【2018世界杯数据分析】梅西为什么进不了球?

2018 年 6 月 19 日 新智元





  新智元编译  

来源:fivethirtyeight.com

作者:Bobby Gardiner

编译:闻菲


【新智元导读】在阿根廷vs冰岛一战中,梅西的表现引来无数吐槽,不仅射丢点球,全场大部分时间还在“散步”。但基于数据的分析显示,梅西即使是走路,也比大多数人跑步效果更好。他就像一台高效的机器,搞清楚了如何用最少的能量占据最有价值的场地。


葡萄牙和阿根廷无疑是世界杯上最受瞩目的两支球队,而它们的球员——C罗和梅西也是最受瞩目的明星球员之一。


C罗和梅西都已经完成2018世界杯的亮相。但是,两人的表现却天差地别:C罗在与西班牙队的比赛中上演帽子戏法,帮助葡萄牙3-3战平西班牙;而梅西则在对阵冰岛的比赛中罚丢点球,让球队错过了胜利的机会。



不仅如此,还有一组数字:C罗在对战西班牙时全场跑动8.7千米,最高速度达到了33.98千米/时。而梅西在面对冰岛队时,跑动距离只有7.6千米,全场83%的时间都是在“散步”,最高时速也没有超过25千米。


梅西全场11脚射门,只有3脚射中,没有进球。而且,他还踢丢了一枚点球。


2018世界杯,阿根廷vs冰岛,梅西踢丢点球,最终比分定为1:1


备受期待的男人


自从12年前成为在世界杯上进球的最年轻的阿根廷球员,梅西赢得了比他之前任何人都更多的金球奖奖杯——这是奖给世界上最好的球员的荣誉。这一代的球迷也记得,梅西曾创下过在一年赛季中进球数量最多的记录。他是西班牙西甲联赛历史上的头号射手。


虽然世界杯首战失利,但在今年的西班牙足球甲级联赛赛季,梅西的表现充满了压迫性:



然而,由于目前对足球分析的粗浅,我们几乎无法理解梅西是如何做到这一点的。尤其是看梅西的动作:梅西带球的时间可能比其他球员更多一些,但是和所有球员一样,他的大部分时间都是投入在没有带球的跑动当中,寻找位置,为队友创造空间。这是足球比赛中不可分割的一部分,而我们大多数人却知之甚少。


所有人都能看到结果——进球数量,但进球(或者没有进球的)这个过程被却被忽略了——我们的注意力都集中在梅西带球时的表现上面,而当球离开梅西时,我们的注意力也离开了梅西。


梅西,在球场上“散步”的前锋


在他的整个职业生涯中,梅西都因为他在场上“走路”而不是“跑步”而饱受批评。


2017年12月,在巴塞罗那与皇家马德里之间的一场经典大赛之后,媒体广泛报道的一件事是,梅西在场上移动了大约5英里的距离,其中83%是在“走”(跟这次世界杯对战冰岛一样)。 尽管如此,那场比赛梅西不但进球,还参与了助攻,巴塞罗那3-0获胜。



本赛季欧冠(唯一公布了基本跑步数据的比赛),梅西也比其他精英前锋都跑得要少,平均每90分钟少5英里的距离


当然,跑动的距离很大程度上取决于你效力的球队和你在球队中的角色。采取防守战略的球队,往往会跑更远的距离,而有的战术风格则会让前锋跑更多——采取高压逼(high-pressing)战术的利物浦队前锋罗伯托·菲尔米诺,每90分钟将近跑了7英里。


但是,皇家马德里跟巴塞罗那一样,也是不会特别在对手的半场展开逼压战术,但C罗跑动的距离比梅西多1/5英里。


一台高效的机器:只有梅西搞清楚了如何比别人少跑来赢球


在2017-18欧冠赛季中,贡献至少5个进球和助攻的前锋中,每90分钟跑动的距离与进球和助攻贡献率的比例


实际上,我们已经很清楚梅西的这个特点:在2014年世界杯的报道中,Ken Early表示:“只有梅西搞清楚了怎么比别人少动来赢得比赛。”


在阿根廷在决赛中输给德国队以后,Benjamin Morris给FiveThirtyEight写了一篇分析,最流行的解释是,梅西在关键时刻用走(而不是跑)来节省能量,就像是一台非常高效的机器


但新研究表明,就算是梅西在走路的时候,他也远远没有空转NBA篮球队、萨克拉门托国王队的战略和分析副总裁Luke Bornn和巴塞罗那足球俱乐部数据科学家Javier Fernandez,在今年MIT Sloan体育分析会议上介绍了他们的研究成果,帮助我们了解这一现象。


基于位置数据分析足球赛:梅西的“被动”场地获取策略


足球本质上是场地和移动的游戏,因此,Bornn和Fernandez利用位置数据设计了模型,评估球员对场地的占有和生成的情况。


Bornn和Fernandez的分析报告


“我们可以在每个瞬间看到每个球员和球的位置,并由此推断球员的运动如何为他们自己和其他人创造场地,”Bornn说:“我们还可以看出他们是主动还是被动地做到这一点,‘主动’就是指主动跑进空旷的场地,‘被动’则是在战况转移的时候占据高价值位置。”


Bornn提到的“高价值位置”(high-value locations),指的是他们研究的另一部分,他们量化了球场上每个区域对双方球队的价值。一个基本的衡量标准就是与球门的距离,但与巴塞罗那专家讨论后,Bornn和Fernandez意识到,球场上场地的价值会根据球员和球的位置动态发生变化。


于是,他们采取了全新的方法,基于防守一方的球队的行为提取场地价值。总体而言,处于防守一方的球员会考虑去切断那些相对于球的位置来说最危险的区域。


下面的动图展示了梅西在进攻时如何被动地为巴塞罗那右翼占据场地。注意对比Bornn和Fernandez的动态分析:


梅西被动地帮助球队占据场地


将2017年1月西甲联赛中巴塞罗那队和比利亚雷亚尔队的数据用在这些模型里,Bornn和Fernandez发现,为巴塞罗那队获取场地最多的,是布斯克茨(中场)、伊涅斯塔(中场)和梅西(前锋)。


他们将这种场地增益分为两种类型:“主动”和“被动”,前面一种情况球员是以跑动的速度在移动,而后面一种情况则不是。


伊涅斯塔和布斯克茨分别在43%和52%的时间里是被动的,而梅西的这个数值是大约66%。换句话说,梅西在场上大部分时间都在走路,但是即使只是在走,梅西也是在有价值的地方走动,守住场地来帮助球队,等待球接近他


Bornn和Fernandez还研究了场地的生成和接收,也就是一个移动中的球员,通过将对方球队的后卫带过来,为自己的队友创造场地。


在同场比赛中,梅西、苏亚雷斯和内马尔,是巴萨罗那最能创造场地的三大球员。他们三人在巴塞罗那强大的4-3-3阵式中在场上散开,迫使防守队员紧紧跟随他们。Bornn和Fernandez还发现,梅西和苏亚雷斯有着“特殊的联系”,彼此都为对方创造了相当大的场地。


比赛中场地占有和生成的情况。从左到右:左边第一幅图,伊涅斯塔往后退,占据一个有价值的场地,并拥有更高的控制权。中间第二幅图,伊涅斯塔观察到了一个开放/空白的场地来进攻。他往那里移动,带动了三名防守队员。右边第三幅图中,三名被带走的防守队员给梅西留出了一个空位,让梅西可以接到球,与此同时苏亚雷斯跑向球门线,得到一个传球。来源:Bornn和Fernandez的研究报告


即使是走,也比大多数人跑得更好


梅西是否有意识地决定用走而不是跑来被动地赢取场地,这一点很难确定。


“我们能不能说梅西是通过在场上不怎么跑而获得了更多的场地?能,这正是我们的研究所表明的。”Bornn说。“但他是故意这么做的吗?这就只有问梅西本人了。”


2018年世界杯,如果阿根廷出线(根据此前的一些预测,阿根廷将与德国对战四分之一决赛),梅西将得到比以往更多的关注和审查。这次射丢点球无疑让很多人失望。我们已经习惯了看他令人眼花缭乱的传球、带球过人和精准的射门。


但当球不在梅西那里时,我们也应该关注他,尤其是在他慢慢移动的时候——梅西在场上从来都不是在“走”;他只是伺机而动,等待出手。


编译来源:

  • Messi Walks Better Than Most Players Run

    https://fivethirtyeight.com/features/messi-walks-better-than-most-players-run/

  • Wide Open Spaces: A statistical technique for measuring space creation in professional soccer

    http://www.sloansportsconference.com/wp-content/uploads/2018/03/1003.pdf




【加入社群】


新智元 AI 技术 + 产业社群招募中,欢迎对 AI 技术 + 产业落地感兴趣的同学,加小助手微信号: aiera2015_3  入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名 - 公司 - 职位;专业群审核较严,敬请谅解)。


登录查看更多
0

相关内容

Barcelona, the cosmopolitan capital of Spain’s Catalonia region, is known for its art and architecture. The fantastical Sagrada Família church and other modernist landmarks designed by Antoni Gaudí dot the city. Museu Picasso and Fundació Joan Miró feature modern art by their namesakes. City history museum MUHBA, includes several Roman archaeological sites.
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
最新《自动微分手册》77页pdf
专知会员服务
100+阅读 · 2020年6月6日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
117+阅读 · 2020年5月10日
25年,110个经典财务欺诈案例,都在这儿了
虎嗅网
70+阅读 · 2019年8月19日
vlog在国外发展快10年了,不转型依然很难
新榜
3+阅读 · 2018年12月22日
为什么AI公司都在一边融资,一边投资?
腾讯创业
6+阅读 · 2018年9月25日
机器学习预测世界杯:巴西夺冠
新智元
5+阅读 · 2018年6月11日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
人工智能可以预测女朋友什么时候生气吗?
中科院物理所
3+阅读 · 2017年11月22日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
Arxiv
3+阅读 · 2018年5月11日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
最新《自动微分手册》77页pdf
专知会员服务
100+阅读 · 2020年6月6日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
117+阅读 · 2020年5月10日
相关资讯
Top
微信扫码咨询专知VIP会员