La transformation digitale est l'un des grands défis de notre époque. A plus petite échelle, cela concerne également le sport et le football. L'évolution technologique et la digitalization ont entraîné une augmentation rapide du nombre d'appareils de mesure, de collectes de données, de volumes de données et de possibilités. Entre-temps, un secteur économique spécifique s'est établi, qui se consacre à la collecte, à l'analyse, à l'interprétation et à la commercialisation des données relatives aux performances et aux matchs.
Les plus grandes entreprises de données du monde, IBM, Intel, SAP et Microsoft, se disputent les meilleurs outils d'analyse de données et utilisent également le sport comme domaine de démonstration pour la performance de leur marque et de leurs produits.
L'analyse des données dans le football
L'analytique dans le football n'est pas une discipline si récente. Dès la fin de la Seconde Guerre mondiale, on a commencé à collecter des données sur les matches de football et à "jouer" avec. Bien entendu, cela se faisait avec un crayon et du papier. Ce n'est qu'avec la publication de "Moneyball" en 2003 : "The Art of Winning an Unfair Game" que l'analyse sportive dans le domaine du baseball a réellement été introduite auprès d'un public plus large. "
La façon dont il arrive sur la base a-t-elle de l'importance ? Non.
Analyse quantitative
Il y a une dizaine d'années, les données disponibles se limitaient à des statistiques sur les buts, les tirs, le nombre de corners, la possession de balle, les passes, etc. On peut alors parler de l'ère de l'analyse quantitative. Ces données n'ont qu'une valeur limitée pour le personnel d'encadrement. Certes, il peut être inquiétant de constater qu'une équipe encaisse trop de tirs ou qu'elle a trop peu de possession de balle. Cependant, le fait de savoir cela ne fournit pas encore d'informations inattendues pour s'améliorer et gagner plus de matches.
Analyse de la performance La deuxième phase a pris la forme de données de performance. Différentes technologies de suivi sont utilisées à cet effet. Les athlètes portent un transpondeur qui envoie un signal spécifique à des stations de base situées autour du terrain. Les données reçues sont ensuite analysées en temps réel. Les performances de course, les sprints et la vitesse, entre autres, sont évalués. Ces données de performance ont pour but d'améliorer les performances sportives en compétition. Les séances d'entraînement sont également analysées, la surveillance continue des joueurs étant également utilisée pour gérer l'effort et prévenir les blessures.
Données statistiques
Entre-temps, de nombreuses données statistiques sont collectées pour chaque match et pour chaque joueur. Wyscout, par exemple, propose une plateforme bon marché avec des données mondiales, vidéo comprise. Ces données, telles que les buts, les tirs, les duels, les passes, les taux de réussite, etc., permettent déjà de réaliser des analyses détaillées, notamment pour l'évaluation des performances et le scouting.
Exemples:
Métriques avancées : Expected Goals, PPDA, VAEP ...
Avec la métrique Expected Goals (xG) (dont l'origine est controversée), un saut quantique a été réalisé dans l'analyse des données. Le football est et reste un sport avec peu de buts. C'est pourquoi le résultat ne correspond souvent pas au déroulement effectif du match ou aux occasions créées.
Les Expected Goals rendent la performance des équipes et des joueurs plus comparable, car ils mesurent le nombre et la qualité des occasions de but par joueur. Ensuite, de nombreuses autres métriques ont suivi, sur lesquelles nous reviendrons dans des articles ultérieurs. Il s'agit entre autres des Expected Assists (xA), Expected Threat (xT), Expected Goal Chains(xGC), Valuing Actions by Estimating Probabilities (VAEP) et Passes Allowed per Defensive Action (PPDA).
Événements de match – Match Events Data
Les données sur les événements de jeu ont constitué un autre saut quantique dans la collecte de données. Des entreprises spécialisées catégorisent et quantifient des milliers d'événements par jeu, à grand renfort de travail manuel. Pour chaque événement de jeu, les coordonnées (x,y) correspondantes sont également saisies. Plusieurs milliers d'événements sont ainsi enregistrés par match. Ces données d'événements sont précieuses pour les clubs, car l'analyse peut prendre en compte le gain d'espace et l'importance de l'action en plus de l'aspect quantitatif de chaque action. L'interprétation de l'analyse est utilisée dans l'analyse des matchs, l'analyse des adversaires, le scouting et le scouting des entraîneurs. Ainsi, grâce aux Data Analytics, on est en mesure d'analyser simultanément des milliers et des milliers de matches en appuyant sur un bouton.
Exemples:
Tracking Data
Tracking Data sont le summum de l'émotion. Contrairement aux Event Data , qui incluent toutes les actions du ballon, les Tracking Data comprennent les données de position de TOUS les joueurs et du ballon. Ces données sont saisies plusieurs fois par seconde (généralement 10 à 25 images par seconde ou plus) et fournissent des informations continues sur la position de chaque joueur et du ballon.
Des caméras haute résolution placées autour du stade enregistrent les mouvements des joueurs et du ballon. Un logiciel de traitement d'images traite ces données pour suivre les positions en temps réel.
Comme nous disposons à tout moment des informations de tous les joueurs, des analyses plus approfondies, voire presque illimitées, sont possibles en ce qui concerne les trajectoires, la vitesse, les espaces et le positionnement des joueurs, les lignes des joueurs et les modèles de mouvement.
Les inconvénients sont la grande quantité de données et la disponibilité limitée.
Résistances dans le football
Il y a quelques années encore, on pensait que le football était immunisé contre cette tendance. Les responsables sont d'abord restés très sceptiques, voire hostiles. La plupart d'entre eux pensaient que le football était différent des sports américains et qu'il était inutile d'analyser les données des matches. Mais quelques rêveurs n'étaient pas de cet avis et se sont lancés dans l'aventure malgré les doutes et les reproches.
Pendant ce temps, les "early adopters" de l'analyse des données récoltent l'avantage concurrentiel que les investissements dans les personnes et l'analyse des données commencent à leur procurer : Liverpool, Midtjylland, AZ Alkmaar ou Brentford ne sont que quelques-uns de la liste qui s'allonge rapidement. Je pense que les clubs qui ne prennent pas le train en marche courent le risque de se faire distancer.
Une analyse systématique des données permet aux clubs de prendre de meilleures décisions en matière de scouting et d'analyse des matches sur la base des données. Comme pour de nombreuses entreprises, la transformation digitale est un défi majeur pour de nombreux clubs de football. Avant de pouvoir exploiter le grand potentiel, il faut du temps et des investissements dans la technique, les processus et la culture.
Un grand défi pour la plupart des clubs est que les compétences et les ressources disponibles pour les DataAnalytics sont très limitées.
Les données ne contiennent pas de résultats
Que vous soyez un club de football ou une entreprise d'un autre secteur, les mêmes principes s'appliquent. Les données seules ne suffisent pas pour découvrir de nouvelles choses. Les données ne conduisent pas automatiquement à des découvertes. L'analyse et l'interprétation des données sont un travail difficile.
Le défi consiste à interpréter correctement les données. Et cela ne passe pas par la technologie, les processus et les méthodes, mais en premier lieu par le savoir-faire footballistique, l'ouverture d'esprit et la curiosité. Pour obtenir des connaissances réelles et précieuses, il faut de nombreuses itérations entre le savoir-faire footballistique et le savoir-faire en matière de données.
Copernic avait les mêmes données que tout le monde, il voyait, entendait et apprenait la même chose que ses contemporains. Mais il est arrivé à des conclusions totalement différentes. Car il remettait en question des hypothèses qui n'étaient pas discutables pour tous les autres.
Il faut des gens, des personnes compétentes, capables de poser les bonnes questions, de développer des hypothèses et de les valider dans les données. D'une part pour valider ses propres hypothèses, mais aussi pour acquérir de nouvelles connaissances encore impensées, qui soulèvent à leur tour de nouvelles questions passionnantes. Les données aident à voir des choses qui restent cachées à notre esprit et à nos yeux.
Erreurs de perception
Lors de l'interprétation des données, nous devons souvent aussi faire le tri dans notre propre perception.
Le bias de confirmation (confirmation bias) est une distorsion de la perception. L'esprit humain a tendance à rechercher sans esprit critique des preuves qui confirment sa vision du monde. Les quelques événements marquants ont tendance à être surévalués, mais sont moins probants que les nombreux autres événements. Souvent, nous oublions aussi de chercher des évidences qui réfutent notre hypothèse.
You only see what you know
Scouting et analyse de jeu Avenir
La pandémie nous a appris à gérer les données. A faire confiance à ces dernières et à les utiliser à bon escient. Pendant ce temps, le recensement des événements de matches de football est si avancé que les données de presque toutes les ligues semi-professionnelles et professionnelles sont disponibles.
Nous n'en sommes qu'au début du développement de l'analyse des données. Ce qui est considéré aujourd'hui comme "state of the art" sera la norme dans quelques années. Mais nous sommes loin de voir des algorithmes décider quel système de jeu sera utilisé, quel joueur sera recruté, qui sera remplacé ou non. Et nous ne devons pas non plus chercher à y parvenir. Le savoir-faire en matière de football est et reste au centre des préoccupations.
Faites-vous conseiller par vos propres données. Mais ne suivez pas les statistiques. Suivez votre stratégie !
Smart #DataAnalytics is self-financing and saves money! If you invest a few percent of players' wages, you will be able to hire much cheaper & better players.
L'utilisation intelligente des données va bien au-delà du simple achat d'outils standardisés. Nous avons de nombreuses années d'expérience dans les domaines de Entraîneur, du développement des model de jeu, de l'analyse des matchs et dle Datascouting .In addition nous apportons également notre expertise en Business Innovation, Design Thinking et Product Development à la table.
Notre Datascouting éprouvé explique:
footballytics - prendre de meilleures décisions grâce aux smart data
Nous combinons les compétences en tactique, en scouting et en DataAnalytics et soutenons les clubs dans l'interprétation et l'utilisation des données afin de prendre de meilleures décisions dans le scouting et l'analyse des matchs en fonction des données validées.
Blog von www.footballytics.ch
Blog a propos des sujets d'analyse de données dans le football improve the game - change the ǝɯɐƃ
Partager cet article