فوتبال از دستگاه‌ها و حسگرهای جدید برای ارزیابی مهارت‌های فنی و سبک تاکتیکی بازیکنان استفاده می‌کند.

۰۶ شهریور ۱۴۰۱ | ۱۳:۰۲ کد : ۱۲۴۹ اخبار و رویدادها
تعداد بازدید:۲۳۰۱
فوتبال از دستگاه‌ها و حسگرهای جدید برای ارزیابی مهارت‌های فنی و سبک تاکتیکی بازیکنان استفاده می‌کند.

اولین مشتری Playermaker در انگلستان، Fulham FC بود. این یک موفقیت بزرگ بود: فولام برای فصل 19-2018 به لیگ برتر صعود کرده بود اما یک مشکل وجود داشت. تنها دو هفته پس از اجرای حسگرهای پوشیده شده روی  کفش، فولام با Playermaker تماس گرفت و گفت: «اطلاعات شما قابل اعتماد نیستند، داده های بدی است.
شخصی از تیم Playermaker از باشگاه بازدید کرد که در آن مربیان فولام آن روز اذعان کردند که "به طور کلی خوب است، اما به این بازیکن نگاه کنید: غیر طبیعی است. امکان ندارد که او این همه لمس توپ داشته باشد و اینطور دریبل بزند."
 

در ابتدا تصور می شد که داده های چشمگیر هاروی الیوت از سنسورهای کفش Playermaker یک نقص است.
دنیای فوتبال به لطف گسترش ویدیوهای دیجیتال، دسترسی رو به رشد ورودی داده های جسمانی و اکنون معرفی دستگاه ها و نقاط داده جدید به سرعت در حال تکامل است. حسگرهایی مانند Playermaker که داده‌های جسمانی را ارائه می‌دهند و همچنین معیارهای ارزیابی مهارت‌های فنی را نیز ارائه می‌دهند در حال به دست آوردن جایگاهی در فرآیند جستجو هستند، حتی اگر منحنی یادگیری لازم برای درک این اطلاعات جدید وجود داشته باشد.
سایر حوزه‌های جدید جمع‌آوری اطلاعات شامل تجزیه و تحلیل بیومکانیکی تنها با استفاده از دوربین‌های گوشی‌های هوشمند AiScout و JuniStat، مجموعه دموکراتیک داده‌های جسمانی از SkillCorner و Track160 و استفاده از الگوریتم‌های پیشرفته برای ارزیابی تناسب بازیکن در سبک‌های تاکتیکی مختلف از SmarterScout و StatsBomb است. 

بن اسمیت، رئیس تحقیقات و نوآوری باشگاه فوتبال چلسی که همچنین سرپرست تیم بین‌المللی BreakAway  است، می‌گوید: «تضاد با آن‌ها یک فرآیند کاملاً دستی است و متمایز کردن خود بر اساس انتخاب چند کلیپ خوب و خوش‌شانس بودن در صورتی است که فرد مناسب به آن نگاه کند». اما داده‌ها این توانایی را دارند که واقعاً شما را در مقابل افراد قرار دهند، به‌گونه‌ای که به نظر من، احتمال و شانس بیشتری برای دیده شدن به شما می‌دهد، زیرا نشانگر استعداد است، نه خلاقیت در نحوه جمع‌آوری یک CV یا خلاقیت تجسمی از اینکه شما چه کسی هستید."
فوتبال جهانی در حال حاضر از شکاف مالی بین دارندگان و نداشته‌ها رنج می‌برد، اما شکاف بین باشگاه‌ها با استفاده از روش‌های پیشرفته پیش‌بینی به شکاف استعدادها کمک می‌کند. جردن گاردنر، یکی از مالکان و شریک مدیریت باشگاه فوتبال دانمارک، می‌گوید: «مردم اگر پشت صحنه اروپا را از نظر نحوه اداره این باشگاه‌ها ببینند، نه فقط از نقطه‌نظر عملیاتی، بلکه از نظر پیچیدگی، شوکه می‌شوند. 
هر سال، Reliance Foundation Young Champs، یک آکادمی فوتبال مسکونی پنج ستاره در ناوی بمبئی، هند را برای یافتن بهترین بازیکنان 12 ساله جستجو می کند و به آنها بورسیه تحصیلی پنج ساله برای زندگی و تمرین در آکادمی ارائه می دهد. این یک فرآیند چند جانبه است که همگی به فرصتی برای تغییر زندگی ختم می‌شوند. 9 بازیکن از 10 بازیکن در اولین دوره فارغ التحصیلی دو سال پیش قراردادهایی را برای بازی حرفه ای در سوپر لیگ هند دریافت کردند.
با این حال، زمانی که همه‌گیری شیوع پیدا کرد، RFYC  توانایی دیدن هیچ بازیکن جوانی را نداشت. این شرکت از یک استارت آپ کوچک مستقر در لندن به نام AiScout کمک گرفت که از فناوری بینایی کامپیوتری 3DAthlete Tracking  اینتل برای ارزیابی حرکات جسمانی بازیکنان استفاده می کند.
از ماه می تا دسامبر، RFYC از بازیکنان جوان دعوت کرد تا تمرینات را از طریق برنامه AiScout انجام دهند. در نهایت، آکادمی با 19 بازیکن قرارداد امضا کرد که البته AiScout تنها عامل نبود، اما 16 نفر در آزمایش‌های مجازی شرکت کرده بودند.

 


AiSCOUT یک پلتفرم مبتنی بر هوش مصنوعی است که باشگاه‌های حرفه‌ای از آن برای جستجو و توسعه بازیکنان آماتور بر اساس داده‌های آپلود شده استفاده می‌کنند.
ریچارد فلتون توماس، مدیر اجرایی AiScout و مدیر علوم ورزشی می‌گوید: «بنیاد Reliance در واقع چهار بازیکن را پیدا کرد که حتی فوتبال سازمان‌یافته بازی نمی‌کردند. "آنها فقط در مناطق روستایی بودند، بنابراین به طور طبیعی آنها را پیدا نمی کردند. این یک آزمایش عالی برای تلفن همراه به عنوان یک سیستم بود."
پیدایش برنامه را می توان در تجربه بنیانگذار و مدیر عامل دارن پریس دنبال کرد. پس از حذف پسرش از آکادمی تاتنهام، ایجنت های باشگاه‌های دیگر برای کسب اطلاعات بیشتر با او تماس گرفتند. Peries چیزی برای اشتراک گذاری به جز از چند ویدیوی تلفن همراه با کیفیت های متفاوت نداشت.
فلتون توماس می گوید: «این فقط او را گیج کرد: اینجا یک صنعت چند میلیارد پوندی بود. چطور می‌توانیم با یک بازیکنرا  در 21 سالگی با 100 میلیون قرارداد بخریم، در حالی که اگر 18 سال یا کمتر باشد، تقریباً چیزی برای او نداریم؟
AiScout، یکی از اعضای برنامه نوآوری فیفا، با ردیابی 21 امتیاز روی بدن، محک زدن توانایی های بازیکنان در هر سطح و هر لیگ و محاسبه امتیاز رتبه ملی، به عنوان منبع داده های عینی وارد شد.

 

بازیکنان آماتور می توانند ویدئوها و داده ها را به شکل آزمایشی برای یک باشگاه لیگ برتر آپلود کنند.
دو باشگاه لیگ برتر، برنلی و چلسی، به عنوان شرکای اولیه درگیر شده اند. درست زمانی که تونسر شروع به جمع آوری تیم های نمایشی بر اساس ویدئوهای ارسالی توسط کاربران کرد، AiScout از داده های خود برای انتخاب 24 بازیکن برای رقابت با تیم آکادمی زیر 18 سال برنلی استفاده کرد. این بازی با تساوی 2-2 به پایان رسید. چهار بازیکن استثنایی در نظر گرفته شدند و برای آزمایش های یک هفته ای در برنلی دعوت شدند. در سراسر اکوسیستم فوتبال، بیش از 20000 کاربر اطلاعاتی را به AiScout ارسال کرده اند.
اسمیت از چلسی می گوید: «ماهیت رشد استعدادها می تواند کمی تصادفی باشد. "بنابراین اگر بتوانیم فناوری ای برای کار در مقیاس در مناطق وسیع داشته باشیم، آنگاه دامنه و دسترسی ما به طور بالقوه بسیار قابل توجه است."
 JuniStat  یک برنامه روسی است که اکنون در ایالات متحده و شیلی مستقر است و به دنبال انجام همین کار است، با پایگاه کاربری 40000 کاربر، عمدتاً از اروپای شرقی و آمریکای لاتین با بازار رشد قوی در آفریقا. یکی از بنیانگذاران گلب شاپورتوف می گوید در حال حاضر 21 باشگاه حرفه ای از این برنامه استفاده می کنند که اکثر بازیکنان آن بین 10 تا 15 سال هستند.
او می‌گوید: «همان‌طور که باشگاه‌های برزیلی به ما می‌گفتند، این دوران طلایی بازیکنان فوتبال است که در آن می‌توان استعدادهای آینده را شناسایی کرد و آنها را به روشی مناسب توسعه داد.
شاپورتوف می گوید که JuniStat فناوری خود را با اتحادیه فوتبال روسیه تأیید کرده است و روند انجام همین کار را با فیفا در پاییز امسال آغاز کرده است. ما مستقیماً از گوشی هوشمند می‌توانیم اسکلت بدنی بازیکن را شناسایی کنیم و بر اساس هزاران کودک هم سن در پایگاه داده خود، بلافاصله عملکرد آنها را دنبال می‌کنیم. ما داده‌های خام پیچیده‌ای را از آنها دریافت می‌کنیم، آن‌ها را تجزیه و تحلیل می‌کنیم و سپس نتایج را به روشی آسان و قابل استفاده به کاربر ارائه می‌کنیم.
AiScout در حال کار برای ایجاد یک آزمایشگاه عملکرد سیار با فناوری‌های اضافی برای جمع‌آوری داده‌های بدنی است و با چلسی به عنوان شریک تحقیق و توسعه در تست‌های شناختی و آگاهی روان‌سنجی کار می‌کند. فلتون توماس می‌گوید: «توجه، آگاهی فضایی، بینش یا سرعت پردازش نیز بسیار مهم هستند.
برنامه AiScout برای بازیکنان رایگان است، در حالی که ایجنت ها، مربیان و باشگاه ها برای دسترسی باید خرید اشتراک انجام دهند. فلتون توماس می‌گوید که مأموریت این است که «رویکردی عینی و دسترسی برای همه برای شناسایی استعداد» ایجاد کند، بدون توجه به شهر و محل زندگی فرد. 
شاخص های کمی سبک بازی ابزار کلیدی برای تیم ها است.
تیاگو آلمادا در چهار سالگی برای یک باشگاه فوتبال محلی در زادگاهش آرژانتین بازی کرد. او اولین بازی حرفه ای خود را در 16 سالگی انجام داد. زمانی که 18 ساله بود، در مارس 2020، و با شروع برای Vélez Sarsfield، یک سرویس مجهز به هوش مصنوعی به نام SmarterScout پتانسیل های او در لیگ برتر را برجسته کرده بود و به مهارت های او در حفظ توپ و کسب زمین اشاره کرد. دوئل و گلزنی، علاقه قدرت های بزرگ اروپایی به لیگ برتر، لالیگا و لیگ 1 همگی دنبال شد و منچستریونایتد و منچسترسیتی در میان آنهایی هستند که طبق گزارش ها داغ ترین آنها را دنبال می کنند. آلمادا در عوض آتلانتا یونایتد را انتخاب کرد و برای انتقال 16 میلیون دلاری MLS قرارداد امضا کرد.
مسیری مشابه جولیان آلوارز هموطن آلمادا را دنبال کرد که عملکردش در ریور پلات توجه پلت فورم SmarterScout  را جلب کرد و قبل از انتقال به من سیتی بود. داده‌های او شباهت بسیار خیره‌کننده‌ای به کوین دی بروین فوق‌ستاره داشت و تحلیل نتیجه می‌گیرد: «چرا ممکن است آلوارز در لیگ برتر و به‌ویژه در منچستر سیتی بهتر از ویژگی‌های بدنی او باشد.
 SmarterScout  کار دانیل آلتمن، اقتصاددان تحصیل کرده هاروارد است که مشاور تحلیلی فوتبال برای باشگاه های لیگ برتر و MLS بوده است. این پلتفرم کاملاً خودکار داده‌های رویداد را از 60 لیگ جهانی دریافت می‌کند، آنها را از نظر الگوریتمی غنی می‌کند و سپس ارزیابی می‌کند که یک بازیکن چقدر به درد بازی در لیگ فوتبال دیگری می باشد. آلتمن با اشاره به سبک‌های مختلف بازی در هر پست، می‌گوید: ما به دنبال پایدارترین معیارهای عملکرد بازیکن می‌گردیم و سپس سعی می‌کنیم معیارهایی را پیدا کنیم که با موفقیت در پست‌های مختلف مرتبط هستند، با توجه به پروفایل‌های مختلف. 
انتظار تهاجمی یا محافظه کار بودن کار اعتبارسنجی خودش نشان می‌دهد که SmarterScout تنها به چهار دقیقه بازی نیاز دارد تا بتواند پیش‌بینی‌های قابل اعتمادی داشته باشد، با برخی از معیارهای فردی بازیکن که حداقل در  سن 16 سالگی ثابت می‌شوند.
این نوع برنامه داده سود سهام را در تمام سطوح ورزش نشان می دهد. ارائه دهنده محبوب تجزیه و تحلیل  StatsBomb بیش از 150 باشگاه مشتری از لیگ قهرمانان تا دسته پنجم فوتبال انگلیس دارد اما مشتریان کمتری در سطح پایین تر از قبل دارد.
فصل گذشته، سه باشگاه از چهار باشگاه در دسته چهارم انگلیس، لیگ دو، که به لیگ یک صعود کردند، همگی مشتریان StatsBomb بودند. تیم چهارم به پلی آف رسید اما به سختی از صعود ناکام ماند. تد کناتسون، بنیانگذار StatsBomb، می‌گوید: «در مقطعی به ما گفته شد که این هرگز اتفاق نمی‌افتد: خیلی پایین است، آنها نمی‌خواهند بودجه را برای آن هزینه کنند و بدیهی است که من یک مدیرعامل هستم و فروشنده این چیزها هستم، اما واقعیت این است که من را شگفت زده کرد.
از آن باشگاه ها گرفته تا مشتریان لیگ قهرمانان، همه داده های یکسانی دریافت می کنند. کناتسون می‌گوید: «به آن‌ها همان چیزها پیشنهاد می‌شود. "این کمی دموکراتیک کردن علم داده است." 
او می‌افزاید: «فقط شمارش تعداد تکل‌هایی که این شخص انجام داده نیست: «آیا آنها به طور منظم از نظر موقعیت درست هستند؟ زیرا ما به بازیکنانی نیاز داریم که در سیستم تاکتیکی ما راحت باشند و قطعاً ما آنها را تغییر نمی دهیم؟ ما این مربی را برای سه سال دیگر در اختیار داریم ما واقعاً او را دوست داریم بنابراین ما یک مدافع میانی می‌خواهیم که با او هماهنگ باشد، برخلاف اینکه بیرون برویم و بهترین مدافع میانی بازار را پیدا کنیم.
شرکت‌هایی مانند SmarterScout و StatsBomb بر روی داده‌های رویداد، رکوردی از لحظات کلیدی مسابقه که معمولاً به اتفاقاتی که در اطراف توپ می‌افتد مربوط می‌شوند: شوت‌ها، پاس‌ها، تکل‌ها و غیره. داده‌های ردیابی که شامل سرعت و مسافت بازیکن می‌شود بسیار سخت‌تر است، جایی که SkillCorner جایگاهی را برای استخراج این مجموعه داده  ها پیدا کرده است.
SkillCorner در حال کار بر روی تطبیق الگوریتم‌های خود برای پاسخگویی به این نیاز است. نیلسون می‌گوید تیمش در حال توسعه مجموعه‌ای از تجزیه و تحلیل‌های سطح بعدی خود است تا فشار دفاعی روی توپ، آگاهی از زمین، توانایی یافتن فضای باز و موارد دیگر را تعیین کند.

 

 

نیلسون می‌گوید: «راستش، این مهم‌تر از داده‌های بدنی است، زیرا این در واقع به دست آوردن هوش و تصمیم‌گیری است. این فقط پاها و میزان دویدن آنها نیست. بلکه مغز ورزشکار نیز هست و من فکر می کنم که این به طور بالقوه پیشرفت بزرگ بعدی برای شناسایی استعداد ها است."

 

 


تکامل داده ها نیاز به صبر دارد.

حتی زمانی که یک باشگاه مایل به سرمایه گذاری بر روی داده ها است، در این فرآیند نیز به صبر و شکیبایی کافی نیاز دارد. گاردنر، مالک باشگاه هلسینگور در دسته دوم دانمارک، می‌گوید حداقل جدول زمانی برای مشاهده پیشرفت دو تا سه سال است. این امر به ویژه در باشگاهی که او خریداری کرده صادق بوده است.
دسترسی بیشتر به استفاده از داده ها می تواند این چشم انداز را تسهیل کند. در حال حاضر، معمولاً به تحلیلگران داده نیاز است تا اطلاعات را برای یافتن ارزش استخراج کنند. وارد کردن آن به حوزه تخصصی مربیان گام اساسی بعدی است.
اسمیت از چلسی و BreakAway Data می‌گوید: «داده‌ها، مطمئناً در سراسر فوتبال، در حال انتقال جالبی هستند که به عملکرد نزدیک‌تر می‌شوند .
 

 

 

Playermaker تعاملات پا به توپ بازیکن از جمله لمس توپ را ضبط می‌کند. اولین پذیرنده PlayerMaker در ایالات متحده، برنامه فوتبال زنان دانشگاه پیتسبورگ بود. مربی رندی والدرام می گوید که او فهمیده است که چند سال طول می کشد تا زمینه مناسب برای معیارها ایجاد شود. اتفاقاً، کیفیت کلی برنامه به طور قابل توجهی بهبود یافته است، بنابراین خطوط پایه نیز در حال تکامل هستند. سنسور پوشیده شده روی کفش، که داده‌های جسمانی و فنی را ارائه می‌دهد، به استحکام بخشیدن به آنچه می‌بیند کمک می‌کند و در مواقعی می‌تواند به عنوان یک تساوی بین دو بازیکن عمل کند.
والدرام می‌گوید: «ما در حال حاضر یک سیستم بسیار خوب و یک فایل بسیار خوب در مورد میانگین مسافتی که بازیکنان در هر موقعیت باید طی کنند و نوع لمس‌هایی که لازم است را داریم. 

 

کلیدواژه‌ها: باشگاه باشگاه لیگ برتر باشگاه فوتبال باشگاه لیگ لیگ لیگ برتر بازیکن فوتبال حال حال حاضر


نظر شما :