Εάν η Μπορούσια Ντόρτμουντ είχε εμπιστευτεί περισσότερο τα δεδομένα, ίσως ο Γιούργκεν Κλοπ να ήταν ακόμη ο προπονητής της BVB – ή τουλάχιστον να είχε μείνει για μεγαλύτερο χρονικό διάστημα στον σύλλογο και όχι μόνο μέχρι το καλοκαίρι του 2015. Αν και αυτή είναι μία τολμηρή υπόθεση, η ιστορία πίσω από αυτήν μας λέει πολλά για την ψηφιοποίηση του ποδοσφαίρου.

Tα xG της Ντόρτμουντ και η φυγή του Κλοπ

Όταν στο πρώτο μισό της σεζόν 2014/15 η Ντόρτμουντ βρισκόταν απροσδόκητα στον πάτο της Μπουντεσλίγκα, ο μπλόγκερ Κόλιν Τρένορ εξηγούσε σε ανάλυσή του στο statsbomb.com το εξής: η ομάδα του Κλοπ έπρεπε να έχει σκοράρει 25 φορές αντί για 17, αλλά και να έχει δεχθεί μόλις 17 γκολ αντί για 26. Με άλλα λόγια, με το πέρας των πρώτων 17 αγωνιστικών η Ντόρτμουντ θα έπρεπε να βρίσκεται στην 4η θέση του βαθμολογικού πίνακα – και όχι στην προτελευταία.

Ο Τρένορ βάσισε την ανάλυσή του στην τεχνολογία των προβλεπόμενων γκολ ή αλλιώς Expected Goals (xG): μία τεχνολογία που υπολογίζει βάσει των ευκαιριών που παρουσιάζονται σε κάθε αγώνα το πόσα γκολ θα έπρεπε «αντικειμενικά» να έχει σκοράρει ή να δεχθεί η εκάστοτε ομάδα. Συνδυάζοντας τα στοιχεία από περισσότερους αγώνες προκύπτει αντιστοίχως ο μέσος όρος των υπέρ και των κατά xG.

Το συμπέρασμα του Τρένορ ήταν πως για μεγάλο χρονικό διάστημα η BVB ήταν ουσιαστικά ασυνήθιστα άτυχη, με αποτέλεσμα να χάσει δυσανάλογα πολλούς βαθμούς δεδομένης της εικόνας της στο γήπεδο. Και πράγματι στον δεύτερο γύρο η Ντόρτμουντ ανέτρεψε την κατάσταση, εξασφαλίζοντας τελικά την 7η θέση και μαζί την παρουσία της στα προκριματικά του Europa League. Όμως ο αποχωρισμός με τον Κλοπ είχε πλέον αποφασιστεί.

Η συγκεκριμένη ιστορία είναι μία από τις πολλές που δείχνουν την ολοένα και μεγαλύτερη επιρροή της συλλογής και ανάλυσης δεδομένων στο ποδόσφαιρο. Σήμερα μάλιστα, τα xG αποτελούν μία ευρέως γνωστή μέθοδο αξιολόγησης, την οποία γνωρίζουν σχεδόν όλοι οι θεατές της Μπουντεσλίγκα και των ποδοσφαιρικών διοργανώσεων.

Πλέον οι προπονητές εκμεταλλεύονται όλες τις διαθέσιμες μετρήσεις για την προετοιμασία της ομάδας τους, είτε αυτές αφορούν τη δημιουργία ευκαιριών, την εκμετάλλευση των κενών χώρων στο γήπεδο ή την απόδοση του υψηλού πρέσινγκ αναλόγως με τον εκάστοτε αντίπαλο. Χάρη στα Big Data το ποδόσφαιρο έχει μετατραπεί σε ένα παιχνίδι ανάλυσης δεδομένων. Ή μήπως όχι;

Ο απρόβλεπτος ανθρώπινος παράγοντας

«Πρώτη φορά ήρθα σε επαφή με αυτή τη μαζική συλλογή δεδομένων το 2014, όταν ήμουν προπονητής στη Φούλαμ (Αγγλία)», λέει ο Φέλιξ Μάγκατ, ο οποίος αντιμετωπίζει το ζήτημα με σκεπτικισμό. «Είναι μία πλάνη η πεποίθηση πως τα δεδομένα μπορούν να μας πουν κάτι, διότι το ποδόσφαιρο εξακολουθεί να παίζεται από ανθρώπους. Και οι άνθρωποι είμαστε κάθε μέρα διαφορετικοί». Ο ίδιος δεν ξέρει πόσα ακριβώς δεδομένα είναι πλέον διαθέσιμα, «αλλά σίγουρα είναι πάρα πολλά». Ο καθένας μπορεί να ερμηνεύει τα δεδομένα όπως θέλει. «Αλλά υπάρχει μία συγκεκριμένη πληροφορία: ο βαθμολογικός πίνακας. Και αυτός δεν λέει ψέματα», τονίζει ο Μάγκατ.

Είχε επομένως άδικο ο Κόλιν Τρένορ; Δεν είναι λίγοι αυτοί που διαφωνούν με τον Μάγκατ. Μεταξύ αυτών είναι και όλοι οι μεγάλοι σύλλογοι. Σε κάθε γήπεδο της Μπουντεσλίγκα υπάρχουν κάμερες που καταγράφουν 3,6 εκατομμύρια δεδομένα θέσης σε κάθε αγώνα – δηλαδή κάθε κίνηση τόσο των ποδοσφαιριστών, όσο και της μπάλας. Αυτά διατίθενται ζωντανά στην Μπουντεσλίγκα από τη Γερμανική Ποδοσφαιρική Λίγκα (DFL). Και δίπλα σε κάθε προπονητή υπάρχει πια ένας αναλυτής που του τα μεταφέρει. Πώς όμως βοηθούν πρακτικά όλες αυτές οι πληροφορίες κάποιον, προκειμένου να κερδίσει ένα παιχνίδι;

Οι πιο πολύπλοκες μετρήσεις είναι καθοριστικές

«Μεταξύ των μετρήσεων περιλαμβάνονται ο αριθμός των πασών, των χιλιομέτρων, της κατοχής που κάνει μία ομάδα. Πρόκειται όμως για απλοϊκές μετρήσεις που δεν μας λένε ποια ομάδα κερδίζει ή χάνει σε έναν αγώνα», λέει ο αθλητικός επιστήμονας Ντάνιελ Μέμερτ από το Ινστιτούτο Επιστήμης Προπόνησης και Αθλητικής Πληροφορικής του Αθλητικού Πανεπιστημίου της Κολωνίας. Ένα χαρακτηριστικό παράδειγμα είναι ο ημιτελικός του Παγκοσμίου Κυπέλλου του 2014 μεταξύ Γερμανίας και Βραζιλίας: σε εκείνον τον αγώνα η Σελεσάο ήταν καλύτερη σε πολλές από αυτές τις κατηγορίες. Όμως τελικά έχασε με 7-1.

Ο Μέμερτ και η ομάδα του, αντιθέτως, έχουν αποδείξει επιστημονικά πως οι πιθανότητες επικράτησης για μία ομάδα αυξάνονται όταν αυτή έχει κατά το δυνατόν μεγαλύτερο έλεγχο του χώρου στο πεδίο των 30 μέτρων από το τέρμα του αντιπάλου – δηλαδή στο αμυντικό του τρίτο. Μεγαλύτερες πιθανότητες νίκης έχει και η ομάδα που πρεσάρει καλύτερα. «Οι πιο περίπλοκες μετρήσεις έχουν αξία», εξηγεί ο Μέμερτ.

Σήμερα, δεν είναι μόνο οι κορυφαίοι σύλλογοι όπως η κάτοχος του Τσάμπιονς Λιγκ Μάντσεστερ Σίτι που απασχολούν αστροφυσικούς και άλλους επιστήμονες, προκειμένου να ξεδιαλέξουν από τα διαθέσιμα δεδομένα τα πιο κρίσιμα – πολλές ομάδες της Μπουντεσλίγκα συνεργάζονται επίσης με μαθηματικούς και στατιστικολόγους. Και μάλιστα δεν βασίζονται μόνο στα δεδομένα της DFL, αλλά και εταιρειών, όπως η Stats Perform και η Impect, πληρώνοντας εξαψήφια ποσά κάθε σεζόν. Για τα τμήματα scouting των συλλόγων υπάρχουν άλλα προγράμματα αξιολόγησης.

Ένας τεράστιος επιχειρηματικός κλάδος

Η Μπουντεσλίγκα αποτελεί ένα μικρό κομμάτι του τεράστιου αυτού επιχειρηματικού τομέα. Στην αγγλική Πρέμιερ Λιγκ υπάρχουν ομάδες που έχουν κλείσει εδώ και χρόνια συμφωνίες με τέτοιες εταιρείες, προκειμένου να εξασφαλίσουν αποκλειστικότητα στα συλλεχθέντα δεδομένα. «Φυσικά, παίζουν ρόλο και τα χρήματα. Όταν κάποιος έχει πολλά χρήματα στη διάθεσή του, μπορεί να αγοράζει κάθε λογής δεδομένα, όπως και τους καλύτερους παίκτες», επικρίνει ο Μάγκατ. «Και όταν τελικά κερδίζει, μπορεί κανείς φυσικά να πει πως αυτό οφείλεται στην ανάλυση των δεδομένων». Από την άλλη πλευρά, όμως, ο συνάδερφός του Γιούργκεν Κλοπ θα μπορούσε να έμενε περισσότερο στην Ντόρτμουντ, εάν εμπιστευόταν κανείς περισσότερο τα δεδομένα.

Επιμέλεια: Γιώργος Πασσάς