注：本文由本文微信公眾號的同名文章修改而成。

最近人工智能、大數(shù)據(jù)這一類的概念非?；鸨?，感覺就是市場賣菜也能和大數(shù)據(jù)扯上關(guān)系。不過，在一些領(lǐng)域，引入數(shù)據(jù)分析的話的確能發(fā)現(xiàn)很多有意思的東西。以體育領(lǐng)域為例，美國棒球職棒大聯(lián)盟奧克蘭運動家隊的前GM（現(xiàn)在是執(zhí)行副總裁）Billy Beane及其Moneyball理念是較早為大眾所知的利用數(shù)據(jù)分析顯著提升球隊成績的案例?，F(xiàn)在基于模式識別、機器學習的數(shù)據(jù)分析技術(shù)也逐漸擴散到體育界的各領(lǐng)域。我們大部分都是普通的球迷，沒有需要也沒有能力更沒有原始數(shù)據(jù)來源對實際問題進行專業(yè)的分析。不過對于一些生活中的數(shù)據(jù)控（如本人），更多的數(shù)據(jù)可以提供另一個角度的觀察。下面本文將會對足球領(lǐng)域一些基礎(chǔ)的數(shù)據(jù)來源：

一、相關(guān)網(wǎng)站

1 Whoscored（https://www.whoscored.com/）

對于每場比賽，Whoscored都會有完整的數(shù)據(jù)統(tǒng)計：

這是球隊運動熱點圖

對于球員也會有相應(yīng)的數(shù)據(jù)統(tǒng)計

Whoscored還會有一些個性化的內(nèi)容，例如會列出來球隊和球員的特點

2 Squawka（Football Statistics, Live Scores, Results, News, Analysis）

Squawka上面的數(shù)據(jù)和Whoscored的數(shù)據(jù)基本類似，不過表現(xiàn)的風格不同

例如對于一場比賽的傳球

Whoscored會用點的形式表示

Squawka會把線路描出來

所以基本看自己的審美，從數(shù)據(jù)上來看是沒有太大區(qū)別的。這是因為Whoscored和Squawka的數(shù)據(jù)提供商都是Opta(Opta Home)，他們拿到的數(shù)據(jù)都是基于與球的運動相關(guān)的事件，即ball event。對于每個ball event，記錄的是每個事件的種類（傳球、射門、撲救、鏟球）、發(fā)生坐標、結(jié)果、相關(guān)球員?；谶@些數(shù)據(jù)可以生成常見的所有統(tǒng)計數(shù)據(jù)（控球率、射門次數(shù)等等），不過缺點就是沒有無球球員的位置數(shù)據(jù)，這也是為什么現(xiàn)在很多人詬病數(shù)據(jù)分析無法揭示體育比賽實際情況的一個重要論點（關(guān)于這個問題，這個會在后面詳細說明。）

3 Sky Sports（Sky Sports - Sports News, Transfers, Scores）

光從能提供的數(shù)據(jù)的角度，天空體育肯定是比不上前面提到的兩個網(wǎng)站的，不過上面會有更多的新聞和評論向的文章。另外，Whoscored和Squawka的比賽解說是自動生成的，而天空體育的會有一些真實的解說文字，自行對比感受吧，不要問我為什么會關(guān)注那么奇怪的點……

二、科研paper

不是開玩笑，分析體育比賽還真能發(fā)paper……不過這需要專業(yè)的數(shù)據(jù)和研究方法。先說說足球這邊的。

從用到的數(shù)據(jù)來看，從早起的研究大多基于前面提到的ball event，后來隨著技術(shù)的發(fā)展，數(shù)據(jù)的收集范圍擴展到每一秒中每一幀球員和球的位置，這樣的話，只要技術(shù)達到相應(yīng)的水平，對于無球球員的情況也是可以分析出來的。因此回到前面提到的那個問題，的確我們平時接觸到的都是一些簡單的統(tǒng)計數(shù)據(jù)，但不代表在非常專業(yè)的層面沒有分析諸如無球跑動、球隊陣型這些深層次內(nèi)容的數(shù)據(jù)和方法，只不過普通球迷沒有辦法獲得而已。順便說一下，目前有這類數(shù)據(jù)的公司叫Prozone，已經(jīng)被一家叫STATS(Sports Data Company

)的公司收購，這樣子的話STATS就壟斷了世界上足球和籃球頂級賽事的數(shù)據(jù)來源，一般只有他們內(nèi)部或是與他們有合作關(guān)系的科研機構(gòu)才有機會獲到相關(guān)的數(shù)據(jù)。

對于足球，利用以上這些數(shù)據(jù)，可以做的東西有：球隊分類、球員之間傳球情況分析、下一時刻足球位置預(yù)測、射門結(jié)果預(yù)測、球隊陣型分析……在此不一一介紹，推薦一篇近期出來的review（終于要上文章了好興奮～），里面主要介紹的是足球和籃球相關(guān)的，對于相關(guān)的文章介紹非常全面：

［1］Gudmundsson J, Horton M. Spatio-Temporal Analysis of Team Sports--A Survey[J]. arXiv preprint arXiv:1602.06994, 2016.

足球分析的話推薦一位大神Patrick Lucey(http://www.patricklucey.com/Site/Home.html)，最近幾年在一些比較好的數(shù)據(jù)挖掘會議上關(guān)于足球的文章幾乎全是他的team發(fā)的，已經(jīng)被挖到STATS做數(shù)據(jù)科學家了，所以說不定很快就看不到他的文章了。總不能在推送里面講paper吧……所以大家有興趣的自己去他的主頁看就好了。不過（還是沒忍住……）推薦一下這篇：

［2］Bialkowski A, Lucey P, Carr P, et al. Large-scale analysis of soccer matches using spatiotemporal tracking data[C]//Data Mining (ICDM), 2014 IEEE International Conference on. IEEE, 2014: 725-730.

里面講的是如何利用整場比賽所有球員的位置數(shù)據(jù)來估計球隊的陣型，下圖（［2］）是對某一年英超進行分析得到的幾種常見陣型，看著還挺像那么回事的，像442，4231，433這些都能看到。另外根據(jù)陣型去猜具體是哪支球隊能做到75%的準確率也是相當厲害的（20支球隊，隨機猜的話只有5%的正確率）。

最后推薦一個會議，MIT Sloan Sports Analytics Conference（MIT Sloan Sports Analytics Conference），每年的三月份召開，會聚集很多學界和體育界的專業(yè)人士，可以投稿，被錄取的paper也會在官網(wǎng)上發(fā)布。

總結(jié)

在當前這個時代，各種各樣的數(shù)據(jù)充斥著社會生活的方方面面，體育比賽也不例外。對于足球領(lǐng)域（其實對于其他體育領(lǐng)域也一樣）來說，由于原始數(shù)據(jù)的稀缺性和壟斷性，我們很難直接得到可以分析的數(shù)據(jù)，但現(xiàn)實中仍存在很多資源讓我們?nèi)ソ佑|和體驗分析足球比賽的方法，不管是直觀的可視化手段，或是嚴謹?shù)目茖W研究。這些會給予我們另一個視覺去領(lǐng)略足球比賽的美。

以上。