数据的魔力已经真正释放。数据驱动的咨询公司、公共数据网站的兴起以及媒体中对它们的使用突显了统计数据已经成为我们观察和分析比赛不可或缺的一部分。
知识共享一直是许多指标和统计模型创建和发展的关键催化剂。然而，每个足球迷都渴望窥探的幕后是专业俱乐部内部的分析使用情况。可以理解的是，这些内部数据部门将保持高度的机密性，以保持对其竞争对手的优势。
采用“点球成金”方法仍然是用来解释布伦特福德、布莱顿以及利物浦等俱乐部采用的数据驱动方法的流行词。但任何在数据方面取得成功的俱乐部都知道，这并不像电影中那样简单。
数据部门的明智聚焦
分析部门需要明智地集中精力。利物浦研究总监伊恩·格雷厄姆博士在2021年StatsBomb会议上发表的声明的简洁性令人印象深刻，他宣称“球员招募和保留是最重要的活动——重要性是其他因素的10倍”。
认同感也至关重要。你可能拥有世界上最好的统计模型和机器学习算法，但将此类活动与关键决策者对齐并整合，是数据分析在俱乐部层面影响力最大化的地方。
布莱顿老板/主席托尼·布鲁姆确保俱乐部员工使用他的公司Starlizard提供的数据，这有助于将鲜为人知的球员转变为英超明星，包括三笘薫、莫伊塞斯·凯塞多、亚历克西斯·麦卡利斯特和朱里奥·恩西索。
同样，布伦特福德的同行马修-本汉姆是统计研究公司Smartodds的创始人——主要为专业球员设计，但对于帮助托马斯·弗兰克的球队在球员招募市场中找到价值至关重要。
数据与决策的结合
如果俱乐部的所有者或体育总监对数据不太感兴趣，分析师与决策者之间往往会出现沟通鸿沟。最近，像Soccerment和SentientSports这样的公司使用生成性AI来帮助解决这个问题，将复杂的统计分析简化为简单的足球语言——想象一下ChatGPT用于寻找球员——但挑战仍然存在。
“最佳实践分析并不创建最‘复杂’的模型或算法，而是被决策者信任并采纳的分析，最终对他们的流程产生影响，”分析公司Traits Insights的创始人丹·佩尔岑说。“信任和理解可以赋予更多专家每天使用数据的能力，帮助避免偏见并降低风险。”
近年来，关于足球分析的增长世界有很多评论，但……除了4月份发表的一篇研究论文外——很少有客观的、统计驱动的描述联赛数据生态系统。
Traits Insights收集了来自英格兰足球最高4个级别联赛90多个俱乐部约500名员工的信息——分为数据分析师（基于一般统计的角色）、招募分析师、一线队分析师（例如表现）/技术分析/对手）和一般分析主管——以更好地理解俱乐部面临的挑战，以便建立“最佳实践”分析流程，The Athletic现在可以独家分享。
实施最佳实践
强调最佳实践是一回事，实施它们则是另一回事。建立一个连贯和自给自足的分析部门需要董事会的重大投资，为其长期效用建立商业案例可能具有挑战性。
Traits Insights的分析显示，英超Big 6俱乐部（曼城、阿森纳、利物浦、曼联、托特纳姆热刺和切尔西）平均约有14名基于分析的工作人员，远高于下半区的俱乐部。
不出所料，当你进入英冠、英甲和英乙联赛时，这些数字会下降。
数据部门的挑战
对于一些人来说，有限的人员配置可能意味着一些分析师经常被要求扮演通用角色——数据工程师（收集和管理大型数据集）、数据分析师（解释信息并向同行展示）和数据科学家（构建统计模型以提供信息）全部合并为一个。
“数据分析在俱乐部内仍然是一个相对较新的部门，”一位英超俱乐部的数据科学家匿名表示，以保护关系。“来自不同背景的人们通常热衷于将数据引入他们的工作流程，但俱乐部通常首先以小额投资开始尝试——例如，一个初级数据角色和数据提供商订阅。
“那些分配这笔初始投资的人通常没有数据背景，并且可以理解地不了解数据分析师、科学家和工程师之间所需的不同技能。当第一个初级员工开始工作时，他们可能会迅速被无法满足的需求压垮，除非有适当的结构来快速产生有价值信息。
“这可能会迅速导致双方的挫败感。拥有最成功的数据部门的俱乐部并非巧合，这些俱乐部的掌舵人来自定量背景。”
这是英格兰足球金字塔中其他员工的共同感受。
“优秀的数据工程师对于生产力和其他角色的成功至关重要。这是一个通常最难满足且对日常从业者来说不太显眼或特别可见的角色，”一位英冠俱乐部的数据科学家也表示，为了保护关系而匿名。“数据科学家主要负责生成模型并提供信息，数据分析师是最面向人的——负责开发工具并提供清晰的可视化和演示。
“这三个角色都有特定的职责和技能，对于完成他们的任务至关重要。没有其中之一，其他人将面临越来越多的挑战。如果一个团队成员离开，我们的技能集被视为相同，而实际上它们是非常不同的学科。”
数据分析的需求增长
近年来，使用分析的需求呈指数级增长，但需要注意的是，需要专业知识来管理和解释数据、构建统计模型，并创建界面（例如仪表板和可视化），以便俱乐部中的其他人能够理解分析。
这需要特定的教育和技术培训来创建这样的高级模型（例如神经网络和机器学习算法）——来自数据科学、经济学、计算机科学、工程和数学等硬科学背景。
许多员工将拥有运动和运动科学、性能分析或类似领域的资格——这需要大量的技术培训——但足球领域的统计人员资格有限。Traits Insights的分析发现，样本中约有46%的数据分析师拥有技术统计教育，剩余分析人员中约有5%接受了这样的培训。
支持人员的数据经验和统计洞察力有限，可能会在构建内部技术系统时给某些人带来压力，主要目标是所有团队成员都能在俱乐部工作流程的“生产线”的所有阶段开发此类系统并提取信息——从初级数据分析师到高级职员，包括体育总监。
大约75%的20个英超俱乐部拥有专门的数据分析师，其中50%拥有多个。相比之下，只有一半的英冠联赛俱乐部拥有专门的数据分析师，这一比例在英甲（25%）和英乙（不到10%）的24个球队中的比例也有所下降。
足球业务的驱动力
你可能认为这是陈词滥调，但足球是一项以结果为导向的业务。体育总监通常对俱乐部有长远的看法，但随着他们在足球联赛的三个层级中的移动，这种看法可能并不总是像他们希望的那样稳定。
对于支持人员来说，花时间构建统计模型并产生有形的洞察力说起来容易做起来难。在教练人员更替更频繁的俱乐部，如果新任经理或主教练有不同的运作方式，这些工作流程和系统自然会恶化。如果发生这种情况，可能会阻碍分析部门的进展。
同样，低级别联赛的分析师也可能希望在其他俱乐部工作并提升联赛，这使得金字塔更底层的人员流动更有可能。这在Traits Insights的分析中得到了反映，该分析显示，英超Big 6俱乐部的分析师平均任期为4.7年，而英甲和英乙的平均任期为2.5年或更短。
数据部门的稳定性
按角色细分，俱乐部的分析主管通常在他们的职位上任职时间最长。值得注意的是，数据分析师与他们所在团队的平均任职时间为2.5年，这表明与俱乐部的其他支持人员相比，这一职位处于早期阶段，并且可能超越其他职位。
“当你考虑到数据在足球中的新颖性，以及这些技能在其他行业中的价值时，这些结果并不令人惊讶，”本文前面引用的英超研究员说。
“在俱乐部内，数据分析师角色通常从初级角色开始，但俱乐部所需的技能集更符合其他行业的高级角色。如果你能满足在俱乐部工作的所有要求，你将在足球之外的行业中非常受欢迎，所以人们比其他角色更快速地跳槽是可以理解的。”
在建立分析部门时，没有成功的唯一途径，没有俱乐部发展其基础设施的固定方法。没有稳定性、强大的技术技能和投资，最佳实践很难获得——而且这类工作的复杂性意味着点球成金方法往往被理想化，超出了现实。
当然，预算更大的俱乐部可以更多地投资于他们的分析部门，但影响球员招募、球员保留和人才发展的工作是数据分析可以找到最佳结果的地方，建立部门之间的清晰沟通线路至关重要。
无论是将工作外包给第三方咨询公司，还是发展俱乐部内部的自己的数据团队，都有很多机会获得竞争优势——在比赛的任何级别。
信息来源：DNKL；作者：Essiy Park (内容由AI整理)
