίων συλλόγων στην Premier League.

– Ποια είναι η κατάσταση σήμερα στην συλλογή κι επεξεργασία δεδομένων, σε σχέση με 10 χρόνια πριν;

Υπήρχε μια έρευνα πριν 1-2 χρόνια περίπου που έδειχνε 100 εκατ. δολάρια που επενδύονταν στα sports analytics το 2014 και σύμφωνα με την πρόβλεψη, το ποσό θα ανέβει στα 4.7 δις το 2020! Αυτό δείχνει πως πρόκειται για μια πολύ δυναμική αγορά κι οφείλεται στην τεχνολογική ανάπτυξη. Υπάρχουν πολλά περισσότερα δεδομένα για να συλλέξει κανείς, ενώ και τα μέσα είναι πιο πλούσια. Αισθητήρες, κάμερες, συστήματα όπως το «BallJames». Εξάλλου κι εμείς στη SAS αναλύουμε big data και μας είναι πολύ πιο εύκολο να τα επεξεργαζόμαστε. Η τεχνητή νοημοσύνη και τα big data μπαίνουν στον κόσμο των σπορ κι αλλάζουν τον τρόπο με τον οποίο τα αντιλαμβανόμαστε.

– Πόσο μεγάλο είναι το πλεονέκτημα για τις ομάδες που μπορούν να αναπτύσσουν τέτοιες τεχνικές και να χρησιμοποιούν τέτοιες υπηρεσίες, σε σύγκριση με εκείνες που δεν έχουν την οικονομική δυνατότητα να το υποστηρίξουν;

Μακροπρόθεσμα ίσως αυτό φανεί, όμως οι μεγάλοι σύλλογοι πάντα έχουν το πλεονέκτημα, αφού έχουν περισσότερα χρήματα. Θα αγοράζουν πάντα καλύτερους παίκτες κλπ. Αυτό που δεν πρέπει να ξεχνάμε και το λαμβάνει υπόψιν της και η Sci Sports είναι πως τα πάντα θα εξαρτώνται από τους ανθρώπους. Όσα δεδομένα και να συλλέξει κάποιος, η ανάλυση δεδομένων δεν είναι το “ιερό δισκοπότηρο”. Πάντα πρέπει να δεις τον παίκτη με τα μάτια σου. Για παράδειγμα, ο Μάριο Μπαλοτέλι έχει εξαιρετικά νούμερα, Sci Skills, όμως έχει τα… νεύρα του κάθε δυο εβδομάδες!

Στις business οι επιχειρηματίες προσπαθούν συνεχώς να εξοικονομήσουν χρόνο, χρησιμοποιούν την έκφραση time-to-market. Εγώ στη συγκεκριμένη περίπτωση λέω πως η SciSports βελτιώνει το χρόνο για το σκάουτινγκ, το time-to-scout. Μπορεί κάποιος να αναλύσει καλύτερα τους παίκτες και σε μεγάλο εύρος. Μια ομάδα μπορεί να διαθέτει κατά μέσο όρο 4-6 σκάουτς, που όμως δεν μπορούν να καλύψουν όλο τον πλανήτη. Με τα big data μπορείς να βρίσκεις παίκτες, για παράδειγμα, στη Χιλή, στην οποία δεν είναι εύκολο για όλους να ταξιδεύουν συχνά.

– Μπορεί όμως κανείς να βασίζεται αποκλειστικά στα «ψυχρά» αριθμητικά δεδομένα; Αυτά δεν αποκλείουν εκ φύσεως τον παράγοντα-τύχη ή την ανθρώπινη έμπνευση;

Συμφωνώ, πιστεύω πως είναι δύσκολο μια έρευνα να αποκλείσει τα παραπάνω. Δεν μπορείς να εμπιστευτείς τα δεδομένα 100%, αλλά ελαχιστοποιείς το ρίσκο πολύ, σε σχέση με σήμερα. Ειδικά το ποδόσφαιρο είναι ένα άθλημα στο οποίο η τύχη και αστάθμητοι παράγοντες παίζουν σημαντικό ρόλο και πάντα θα είναι έτσι. Μια μικρή ομάδα μπορεί να κερδίσει τη μεγάλη. Πλέον όμως μπορείς να λαμβάνεις περισσότερα πράγματα υπόψιν κι αυτό ισχύει για όλους, “μικρούς” και “μεγάλους”. Επομένως, η ανάλυση δεν μπορεί να καλύψει τα πάντα, όμως μπορεί σίγουρα να σε βοηθήσει να κάνεις την καλύτερη δυνατή επιλογή.

– Ο Τσάβι κριτίκαρε πρόσφατα τα στατιστικά, θεωρώντας δεν λαμβάνουν υπόψιν παράγοντες που δεν γίνεται να καταγραφούν. Είπε για παράδειγμα, πως μπορεί ένας παίκτης να πασάρει σωστά στα 10 μέτρα. Ο συμπαίκτης του όμως, που υποδέχεται τη μπάλα, μαρκάρεται από 4 παίκτες. Επομένως, στατιστικά η πάσα καταγράφεται ως εύστοχη, όμως η επιλογή του παίκτη να τη δώσει σε αυτόν ήταν λανθασμένη κι αυτό δεν μπορεί να το αξιολογήσει καμία ανάλυση δεδομένων. Συμφωνείτε με αυτή την κριτική;

Αυτό έχει να κάνει περισσότερο με την τακτική. Αν δείτε το «BallJames», αυτό καταγράφει όλες τις κινήσεις του σώματος, ακόμα και του κεφαλιού. Αξιολογεί λοιπόν τους παίκτες και με βάση αυτό. Κατά κοινή παραδοχή, ένας καλός παίκτης αγωνίζονται με το κεφάλι ψηλά, ώστε να βλέπουν γύρω τους. Αυτό μπορεί πλέον και καταγράφεται, με κάθε σημείο του σώματος να χρωματίζεται διαφορετικά στην οθόνη! Σιγά-σιγά λοιπόν θα μπορεί κάποιος να βλέπει αν ένας ποδοσφαιριστής πασάρει με το εσωτερικό μέρος του ποδιού του, αν σουτάρει συχνά με το εξωτερικό. Με τη 3D ανάλυση «παγώνεις» την εικόνα, γυρνάς τη φάση πίσω και βλέπεις ακριβώς τις κινήσεις που θα μπορούσε να κάνει ένας παίκτης, τις εναλλακτικές του και άλλα λεπτά δεδομένα. Αυτά δεν μπορείς να τα παρατηρείς σήμερα, αλλά το σύστημα “μαθαίνει” από μόνο του και πιστεύω πως στο μέλλον όλα αυτά είναι δυνατόν να καταγραφούν.

– Ποιοι είναι οι στόχοι για το μέλλον, ποια θα είναι η κατάσταση σε 5, ας πούμε, χρόνια από τώρα;

Ένα από τα πράγματα που απαντάει πάντα ο Χιλς Μπρόουερ είναι πως “αν με ρωτούσατε πριν 5 χρόνια για το που θα είμαι σήμερα, θα απάνταγα κάτι εντελώς διαφορετικό απ’ αυτό που συμβαίνει στην πραγματικότητα”. Πιστεύω πως η SciSports θέλει να αλλάξει τον τρόπο με τον οποίο αντιλαμβανόμαστε ένα ποδοσφαιρικό παιχνίδι και να επηρεάσει τους φιλάθλους του πιο όμορφου αθλήματος στον κόσμο! Αυτός είναι ο στόχος.

Πηγή:Gazzetta.gr

BET ON ALFA: Παίξε online και πάρε Bonus 100% με την πρώτη κατάθεση μέχρι 100 Ευρώ