Štatistiky futbalových zápasov

Ak ste pozorne sledovali nedávno skončený svetový šampionát vo futbale, určite vám neušlo množstvo informácií a dát, ktoré vám pri jednotlivých stretnutiach ponúkali. Popri bežných dátach ako sú držanie lopty v percentách, počty nahrávok, striel do priestoru bránky, počty rohov, faulov, vzdialenosti nabehané hráčmi atď. sa objavovali aj dáta pomerne nezvyklé a často aj neznáme.

V súčasnosti používaných metrikách existuje množstvo parametrov, ktoré umožňujú hodnotiť nielen celý zápas, ale aj jednotlivé úseky hry či samotné situácie. Sú za tým rôzne zložité matematické, štatistické a informačné algoritmy a modely, ktorým tiež pomáha umelá inteligencia (AI). Pozrieme sa na jeden konkrétny parameter – xG – a ukážeme si na ňom filozofiu prístupu, úroveň hodnotiacej miery a jeho význam v súčasnom najpopulárnejšom športe vo svete.

1. Čo je to xG (Expected Goals / Očakávané góly)?

• Podstata: Miera kvality streleckej šance. Každá strela dostane určitú váhu od 0 (nemožné skórovať) do 1 (100 % gól, napr. prázdna brána z metra).
• Ako sa k nemu dopracujeme: Model zoberie historické dáta zo stoviek tisíc striel z minulosti (počas ktorej sa podklady zbierali). Sleduje parametre ako vzdialenosť od brány, miesto strelca, uhol, typ prihrávky či pozíciu obrancov a brankára apod.. Ak z danej pozície v histórii skončilo gólom 15 striel zo 100, takáto strela dostane hodnotu xG = 0.15.
• Sčítavanie pre tím/hráča: Po zápase sa xG jednotlivých striel sčíta. Ak mal tím 4 šance (s hodnotami 0.50, 0.20, 0.10 a 0.20), jeho celkové xG zo zápasu je 1.00 (súčet týchto hodnôt).

2. Kľúčové nuance xG

• Predpoklad „priemerného hráča“: Základný xG model nerozlišuje, či strieľa dedinský útočník alebo Kylian Mbappé. Počíta s hypotetickým „priemerným futbalistom“. Pre rovnakú pozíciu dá rovnaké xG v Lige majstrov aj v 6. lige.
• Model vs. Výkon tímu:
  1. Výkon tímu: Po každom zápase sa klubu iba pripočíta xG z jeho vlastných striel.
  2. Matematický model: Ten sa prepočítava málokedy (napr. raz za sezónu) na základe obrovského množstva nových striel zo všetkých súťaží, aby bol vzorec presnejší.
• Anomálie (Hráči, ktorí ničia matematiku): Väčšina hráčov sa z dlhodobého hľadiska dostane na hodnotu, ktorú im xG predpovedá. Existujú však výnimky – napr. Son Heung-min či Lionel Messi. Son vďaka extrémne presnému zakončeniu oboma nohami dlhodobo strieľa výrazne viac gólov, než mu určuje xG (za pár rokov dal o ~30 gólov viac, než bol predpoklad z jeho pozícií).
• Rozdiel xG vs. xGOT (Post-Shot xG):
  • Klasické xG hodnotí šancu pred výstrelom (odkiaľ a ako sa strieľa).
  • xGOT hodnotí šancu po výstrele – zohľadňuje, či lopta letela do vinkla (hodnota stúpne) alebo slabo do stredu brány (hodnota klesne).

3. Ako to zapadá do celkovej skautingovej skadačky?

Moderný futbal nepoužíva len xG. Zhluková analýza (clustering) spája viacero metrík dokopy:

• xA (Expected Assists): Kvalita prihrávky na strelu bez ohľadu na to, či spoluhráč trafil bránu.
• PPDA (Passes Per Defensive Action): Aký agresívny je pressing tímu (čím nižšie číslo, tým viac tím súperovi nedá dýchať).
• Field Tilt: Akú územnú prevahu má tím v záverečnej tretine ihriska.

Vďaka algoritmu (ako napr. K-means) potom počítač vie sám rozdeliť útočníkov na „čistých zakončovateľov do šestnástky“ vs. „kreatívnych krídelníkov“, prípadne klubu nájsť lacnejšiu náhradu za predanú hviezdu s podobnými dátami.

Vráťme sa teraz ešte k rozdielnemu náhľadu na xG pri jeho kumulovaní po zápase mužstva (po zápasová štatistika) a pri predikcii a analýzach. Rozlíšenie týchto dvoch vecí je presne ten kľúčový moment, v ktorom si veľa ľudí (aj skalných futbalových fanúšikov) pletie pojmy:

1. Zápasová štatistika (Reálny zápas):

• Štart: Vždy striktne od 0.00.
• Princíp: Sčitujú sa len tie strely, ktoré reálne padli počas 90 minút na trávniku.
• Význam: Ukazuje, aké dobré šance si tím v tomto konkrétnom zápase vypracoval (bez ohľadu na to, či z nich dal góly).
• Keď rozhodca zapíska začiatok zápasu, obe mužstvá majú v zápasovej štatistike 0.00 xG. Jeho hodnota sa mení priamo v zápase, strela po strele.
• Tím A vystrelí v 5. minúte z diaľky → priráta sa mu 0.03 xG.
• V 20. minúte kope penaltu → priráta sa mu 0.76 xG.
• V tej chvíli má tím v zápase celkovo 0.79 xG.
• atď.

2. Predikcia a analýza (pred zápasový model)

• Štart: Pracuje s historickými priemermi (napr. posledných 10-15 zápasov).
• Princíp: Analytici zoberú napríklad to, že Tím A dlhodobo generuje 1.80 xG/zápas a Tím B v defenzíve púšťa súpera priemerne do 0.90 xG/zápas. Tieto dáta premiešajú cez algoritmus (zohľadnia domáce/vonkajšie prostredie, formu) a vyjde im odhad, ako by zápas mohol vyzerať.
• Význam: Slúži pre trénerov na taktickú prípravu, pre skautov pri vyhľadávaní a vytipovávaní vhodných hráčov alebo pre stávkové kancelárie na vypísanie kurzov.

Pri pozornom čítaní musia bezpochyby vzniknúť dve otázky. Dá sa povedať, kedy, v akých intervaloch sa prepočítava hodnota „základného matematického modelu“ a či jednotlivé spoločnosti, ktoré sa venujú analýzam, predikciám a moderným metrikám si vytvárajú ich vlastné kolekcie?

Stručná odpoveď na obe otázky je ÁNO, aj na intervaly, aj na vlastné kolekcie dát. Tu sú detaily, ako to funguje v zákulisí:

1. V akých intervaloch sa prepočítava základný matematický model?

Model sa neprepočítava po každej strele v ligovom zápase – to by bolo pre servery výpočtovo neefektívne a pre štatistiky príliš nestále. Analytické firmy používajú dva hlavné režimy:

• Veľký prepočet (Raz za sezónu / Medzisezónne obdobie):
  • Toto je hlavný update. Cez leto, keď sa nehrá, firmy vezmú dáta zo všetkých stoviek tisíc striel za uplynulý rok a pustia model znova.
  • Spresňujú sa váhy jednotlivých faktorov (napr. vplyv výšky lopty, vzdialenosť najbližšieho obrancu a pod.). Keď vyvinú novú, lepšiu verziu modelu (napr. StatsBomb xG v3.0), často spätne prepočítajú aj históriu, aby boli dáta z minulej sezóny porovnateľné s novými.
• Prírastkové učenie (Continuous Learning – priebežne):
  • Niektoré pokročilé AI modely sa učia v kratších cykloch (napr. raz za mesiac alebo po bloku reprezentačných prestávok). Ide o jemné kalibrácie, ktoré reagujú na modernejšie trendy vo futbale (napr. že sa dnes strieľa čoraz viac zvnútra šestnástky a menej z diaľky).

2. Vytvárajú si firmy vlastné kolekcie dát a vlastné modely?

Jednoznačne ÁNO. Toto je obrovský komerčný trh a každá veľká analytická firma si stráži svoj „tajný recept“.

Nevytvárajú len vlastné matematické vzorce, ale zbierajú aj vlastné surové dáta, ktoré sprístupňujú záujemcom v duchu ich vlastného obchodného modelu:

• Opta (Stats Perform): Svetový gigant a štandard pre väčšinu médií (Sky Sports, BBC, dátové portály ako Fbref). Majú tisíce operátorov po celom svete, ktorí zápasy značia manuálne a pomocou počítačového videnia.
• StatsBomb: Známi tým, že zbierajú oveľa detailnejšie dáta ako konkurencia. Pri každej strele napríklad zaznamenávajú presnú pozíciu všetkých 22 hráčov a brankára na ihrisku („zmrazená snímka“ v momente strely). Ich xG model je preto považovaný za jeden z najpresnejších na svete.
• Understat: Špecializuje sa na voľne dostupné vizualizácie pre top 5 európskych líg. Používajú vlastný nezávislý xG model, ktorý sa môže mierne líšiť od Opty.
• Klubové / Interné modely: Najbohatšie kluby sveta (napr. Liverpool FC, FC Manchester City, Brighton, Brentford) majú vlastné tímy analytikov a dátových vedcov. Tí si kupujú len surové dátové balíky od Opty či StatsBombu, ale xG vzorce si píšu sami na mieru, lebo veria, že ich vlastný model vidí detaily, ktoré komerčné firmy prehliadajú.

Čo z toho vyplýva pre človeka, čo číta štatistiky?

Preto sa môže stať, že po zápase si otvoríš tri rôzne stránky a uvidíš tri mierne odlišné čísla:

• Opta: Tím A mal 1.45 xG
• StatsBomb: Tím A mal 1.62 xG
• Understat: Tím A mal 1.38 xG

Nie je to chyba! Všetky tri firmy videli rovnaký zápas, ale každá použila svoj vlastný matematický vzorec a vlastnú databázu historických striel na vyhodnotenie tých istých šancí.

Je potrebné uznať, že náplň tohto článku je dosť špecifická a pre pochopenie si vyžaduje väčšiu pozornosť. K jeho informačnému významu je však treba pripočítať ešte jeden dôležitý faktor. Je ním skutočnosť, že ovládanie matematiky, štatistiky či informatiky na vysokej úrovni môže byť vhodnou vstupenkou do atraktívneho a finančne nadmieru ohodnoteného sveta zelených trávnikov a slávnych hráčov, ktorí sa na nich pohybujú. Čo viac si možno priať?