这5~10年, 因为科技进步
足球也开始请科学家做数据分析
分析当然是好事, 可以球迷看到更多面向
但球队的最终目的就是增加赢球机会
会不会分析到最后搞得像
NBA的三分球大赛, 或 MLB只剩全垒打跟三振
以为得更多分就能赢更多比赛, 这很直观吧
=====================================
大数据主宰足球决策！
未来比赛胜负将愈来愈容易被掌握？
杨晨欣 2021年7月6日
预测仍无法主导足球走向
整体来说，结合数据与人工智能技术，是职业足球产业目前最热门的科技投资。
某些足球队偏好针对守门员或其他专职位置的球员，搜集与分析数据，再进一步利用演算
法来自动侦测比赛中一些下意识动作模式。
另外，数据的搜集与分析更可能帮助预测未来。举例来说，在其他运动上，象棋选手能利
用人工智能系统与算法来模拟不同的下棋类型与每一步棋决策的可能结果，用在职业足
球上，预测科技可能对教练的执教、对上不同球队的事先演练与队形交换、球员转队交易
市场等，都有更大的决策影响。
不过，一篇 2021 年的研究结果指出，约 46% 的足球入球其实都有一定的随机因素影响
，即使人工智能能够帮助球队建立长期的竞争力与表现，但是，这个随机因素与环境复杂
性，还是会让足球运动维持相对高程度的未知与刺激，观众的期待与惊奇，仍然不会被数
据分析与预测科技夺走。
最强履历资料数据家加盟
今年年初，天体物理学家、英国财政部前政策顾问 Laurie Shaw 宣布加入曼城足球队（
Manchester City），在职业足球界掀起一场热烈讨论。
Laurie Shaw 将成为曼城旗下资料数据团队的领导者，透过资料数据来分析各个球员的表
现，及与各个球队的对战状况，利用分析结果来拟定更佳的作战策略，最终目标是帮助球
队创下更多的胜场数据。
Laurie Shaw 的经历与能力，使其成为职业足球队业界最强履历数据资料专家，并反映了
职业足球队对数据资料愈加重视。
另外，除了具备较高资产与较多资源的名门球队开始利用数据分析促入球员与球队表现，
一些小型的球队虽然没有自己的数据分析团队，但也引进相关软件系统，导入数据分析的
助力。
多元化数据应用
足球队能够搜集与分析的数据相当多元，光是与球相关的数据如传球数、射球数、误传数
、助攻数等，配对球员与传球位置，就能产出多样的分析结果；光学追踪技术则可用来对
准球员的位置，其每秒能够传回 25 次数据，来分析短时间内这位球员与球、队友等之间
的距离变化；在日常训练期间，穿戴式装置则用来测量球员的热量消耗、心跳数、疲劳程
度等身体指数，来管理球员的体适能状态。
同一时间，每个球队也正以不同的方式运用着各式数据。拥有理论物理博士学位的利物浦
（Liverpool）球队研究部门总监 Ian Graham，就选择专注在利用数据寻找可能躲过人眼
的特定趋势，并且打造了一个内部平台，让分析师透过入球数、球权比率等各项数据，打
造数据模型，进一步找出“潜在的危险状况（对方入球或失去球权）”。
同样团队中还有天体物理学家 Tim Waskett 与哲学博士 Will Spearman，专注在球场掌
控。他们把传球与入球想像成几何学与机率，并且带入球场上，试图找出哪些球场区域比
较可能是自家球队的控球处、哪种传球比较有可能创造入球等，进而找出可能增加入球率
的传球区域。
除了以赢球为目的外，利物浦球队也与人工智能公司 DeepMind 研究员们，一起测试了如
何让 AI 系统帮助人类在个体与个体互动的多人动态环境中，更好地做出复杂且即时的决
策。运用在足球上，则是在困难的危机情况下，如何帮助球员或教练团队们找出破解困境
的决策方法。
竞争大于合作的现实环境
“很多职业足球队都或多或少在他们的决策过程中，加入数据元素，”足球分析软件公司
的分析总监 Jan Van Haaren 在一场对 BBC 的访问中说道，“是他们使用数据的方式，
依每个球队的需求而有所不同。......不过，大部分的球队都倾向将他们使用数据的方式
，当作产业秘密。”
毕竟，球队之间仍然是竞争大于合作的关系。
另一个挑战则是，数据分析的导入以及数据团队的建立，都需要庞大的资源与金钱，对名
门球队来说，要拥抱这项新兴科技不是问题，然而，对小型球队来说就不是如此。
在这样的资源差距下，科技的推波助澜，更可能加深名门球队与小型球队之间的表现差异
，让小型球队或资源较少的球队，更难创造胜利的新历史。