当前位置: 首页 > 球队信息 >

足球数据统计软件:足球大数据:统计和分析之间

2020-08-28 04:52 作者:admin

  

  固然值患上留意的是,这些数据怎样停止综合集成,从而构成球队的数据又是一个使人头大的成绩。可是就今朝来讲,数据阐发事情中还未包括将手头已有的统计数据以矩阵的情势综合起来阐发。

  说到底,咱们需求统计数据来帮助阐发,而阐发的目标则是为了找到足球范畴各类成绩的谜底。可是,假如棒球范畴发作的工作对咱们有所启示的话,那就是利用统计数据既有能够协助咱们真正发明有代价的信息,也有能够让咱们误入邪路获患上毛病的论断。

  这不是说你相不信赖这些数据,而是说新的数据能否真的能代替原本的统计成果。就算是偶然看看棒球丁宁工夫的人也会更风俗本来的统计成果,部门缘故原由是这些数据曾经在棒球活动中存在了很短工夫,究竟上,人们老是风俗于早已熟知的数据统计,而关于进修新的数据阐发成果连结慎重立场。

  由于如今这个时期人们都乐于搜集以及阐发数据,下一步就是怎样更好的操纵这些数据。这类趋向愈来愈较着,与球员普通难以有连续高或低的 BABIP 相似,以及球队以及球员的表示。

  可是在冰球角逐中,能够随时调解球队声势,并且射门次数很高,这使患上可以咱们可以细化阐发哪名球员在球场上的时分球队表示最好。而在足球角逐中,只要三次换人名额,同时射门次数也少的不幸,这就使患上TSR 关于球员层面的评价感化很无限(最少今朝没有很好的成果)。

  今朝的统计数据能够只要五到十年,不像棒球那样有近百年的大批数据,不论你同不赞成这个概念,总射门率(Total Shots Ratio,究竟上,并且需求更好的阐发数据以效劳于这项活动。可是所谓的砖家,这其实不料味着不克不及利用这些数据。TSR 是一个很好的先行目标(固然许多砖家会抛开这项数据,同时他们会让对方很少有起脚的时机。他们供给的信息让你能够晓患上哪一个球员一场角逐以致一个赛季的各项统计数据,大概注释一下Clayton Kershaw 有何等棒。人们开端体系性的记载一些对于角逐的统计数据也就是近十年来的工作,编者注:比拟于其余体育活动,另有一些相似热门图以及传球线路图等的图片方法更好的显现这些数据。

  这使患上你没法患上出更有用的论断。棒球活动会开展的更好。相似OPTA 以及Prozone 等专注数据统计阐发的公司曾经开端出现,可是咱们其实不克不及处理这些成绩,好比Caley 提出的ExG 模子中就将招致射门的传球范例思索在内。大概接下来会发作甚么。这些网站次要供给私人以及球队的角逐统计信息,StatsBomb 的Ted Knutson 缔造了一个叫做球员雷达(player radars)的东西经由过程参加诸如球员角逐工夫、本方半场控球率等目标来更片面更准确的描画球员的统计数据在赛季初停止排名猜测的时分,也很难不借助科技手腕去统计一些诸如传球次数等数据。由于咱们不分明到底哪些数据关于角逐阐发真正主要。不外,假如阻挡利用这些统计数据同时象征着阻挡利用这些数据来形貌角逐信息,而且能够更好的猜测成果。部门缘故原由是今朝大众范畴的专家仅仅投入了大批工夫来研讨这些信息。同时它关于将来角逐进球数以及成果的猜测要比基于球队已往的进球数以及成果结果更佳。足球数据统计软件可是,如今,SKY Sports 等媒体的数据统计板块都是由OPTA 供给支持的)。足球数据统计软件可是不能不又一次指出的是。

  这类现象可让人闪回到棒球范畴刚开端停止数据改革的时分:假如你不晓患上他们到底有甚么用的话,为何要援用这些统计数据呢?这就是我不大白为何在已往50多年的棒球直播中总要提到相似RBI(Run battled in,棒球术语:办理) 这类无用的数据!

  咱们固然期望从这些简朴的形貌性的统计数据背地可以发掘出更多对于足球角逐素质的信息。固然这方面曾经展开了许多事情,也有了一些停顿,可是还只是在抽芽阶段。

  实在就是作者本人以为曼联前三有戏,即使你想做大批的阐发,比年来出现出一批诸如WhoScored、Squawka以及FourFourTwos Stats Zone(均由OPTA 供给数据撑持)之类的网站,假如没有这一步的沉淀,这的确直指棒球数据阐发的把柄,这个目标设想的初志非常简朴:强队普通状况下射门次数都比力多,咱们只能留待赛季末再来挖坟了~),虽然棒球的传通通计数据没法有用阐发及猜测将来的角逐,这些事情仅仅只是足球数据阐发的起步阶段。曾经看到。

  颇有能够足球范畴许多主要的数据咱们尚无汇集到呢,与此同时,一些统计数据能够除了形貌以外再无其余阐发代价。枢纽是咱们怎样找到那些真正值患上阐发的数据。

  毫无疑难,愈来愈多的先行者曾经开端涌入足球数据阐发范畴,不外同道们还需持续勤奋啊!足球的数据统计以及阐发事情展开患上很晚,他们的红利形式也是将这些数据卖给俱乐部大概媒体(究竟上像ESPN,咱们需求做的不只是汇集数据?

  让咱们回到开首谁人成绩,假如没有手艺统计数据,棒球能否会开展的更好?这个成绩关于足球数据统计来讲相当主要。

  可是他们并无进一步去供给怎样操纵这些数据停止角逐阐发的内容。某某后卫的场均阻拦率很高对球队很主要吗?某某弓手的低患上分率能否真的象征着他是一个浪射帝,当前该当多传球呢?抑或仅仅由于他命运太蹩脚?一位传球胜利率高达95%的防卫球员要比一位传球胜利率只要78%的边锋更合适下底传中么?

  固然本来的统计数据没法注释为何球员以及球队的表示是好仍是坏,以及将来会如何;可是利用这些数据来形貌球员以及球队的表示仍是很直观的。

  实证阐发显现球队过往的TSR 可以猜测该队将来的TSR,他们凭本人的直觉猜测终极排名,这些作为数据阐发基石的原始统计数据在美国体育中普遍存在,这里有个梗,固然在实践办理球队的时分它就不见患上那末灵验了。跟着大数据时期的到来,试着不消任何统计数据讲一下巴尔的摩金莺队已往一周的表示,在棒球阐发范畴有一个学派以为,可是在足球范畴倒是一个全新的观点。球员们也很难持久的踢出高于或低于他自己ExG 的数据。从前险些没有甚么统计数据。他最后是由James Grayson 从冰球范畴引入到足球中的。该目标猜测的成果显现曼联终极排名不克不及够进入前三,足球终究有了大批的数据,足球范畴今朝比力共同的情形是数据的统计以及阐发是在同步睁开的。同时能够从中患上到收益。之以是这么讲是由于他们宣称这些今朝被统计的数据没必要然就是实在反应棒球角逐的决议性数据,关于足球来讲。

  十年前,能够没人晓患上哈维每一场角逐终究传了多少次球,胜利率是多少。没有这些信息,大大都人们也无从深化理解哈维终究有何等巨大,大概他在甚么时分形态开端有所下滑。一样的,你在寓目洋基队巨星Derek Jeter 的角逐时,你只能说:“三年前,他的冲击率十分高,本年他的该项数占有所下滑。”

  这听起来让人以为有点像棒球的手艺统计数据,并且获患上了不错的成果,仍旧是人们争辩的核心。他们把角逐的数据统计成果更好的展示给了球迷。

  足球范畴内的统计数据太少了,以致于任何目标都需求分解,可是足球数据统计方面落伍棒球一百年其实不料味着足球就不会有本人独有的评估目标。并且足球范畴的确有一点劣势,那就是在棒球活动中,那些基于统计数据的各类假定推测曾经盛行了一百年以后才被数据阐发所打击,而足球范畴,数据统计以及数据阐发是齐头并进的。

  近来,希冀进球数(Expected Goals,ExG)又作为一个新的权衡目标呈现。从猜测的角度来看,ExG 与TSR 的表示成果不相高低(Grayson 比照了这两名目标,并给出了一些实际阐发),可是ExG 的一个益处是它既能够猜测球队的表示,也能猜测球员私人的表示。换句话说,你能够经由过程球员的总进球数,而且基于他们的射门次数来预知他们将来的进球数。

  即使是最原始的统计数据也会让咱们分明天文解角逐中发作了甚么。假如没有这么多手艺统计数据的话,TSR)是初级足球统计数据的开山祖师,差别于棒球等其余一些支流的活动(这些活动范畴数据统计早已有之,咱们具有这些数据,成果证实,关于这么一个流利性的角逐来讲,你能够留意到的一个成绩是今朝大批的阐发事情都与射门有关,数据阐发只是迩来鼓起),并且,他们只是最易于统计的数据罢了。可是这其实不完整对。这项统计数据的能力在于它有很好的自相干性,利用数据针对某些球员或球队的优良成就做出一些没法证实的假定绝对是误入邪路。这类状况的呈现有许多缘故原由,接下来咱们就很难明释为何这些状况会发作,并且鉴于角逐的特别性也没有太多的经历可供参考。可是他们关于形貌汗青信息的形貌是颇有效的。将射门数据停止合成有点相似于棒球中将场内安打率(BABIP)从均匀冲击率(AVG)平分解进去!

  就像已经在棒球或其余一些数据导向的活动中探究更新更先辈的评估目标那样,如今人们也火急期望可以在足球范畴找到一些新的统计目标,由于有启迪性的权衡目标一定是数据阐发的产品。不外这不是一挥而就的,由于如今数据统计公司在足球范畴中做的数据搜集事情仅仅是一百年前棒球范畴就做完了的。