Για να κατανοήσεις γιατί το σύγχρονο ποδόσφαιρο έχει αυτή την μορφή και τις πρόσφατες προόδους στην κατανόηση της λειτουργίας του, είναι χρήσιμο να γνωρίζεις τι συμβαίνει σε ένα από τα παλαιότερα πανεπιστήμια του κόσμου, στο Βέλγιο.
Εκεί βρίσκεται το Sports Analytics Lab στο Καθολικό Πανεπιστήμιο της Λέουβεν, το οποίο διευθύνει ο Τζέσε Ντέιβις, καθηγητής πληροφορικής από το Ουισκόνσιν. Ο Ντέιβις μεγάλωσε παρακολουθώντας αγώνες μπάσκετ και αμερικανικού ποδοσφαίρου στο Πανεπιστήμιο του Ουισκόνσιν-Μάντισον και ανακάλυψε το ποδόσφαιρο κατά τη διάρκεια του Παγκοσμίου Κυπέλλου το 2002. Όταν προσλήφθηκε στη Λέουβεν το 2010 για να ερευνήσει τη μηχανική μάθηση, την εξόρυξη δεδομένων και την τεχνητή νοημοσύνη, μια ομάδα συναδέλφων που αγαπούσαν τον αθλητισμό τον επανέφερε στο ποδόσφαιρο.
Σύντομα, ο Ντέιβις επιβλέπει μια ομάδα μεταδιδακτορικών, διδακτορικών και μεταπτυχιακών φοιτητών που εργάζονται με δεδομένα από το ποδόσφαιρο. Η πλούσια και πολύπλοκη φύση των δεδομένων ήταν ιδανική για τη μελέτη της τεχνητής νοημοσύνης. Η εργασία τους, που διατέθηκε δημόσια μέσω εργαλείων ανάλυσης ανοιχτού κώδικα, προχώρησε σημαντικά την επιστήμη πίσω από το άθλημα και άλλαξε τον τρόπο που ορισμένοι σύλλογοι σκέφτονταν το παιχνίδι.
Αυτή η έρευνα μπορεί να χρησιμεύσει ως παράδειγμα του πώς η χρηματοδότηση της πανεπιστημιακής έρευνας μπορεί να ωφελήσει το κοινό, συμπεριλαμβανομένων των επιχειρήσεων που δραστηριοποιούνται στον τομέα που μελετάται. Στις αρχές της κίνησης ανάλυσης στον αθλητισμό, πιστεύονταν ευρέως ότι το ποδόσφαιρο δεν προσφερόταν για προχωρημένη στατιστική ανάλυση λόγω της ρευστότητάς του. Σε αντίθεση με άλλα αθλήματα, δεν μπορούσε να αναλυθεί εύκολα σε μια σειρά διακριτών ενεργειών που θα μπορούσαν να καταμετρηθούν και να αποδοθούν αξία.
Ωστόσο, αν και το ποδόσφαιρο καθυστέρησε να προσαρμοστεί και να υιοθετήσει την ανάλυση, τελικά το έκανε. Οι περισσότερες μεγάλες ομάδες διαθέτουν πλέον εκτενή τμήματα δεδομένων, και υπάρχει πλέον ένας δυσανάλογα μεγάλος αριθμός βιβλίων για αυτό το σχετικά εξειδικευμένο θέμα.
Το Sports Analytics Lab δημοσίευσε τα ευρήματά του σχετικά με τις βέλτιστες περιοχές για μακρινές βολές και αν είναι πιο αποδοτικό σε ορισμένες περιπτώσεις να κλωτσάς την μπάλα μακριά παρά να προσπαθείς να φτιάξεις παιχνίδι από την άμυνα. Ορισμένα από αυτά τα έγγραφα είχαν τίτλους που φαινόταν να είναι ακατανόητοι, όπως “Μια Bayesian προσέγγιση στην πιθανότητα νίκης κατά τη διάρκεια του παιχνιδιού”.
Η νέα αυτή έρευνα οδήγησε σε συνεργασίες με αναλυτές δεδομένων σε συλλόγους όπως η Red Bull Λειψία και η Club Brugge, καθώς και με τις γερμανικές και αμερικανικές ομοσπονδίες.
Είναι περίεργο ότι, 15 χρόνια αργότερα, ο Ντέιβις και η ομάδα του, που αριθμεί περίπου 10 άτομα, συνεχίζουν να κάνουν έρευνα που αλλάζει τα δεδομένα, όπως η πρόσφατη εργασία τους που βελτιώνει την αξία της κατοχής της μπάλας.
Τώρα που το άθλημα, σε κορυφαίο επίπεδο, έχει πλήρως υιοθετήσει την ανάλυση, θα περίμενε κανείς ότι θα ξεπεράσει και θα περιθωριοποιήσει τους εξωτερικούς αναλυτές, όπως έχει συμβεί σε άλλα αθλήματα. Ωστόσο, αυτό δεν συνέβη.
Ο Ντέιβις αναφέρει ότι ο ελίτ αθλητισμός, όχι μόνο στο ποδόσφαιρο, έχει έντονη εστίαση στο μέλλον, κυρίως επειδή οι καριέρες είναι σύντομες και για τους παίκτες και για το προσωπικό. Αυτό σημαίνει ότι η πιθανότητα να μην είσαι εδώ αύριο δεν ενισχύει την επιθυμία να ρισκάρεις σε πρότζεκτ που ενδέχεται να μην αποδώσουν άμεσα.
Υπάρχει καινοτόμος εργασία που γίνεται μέσα στους συλλόγους ποδοσφαίρου που δεν είναι ορατή στον έξω κόσμο, καθώς δεν υπάρχει λόγος να μοιράζονται τις γνώσεις τους. Οι επαγγελματικοί αθλητισμοί έχουν κίνητρα που συγκρούονται με τη διαδικασία της επιστήμης, η οποία εκτιμά την ανάληψη ρίσκων και τη συνεχή πειραματική διαδικασία.
Στο μεταξύ, τα πιο προφανή ζητήματα ανάλυσης του ποδοσφαίρου έχουν ήδη εξερευνηθεί. Το υπόλοιπο περιλαμβάνει πιο περίπλοκα προβλήματα, όπως η παρακολούθηση δεδομένων και η ερμηνεία τους.
Ενώ τα μοντέλα αναμενόμενων γκολ έχουν γίνει ικανά να ποσοτικοποιούν τις ευκαιρίες που δημιούργησε μια ομάδα κατά τη διάρκεια ενός αγώνα, δεν λειτουργούν καλά στην εκτίμηση της ικανότητας τελειώματος ενός συγκεκριμένου επιθετικού λόγω προκαταλήψεων στα δεδομένα εκπαίδευσης.
Όταν ένας σύλλογος ανακαλύψει μια χρήσιμη πληροφορία, πρέπει να βρει τρόπο να την εφαρμόσει και να την παρακολουθήσει μακροπρόθεσμα, κάτι που απαιτεί κατασκευή συστημάτων και προγραμματισμό λογισμικού.
Η έρευνα από την άλλη πλευρά δεν έχει πιέσεις χρόνου και μπορεί να προχωρήσει σε νέες ιδέες αν ένα πρότζεκτ δεν αποδώσει. Ο Ντέιβις δηλώνει ότι στην ακαδημαϊκή έρευνα, η κατανόηση είναι το τελικό προϊόν και όλοι επωφελούνται από αυτή την πνευματική πρόοδο.
Αυτή η κατάσταση μπορεί να προσφέρει ένα χρήσιμο μάθημα για το πώς μια κυβέρνηση θα μπορούσε να εξετάσει την αξία της επένδυσης στην επιστημονική έρευνα.
