Олег Власов - Футболоматика: как благодаря математике «Барселона» выигрывает, Роналду забивает, а букмекеры зарабатывают состояния

Этот тренировочный матч был особенным, поскольку это был один из первых случаев, когда данные слежения в реальном времени появились в открытом доступе [94] Mutschler, C. The DEBS 2013 grand challenge. – Proceedings of the 7th ACM International Conference on Distributed Event-Based systems, 2013. . Всем игрокам на обе бутсы установили датчики, которые измеряли положение их ног. Также датчик был установлен в перчатки вратарей и мяч. Позиции ног и рук измерялись 200 раз в секунду, а положение мяча – 2000 раз. Это обеспечивало 8400 трехмерных позиционных событий в секунду. Результатом стал набор данных (размер его составил 6 Гб), охватывающий 60 минут игры и около 120 миллионов показателей для вычислений.

Это часть множества данных, с которым сегодня сталкивается футбол. Для турнирного матча отслеживание 22 игроков со скоростью 200 измерений в секунду, в трехмерных координатах на протяжении 95 минут, дает нам

[(200 × 22 × 2) + (200 × 2 × 4) + 2000] × 3 × 60 × 95 = 212 040 000 показателей.

И это только лишь для одного матча. За один сезон английской Премьер-лиги будет создано около 100 миллиардов показателей.

Еще несколько лет назад тренер команды из Премьер-лиги посмотрел бы матч своей команды в субботу; в воскресенье он бы занялся записью последних игр следующего соперника, а также посмотрел бы основные моменты из матчей других команд. Теперь же у него есть доступ к миллионам точек измерений – его собственных игроков и оппозиции. Кроме того, у него есть данные о производительности на тренировках и показатели физической готовности для всех его футболистов. Его задача – взять эти миллиарды данных и свести их к нескольким простым предложениям, которые объяснят игрокам стратегию на следующий матч.

Поэтому неудивительно, что футбольные команды теперь назначают экспертов, чтобы максимально использовать собранные данные. В «Манчестер Сити» есть большая команда аналитиков, которые собирают данные о производительности команды после каждого матча. Это позволяет им определять области поля, где футболисты отработали хорошо, и области, где они провалились. Руководитель отдела спортивной аналитики «Ливерпуля», Иан Грэм, имеет докторскую степень Кембриджа по теоретической физике. Он обеспечивает вратарей и форвардов детальной схемой того, как выбранная ими позиция влияет на вероятность гола. «Бавария» получает массивную базу данных всех движений игроков во время каждого матча, а также большинства тренировочных матчей. После каждой игры глава аналитического отдела Михаэль Нимайер делает презентацию высокотехнологичных данных в «аудитории» для остальных членов тренерского штаба. Игроки «Баварии» могут обмениваться комментариями и идеями по данным и матчу на форуме, подобном Facebook. У каждого топ-клуба есть эксперт по цифрам.

Задача, стоящая перед этими экспертами, – превратить миллионы чисел в информационную картину. Картина должна резюмировать суть матча, как и мои тактические карты из главы 7, но на этот раз объединять миллионы измерений. Алина Бьялковски – член группы исследователей Disney Research в США – приняла этот вызов. Не сразу очевидно, почему Disney пытается понять «соккер», но они, безусловно, положили хорошее начало.

Во время одного из своих первых исследований Алина и ее коллеги сосредоточились на использовании данных для определения всех премудростей в тактических схемах. В своей научной статье она не указывает, какую лигу высшего эшелона они анализируют, но эта лига определенно в стране, где преобладает расстановка 4–4–2. На рисунке 9.2 показаны четыре примера принятых командами расстановок. Каждый из крошечных символов соответствует средним позициям разных игроков в течение каждого тайма в каждом матче, сыгранном в течение всего сезона [95] Bialkowski, A. Identifying team style in soccer using formations learned from spatiotemporal tracking data. – IEEE International Conference on Data Mining Workshop. Institute of Electrical and Electronics Engineers, New York, 2014. – p. 9–14. . Например, для команды А левый защитник представляет собой группу треугольников, а два форварда – это пятно из кругов и ромбов впереди.

Рисунок 9.2. Командные расстановки, изученные на протяжении всего сезона. Символы отображают среднюю позицию игроков в течение одного тайма каждой игры на протяжении сезона. Рисунок адаптирован из оригинала Алины Бьялковски и ее коллег.

Различные команды используют 4–4–2 по-разному. Некоторые из этих вариантов – это устоявшаяся тактика.

Например, команда A имеет пару нападающих, которые играют параллельно друг другу, в то время как у команды B один форвард играет в оттяжке, а второй на острие. Однако другие отличия между этими расстановками менее заметны. Команда С – более гибкая в атаке, чем команды А и В, поскольку один из форвардов переходит из более глубокой позиции в пару нападающих. Помимо этого, команда С использует различные вариации в полузащите и поэтому более рассеянна. Команда D использует одновременно и 3–4–3, и 4–4–2 и переключается между своими схемами.

Определение расстановок – лишь первый шаг. В следующей статье исследователи из Disney рассмотрели, насколько вероятно, что те или иные ситуации в атаке приведут к забитому мячу [96] Lucey, P. “Quality vs quantity”: Improved shot prediction in soccer using strategic features from spatiotemporal data. – 9th Annual MIT Sloan Sports Analytics Conference, 2015. . Каждую десятую часть секунды рассматривались разные особенности выбора позиции, учитывая при этом, насколько далеко защитники отходили от своих привычных позиций, скорость движения игроков и количество защитников между нападающим с мячом и воротами. Из этих особенностей исследователи смогли показать, что контратаки часто предоставляли лучшие возможности для забивания голов. Атака оппозиции – идеальное время, чтобы начать планирование атаки собственной команды. Модель все еще находится в процессе разработки, но в конечном итоге цель состоит в том, чтобы получить вероятность гола из каждой игровой ситуации. Исходя из этого, тренеры могут разрабатывать собственные стратегии и определять те области, где соперник особенно опасен.

Следующая задача в анализе футбола – перейти от статических описаний схем и выбора позиции к динамическому анализу взаимодействия игроков. Вернемся к тренировочной игре «Нюрнберга». На рисунке 9.3 показаны позиции и направления игроков спустя примерно секунду после тех, которые показаны на рисунке 9.1, то есть уже после того, как левый вингер отдал передачу направо. Теперь почти все игроки бегут в одном направлении, хотя и с разной скоростью. Быстрей всего движутся игроки в центре, так как они находятся дальше всех от позиции.

Мы можем измерить, насколько скоординированы команды, соединив направления всех игроков. Если я возьму каждую стрелку, указывающую направление, и выстрою их одну на одну, то получу такую картину для обеих команд, как показано на рисунке 9.4. Выстраивание игроков таким образом показывает степень единения, в которой члены команды двигаются в одном направлении. Игроки обеих команд связаны друг с другом. Но действия защищающейся, более темной, команды согласованы чуть лучше, чем атакующей. Вся защищающаяся команда движется вместе, чтобы не создавать свободное пространство. Для команды с мячом ситуация отличается. Атакующие полузащитники двигаются в направлении мяча, но левый защитник и левый вингер двигаются в другую сторону, создавая пространство для еще одного изменения направления.