پیش بینی فوتبال با داده:
فرم تیم، ترکیب، xG و خطای تحلیل

پیش بینی فوتبال با داده به معنی پیدا کردن فرمولی برای دانستن نتیجه آینده نیست. داده می تواند به ما بگوید یک تیم در مسابقات گذشته چگونه موقعیت ساخته، در برابر چه حریفانی بازی کرده و چه تغییرهایی در ترکیب داشته است. اما گل زودهنگام، اخراج، پنالتی، تغییر تاکتیک یا یک عملکرد غیرمعمول می تواند مسیر یک مسابقه را عوض کند. یک تحلیل خوب، مرز بین مشاهده، فرض و احتمال را روشن می گذارد.

در این صفحه درباره روش خواندن اطلاعات مسابقه و خطاهای رایج صحبت می کنیم. مقاله ضریب شرط بندی و احتمال ضمنی موضوع متفاوتی دارد: تفسیر یک عدد در بازار و تبدیل آن به احتمال ضمنی. هیچ کدام از این دو مقاله نتیجه قطعی یا راه سودآوری تضمینی ارائه نمی دهند. اگر بحث هزینه و پیامد مالی مطرح است، راهنمای مدیریت بودجه را جداگانه بخوانید.

تحلیل قبل از بازی دقیقا چه چیزی را بررسی می کند؟

برای شروع، باید پرسش روشن باشد. آیا می خواهیم بدانیم عملکرد اخیر تیم چقدر باثبات بوده، چرا تعداد گل هایش با کیفیت فرصت هایش فرق دارد، یا تغییر یک بازیکن چه اثری بر ساختار بازی می گذارد؟ «کدام تیم حتما می برد؟» پرسشی است که داده نمی تواند به شکل قطعی جواب دهد. بهتر است سناریوهای قابل تصور و شواهد له و علیه هر کدام نوشته شود.

تحلیل قبل از بازی باید فقط از اطلاعاتی استفاده کند که تا همان زمان در دسترس بوده اند. نتیجه نهایی، آمار شوت های همان مسابقه و ترکیب قطعی که بعدا اعلام می شود، برای ارزیابی یک پیش بینی قدیمی داده «بعد از واقعه» هستند. اگر کسی ادعا می کند تحلیل پیش از بازی داشته، زمان انتشار و نسخه اولیه آن مهم است؛ اصلاح متن پس از پایان بازی بدون ثبت تغییرات، ارزیابی دقت را بی معنی می کند.

مدل ساده ذهنی این است: قدرت نسبی تیم ها + شرایط فعلی + عدم قطعیت. قدرت نسبی به چند بازی محدود نیست؛ شرایط فعلی می تواند با غیبت بازیکن یا تغییر مربی عوض شود؛ و عدم قطعیت هیچ وقت صفر نیست. افزودن ده ها عدد بدون فهم رابطه آنها، تحلیل را الزاما بهتر نمی کند.

منبع، تعریف شاخص و زمان انتشار داده مهم است

دو پایگاه داده ممکن است برای یک بازی تعداد شوت یا مقدار xG متفاوتی نشان دهند. تفاوت در تعریف رویداد، ثبت پنالتی، زمان اضافه، مالکیت یا مدل آماری می تواند علت باشد. هنگام مقایسه، تا جای ممکن از یک منبع و یک تعریف ثابت استفاده کنید و نام شاخص را دقیق بخوانید. «شوت»، «شوت در چارچوب»، «موقعیت بزرگ» و «گل مورد انتظار» مترادف نیستند.

زمان داده نیز اهمیت دارد. گزارشی که قبل از اعلام ترکیب نوشته شده، نباید وانمود کند یازده نفر شروع کننده قطعی اند. خبر مصدومیت یا محرومیت باید از منبع قابل اتکا و نزدیک به زمان بازی بررسی شود. شایعه در شبکه اجتماعی، حدس درباره وضعیت پزشکی بازیکن و نقل قول بدون تاریخ، پایه محکمی برای نتیجه گیری نیست. اگر اطلاعات قطعی ندارید، صریح بنویسید «ترکیب احتمالی» یا «وضعیت نامشخص».

کیفیت داده با حجم آن یکی نیست. جدول بسیار بلند از بازی های قدیمی ممکن است کمکی به مسابقه پیش رو نکند، اگر سرمربی، سبک بازی یا بازیکنان کلیدی تغییر کرده باشند. در مقابل، یک بازی اخیر هم نمونه بسیار کوچکی است. باید توضیح داد چرا بازه انتخاب شده به پرسش فعلی مربوط است و چه چیزی خارج از آن باقی مانده است.

فرم تیم را فراتر از برد و باخت بخوانیم

عبارت «سه برد در پنج بازی اخیر» جذاب است، اما بدون نام و کیفیت حریفان، محل برگزاری و جریان بازی ناقص می ماند. برد مقابل چند حریف ضعیف با یک شکست نزدیک برابر تیم قوی قابل مقایسه مستقیم نیست. نتیجه همچنین تحت تاثیر اتفاق های کم تکرار مانند کارت قرمز یا پنالتی قرار می گیرد. برای فهم فرم، بپرسید تیم چند موقعیت خوب ساخته، چند موقعیت جدی داده و آیا الگو در چند بازی تکرار شده است.

درصد مالکیت توپ به تنهایی نشان نمی دهد چه کسی خطرناک تر بوده است. تیمی ممکن است توپ را زیاد در زمین خودش نگه دارد، اما به محوطه حریف نرسد. تعداد شوت هم بدون محل و کیفیت شوت گمراه کننده است. شش شوت از موقعیت های خوب می تواند از پانزده شوت کم کیفیت مهم تر باشد. با این حال، هیچ شاخص منفردی کل کیفیت بازی را خلاصه نمی کند.

به تفاوت بازی خانگی و خارج از خانه نیز توجه کنید، اما از چند مسابقه محدود قانون نسازید. بعضی تیم ها در برابر دفاع فشرده مشکل دارند و مقابل تیمی که فضای پشت خط دفاع می دهد بهتر ظاهر می شوند؛ برای سنجش چنین ادعایی باید نمونه های قابل مقایسه و توضیح تاکتیکی داشته باشید. صرف چسباندن برچسب «فرم عالی» یا «فرم بد» بدون شرح داده، اطلاعات کمی به خواننده می دهد.

xG چیست و چه چیزی را نشان نمی دهد؟

xG یا گل مورد انتظار برای یک شوت، برآورد احتمال گل شدن موقعیتی مشابه در داده های گذشته است. مدل ها معمولا از ویژگی هایی مانند فاصله، زاویه، نوع پاس یا نوع شوت استفاده می کنند و ممکن است در جزئیات متفاوت باشند. اگر یک شوت xG برابر با ۰٫۲۰ داشته باشد، معنی ساده آن این نیست که همان شوت «باید» به گل تبدیل می شد؛ یعنی در مجموعه ای از موقعیت های مشابه، مدل سهمی حدود یک پنجم را گل برآورد کرده است. این یک توضیح آماری است، نه سرنوشت آن ضربه خاص.

جمع xG یک تیم در یک بازی، تصویری از کیفیت موقعیت های شوت زده شده می دهد. مثلا xG بالاتر از گل های واقعی در چند بازی می تواند پرسشی درباره تبدیل موقعیت ایجاد کند؛ اما نتیجه گیری درباره آینده به تعداد بازی ها، کیفیت بازیکنان، نوع شوت ها و تفاوت مدل بستگی دارد. xG برای شوت ها ساخته می شود و همه جنبه های پرس، دفاع بدون توپ، تصمیم های پیش از شوت یا تغییر تاکتیک را یکجا اندازه نمی گیرد.

مقایسه xG منابع مختلف نیز احتیاط می خواهد. یک ارائه دهنده ممکن است ویژگی های بیشتری از موقعیت را بسنجد یا رویدادها را متفاوت ثبت کند. برای یادگیری، روند کلی را همراه با فیلم بازی و زمینه مسابقه بخوانید، نه اینکه اختلاف های کوچک اعشاری را نشانه قطعی برتری بدانید. اگر داده xG در دسترس نیست، بهتر است نبود آن را بگویید تا عددی بدون منبع یا تعریف روشن وارد مقاله کنید.

ترکیب احتمالی، مصدومیت و نقش بازیکنان را چگونه بسنجیم؟

غیبت یک بازیکن همیشه اثر یکسان ندارد. باید نقش او، گزینه جایگزین، سیستم تیم و هماهنگی بازیکنان را دید. نبود مهاجم اصلی می تواند الگوی پیشروی را تغییر دهد؛ نبود مدافع میانی ممکن است روی شروع حمله از عقب یا پوشش فضا اثر بگذارد. نام بزرگ بازیکن به تنهایی معیار کافی نیست و آمار فردی بدون توجه به دقایق بازی یا وظیفه تاکتیکی قابل تفسیر نیست.

تا پیش از اعلام رسمی، ترکیب احتمالی فقط یک فرض است. بهتر است دو سناریو نوشته شود: اگر بازیکن کلیدی بازی کند، کدام بخش تحلیل پابرجاست و اگر بازی نکند چه چیزی تغییر می کند؟ زمان کوتاه بین اعلام ترکیب و شروع مسابقه نیز ممکن است امکان بازبینی کامل ندهد. مقاله ای که صبح منتشر شده باید زمان آخرین بررسی اطلاعات را روشن کند تا خواننده تصور نکند داده آن تا لحظه بازی به روز شده است.

تغییر مربی یا سیستم نیز می تواند آمار قبلی را کمتر قابل تعمیم کند. اگر تیمی تازه از دفاع چهار نفره به سه نفره رفته، میانگین فصل هنوز بیشتر بازی های ساختار قدیمی را در خود دارد. در این وضعیت به جای ادعای روند پایدار، باید بگوییم نمونه تازه کم است و تحلیل عدم قطعیت بیشتری دارد.

زمین، سفر، استراحت و انگیزه را با دقت تفسیر کنیم

میزبانی، فاصله سفر، تعداد روزهای استراحت و تراکم مسابقات می توانند بخشی از زمینه باشند، اما اثرشان برای همه تیم ها و بازی ها ثابت نیست. یک تیم ممکن است در چند هفته اخیر به دلیل مسابقات فشرده ترکیبش را تغییر داده باشد؛ تیم دیگر شاید ذخیره های آماده تری داشته باشد. خود برنامه مسابقات باید از منبع رسمی تایید شود و حدس درباره خستگی بازیکن نباید به شکل واقعیت پزشکی نوشته شود.

وضعیت زمین و آب و هوا هم گاهی مطرح می شود، ولی پیش بینی هوا در فاصله زیاد از مسابقه قطعی نیست و اثر آن به سبک بازی دو تیم وابسته است. «بازی حساس» یا «انگیزه بیشتر» به تنهایی متغیر قابل اندازه گیری دقیقی نیست. اگر به انگیزه اشاره می کنید، زمینه روشن بدهید: موقعیت جدول، مرحله رقابت و تصمیم های قابل مشاهده مربی؛ باز هم اینها نتیجه مسابقه را تعیین نمی کنند.

در تحلیل رسانه ای ممکن است چند عامل هم جهت به نظر برسند، چون از یک علت مشترک آمده اند. مثلا باخت های اخیر، افت گلزنی و کاهش مالکیت شاید همگی به غیبت چند بازیکن مربوط باشند. شمردن آنها به عنوان سه دلیل مستقل، وزن شواهد را مصنوعی بالا می برد. خوب است برای هر ادعا بپرسیم «آیا این داده تازه ای است یا همان داستان با نام دیگر؟»

آمار بازی های رودررو چه محدودیتی دارد؟

جمله «این تیم در ده دیدار آخر مقابل حریفش نباخته» بدون تاریخ، محل بازی و ترکیب دو تیم ممکن است بیشتر حس داستانی بدهد تا اطلاعات تحلیلی. مسابقه ای مربوط به چند فصل قبل شاید با مربیان و بازیکنان فعلی ارتباط اندکی داشته باشد. رودررو می تواند نقطه شروع برای پرسش تاکتیکی باشد: آیا سبک یک تیم برای دیگری مشکل خاصی ایجاد کرده؟ پاسخ باید با شواهد جدید سنجیده شود.

نمونه کوچک هم مشکل دارد. دو برد نزدیک با اختلاف یک گل، قاعده پایدار نمی سازد. اگر انتخاب بازه فقط برای تایید نتیجه دلخواه انجام شده، تحلیل سوگیرانه می شود. بهتر است پیش از دیدن پاسخ مورد علاقه، بازه زمانی و معیارهای مقایسه مشخص شوند. همین اصل درباره «پنج بازی آخر» یا «فقط بازی های خانگی» نیز صادق است.

احتمال، سناریو و خطای پیش بینی را چگونه بیان کنیم؟

یک پیش بینی مسئولانه، زبان قطعی را کنار می گذارد. می توان گفت یک سناریو با داده های فعلی محتمل تر به نظر می رسد، اما هم زمان دلیل های مخالف و محدودیت اطلاعات را نوشت. اگر درصد اعلام می شود، باید معلوم باشد آن عدد چگونه ساخته شده و آیا پیش بینی های قبلی همان روش در بلندمدت با واقعیت سازگار بوده اند. درصد دقیق بدون روش مشخص، حس دقت کاذب می دهد.

برای مثال، گفتن «شانس برد ۷۰ درصد است» یعنی در مجموعه بزرگی از موقعیت های واقعا مشابه که مدل چنین عددی داده، انتظار داریم حدود هفت مورد از ده مورد رخ دهد؛ در یک بازی واحد هنوز احتمال نتیجه دیگر وجود دارد. اگر روش در صدها بازی بارها «۷۰ درصد» گفته اما فقط نیمی از آن موارد رخ داده اند، پیش بینی خوب تنظیم نشده است. ارزیابی کیفیت، با یادآوری چند مورد درست یا یک نتیجه هیجان انگیز انجام نمی شود.

چند خطای رایج عبارت اند از: نتیجه گیری از یک بازی، حذف بازی های ناموافق با نظر شخصی، استفاده از ترکیب اعلام نشده به عنوان واقعیت، برابر گرفتن xG با احتمال برد، و تغییر معیار موفقیت بعد از پایان مسابقه. راه مقابله ساده است: فرض های اصلی، زمان تحلیل و دلیل تغییر نظر را پیش از بازی ثبت کنید و بعدا همه پیش بینی ها را با هم مرور کنید، نه فقط نمونه های موفق را.

یک نمونه فرضی از تحلیل و چک لیست پیش از انتشار

فرض کنید تیم «الف» در پنج بازی اخیر چهار برد داشته و تیم «ب» دو برد. این مشاهده به تنهایی برای قضاوت کافی نیست. اگر حریفان تیم الف در پایین جدول بوده اند و تیم ب با چند حریف قوی بازی کرده، ارزش نتایج تغییر می کند. حال فرض کنید تیم الف در همان بازه موقعیت های با کیفیت متوسط ساخته و در دو بازی از موقعیت های کم تعداد گل های زیادی گرفته است؛ این می تواند درباره تداوم گلزنی پرسش ایجاد کند، نه حکم قطعی افت.

در مرحله بعد می فهمیم ترکیب احتمالی تیم ب هنوز به وضعیت یک بازیکن کلیدی وابسته است. تحلیل باید دو شاخه داشته باشد: با حضور او و بدون حضور او. سپس فاصله استراحت، محل بازی و سبک دو تیم را اضافه می کنیم. نتیجه نهایی می تواند این باشد که «برتری آشکاری با داده موجود دیده نمی شود و اطلاعات ترکیب هنوز ناقص است». این هم یک تحلیل مفید است؛ اجبار به انتخاب یک برنده، کیفیت استدلال را بالا نمی برد.

پیش از انتشار یک تحلیل، نام مسابقه و زمان آن، منبع و زمان داده، بازه مقایسه، وضعیت ترکیب، شواهد مخالف و محدودیت های مهم را مرور کنید. بعد از مسابقه نیز نتیجه واقعی را با استدلال قبل از بازی مقایسه کنید؛ برد یا باخت یک پیش بینی به تنهایی کیفیت روش را ثابت نمی کند. برای مطالب دوره ای، ثبت زمان به روز رسانی و تغییرات پس از اعلام ترکیب، به اعتماد خواننده کمک می کند.