作者：Tim
随着科技的飞速进步，现代足球运动中，球员的状态和比赛质量已经可以通过量化来展现，也就是说，比赛数据可以精确到90分钟比赛时间内任意时间段的每一次触球等细节。
通过大数据提供的有效数据，球队主教练可以根据自身的执教水平以及数据分析引擎提供的计算模型，合理调配兵员，力争保证球队在每场比赛中都达到最佳的技战术要求。
詹俊、金祥恺等著名解说员在评论比赛时，常常会用非常具体的数字来表明选手和队伍的实力，在夸赞他们赛前准备充分的同时，数字的说服力显然比尴尬的吹嘘或咒骂更有说服力。
玩过体育类游戏的朋友都会知道，当比赛结束后，端画面会自动显示比赛的技术统计数据，通过简单的分析，就能大致了解比赛的基本情况。
▲ 游戏数据一目了然，让玩家更轻松了解
相对而言，足球经理在同类游戏中属于“纯数字型”游戏。
它没有像Pro 和FIFA一样精致的画面和精彩的竞技效果，而是通过强大的数据分析引擎和完美的数据展现效果，将足球场内外的方方面面都以数字和图标的形式呈现出来。
这些数字足以让FM的粉丝们通过这些数字了解球队的每一个细节，甚至像我一样完成游戏中30多年的球队领导。
在游戏中做到这一点很容易，因为每个球员的能力值都以数字输入，比赛、训练、转会等环节都通过复杂的计算引擎完成。
目前，足球市场依然是体育产业最重要的商业市场，仅从2019年夏季英超联赛的最终名单来看，排名联赛末位的哈德斯菲尔德镇居然通过电视转播分成、排名奖金和均等奖金三部分资金的总和，获得了9360万英镑的天价收入。
可以想象，其他排名高于它的英超球队，收入早已突破亿元大关，当然这笔钱只是球队收入的一部分。
▲“印钱联赛”让各支球队一年仅排名奖金就能收入过亿元
足球运动如此赚钱，足球比赛产生的大数据也成为兵家必争之地，因为足球界对于数据准确性的要求非常高。
因此数据市场是各类机构和企业梦寐以求的，通过科学的数据统计产生的价值可以出售给对数据需求量大的俱乐部和足球公司。
01. 这些专业数据是如何收集的？
真正的玩家不是数字机器人，那么他们的统计数据是如何收集的？是否完全依赖志愿者手动填写表格？
足球数据统计是足球比赛的重要组成部分，从球队角度，我们可以通过射门比例、传球成功率、控球率、总角球比例等一系列数据，对比两支球队的进攻走势；而从球员角度，比如球员完成传球的次数、射门准确率、助攻次数、威胁传球次数等，展现球员在进攻端为球队带来的价值。
单场比赛的数据可以汇总到整个赛季，展现全年球队和球员的表现。
球员在赛场上为球队做出贡献后，若能帮助球队取得理想的成绩，获得应有的荣誉，显然能提升俱乐部的营收、影响力和曝光度，这样的成绩足以吸引那些原本就不愿赞助、冠名这些球队的公司。
如此一来，球员和球队在职业联赛中的表现，为球队本身带来了巨大的商业价值，在球队价值提升的同时，精准挖掘球员数据，也成为众多公司眼中巨大的商机。
这样的赚钱机会，自然催生了诸如、、等知名的数据统计机构，而这些机构的数据提供者，其实就是英国大数据公司OPTA。
▲ 越来越多的设备被用于捕捉球场上的数据
其中，法国数据公司SUP在数据收集方面下了很大功夫，在需要统计的比赛中，安装了多达8个具备热成像功能的先进摄像机，并将摄像机捕捉到的比赛数据全部模拟成类似 的2D游戏效果。
摄像机捕捉到的一系列数据，通过公司复杂的计算引擎进行分类拆解，跑步可分解为静止、慢跑、中速跑、快速跑、冲刺等多个分析方向，经过复杂的统计，变成几十个有效数据呈现给客户。
可呈现的功能如下（摘录）
1. 每支球队球员的跑动距离
2. 比赛有效图表及列表数据
3.球员实时比赛状态（身体机能、疲劳程度等）
4.个人统计、球队统计
5. 战术体系
6. 游戏全视图
7.个性化规则筛选
8. 可与其他平台连接的数据集成
像OPTA这样的大数据公司提供了更广泛的统计数据，可以生成赛程、结果、实时比分、积分榜、比赛时间安排、比赛数据统计、文字直播、球队在场统计、球员在场统计、阵容、球队对比、球员排名、球队排名等，提供实时数据支持。
由于数据公司关注的角度不同，数据的统计倾向性也不同，当然球员的跑动、传球、射门等具体数字必须保证绝对准确。
▲ 关键数据是评价球员表现的重要依据
OPTA 用户可以选择不同的数据项，例如球队、球员、赛事等。此外，还可以通过点击数据标题对数据进行排序或分类。
系统还以图表的方式展示场上位置和球员触球情况，实时更新，还为解说员提供每场比赛的数据亮点和实时对话窗口。
通过对话窗口，用户可以与OPTA的专业编辑在线交流并获得个性化的数据分析服务。
02. 现在数据已经出来了，它能有什么帮助呢？
要想做好工作，必先利其器。
说了工具，那么各大数据公司是如何使用自己花费大量时间和精力开发的这些统计工具和众多数据库的呢？
一般来说，评价前锋的好坏，首先要看他一个赛季能进多少球，进球多的肯定是前锋优秀，进球越多级别越低；中场优秀，看助攻数、防守贡献等数据；后卫优秀，看拦截数、抢断数、失误率。
为什么说梅西和C罗是当今足坛最优秀的前锋？
让我们举一个简单的统计例子
梅西
714 场联赛，622 个进球
西罗
832 场联赛，625 个进球
按照每赛季38场联赛计算，梅西和C罗每年的出场场次都接近30场（C罗年龄更大），进球率分别为1.14场/球和1.33场/球，出色的出场率和高效的进球率是他们成为世界巨星的重要因素。
相比之下，本泽马在645场比赛中攻入306球，平均每场2.1球。
作为当今足坛著名的前锋，拥有645场出色出勤率的他，却需要2场比赛才能进1球，与梅西、C罗相比还有不小的差距。
通过上面最简单的数据分析对比，我可以看出前锋位置上的超级球星和普通球星的明显差距。
进球数是足球统计中一个非常简单、直观的统计数据。
在日常的战术或比赛分析中，教练、球员、评论员和职业球迷都会深入挖掘比赛的细节，复杂的数据统计可以帮助他们。
例如数据可视化中的热力图效果，就是统计球员在场上的移动轨迹和活动区域，暖色表示球员在该区域活动比较活跃，热力图可以帮助教练了解球员在比赛中的跑动情况，从而分析球员在比赛中的作用和不足。
▲ 8球失利，球员频频在中圈开球
▲ 左肋部手感火热，本场比赛该球员频繁内切助攻
▲这是守门员的活动范围，看来本场比赛又要出现一次中圈防守了？
▲emmm人体热力图入侵
每场比赛结束后都会对球员进行评分，以6分作为基准分数，通过公司数百个统计项目加权计算，并记录球员在场上的所有行为。
其中像成功带球、关键传球、助攻、投篮得分等事件都是重要的数据事件，通过加权计算得出的球员表现用于对6分基准分数进行左右调整，最终计算出球员在比赛中的实际得分。
通过得分我们可以看出，6分是及格分，如果超过7分，那一定是他在进攻或防守或助攻上直接帮助了球队，如果超过7.5分，那他就是决定比赛胜负的关键人物，而8分以上的球员一定是进球多/助攻多/激活了中场/拦截表现优秀等。
武磊在2月16日西班牙人队与塞维利亚队的比赛中砍下7.7分的高分，这也让他再度被某网站评选为该场比赛的最佳球员。那么武磊究竟凭借怎样的表现，获得了这一称号呢？
▲武磊的全面表现值得7.7分
全场比赛，武磊总共触球25次，凭借2次射门机会打入1球，同时还成功传球1次。
武磊以右前卫的身份首发出场，赢得了4次地面争抢和2次空中争抢，并频频回到后防线参与防守。如此拼命的“前锋”球风，如此拼搏的精神，大概也是得分7.7分的武磊能够力压得分10分的苏索，成为本场最佳球员的原因。
足球比赛数据可以帮助足球产业更快更科学地发展，提高运动员的竞技潜能，提升教练组配置水平，直观展示比赛质量和球员的真正价值，这些高价值数据将成为未来足球产业不可或缺的重要组成部分。
ID：
英超球迷，热爱美食、旅游和历史
我经常会发布关于这些的有趣的文章，欢迎订阅~