Analizują grę piłkarzy, trenerom podpowiadają taktykę, a dyrektorom sportowym transfery. Mowa o technologiach, które zmieniają piłkę nożną i mogą decydować o zwycięstwie. Pytanie tylko, czy nie wypaczają idei sportu, powiększając i tak już ogromną przepaść między najbogatszymi firmami a resztą stawki? I czy nie sprawią, że sensacje - jak triumf Greków sprzed 20 lat – nie będą już możliwe?
“Piłka nożna to sport‚ w który gra się umysłem” – miał powiedzieć Johan Cruyff, gigant futbolu, uważany za jednego z najinteligentniejszych piłkarzy w dziejach. Brzmi jak banał albo dorabianie ideologii do kopania szmacianej kulki. Dzisiejszy rozwój technologii pokazuje, że słowa Holendra są absolutnie prawdziwe. Matematyka to ukryte piękno najpopularniejszego sportu na świecie.
Mniej więcej dziesięciokrotnie w każdym meczu piłkarskim wykonywane są rzuty rożne. Jednak zaledwie 2 procent z nich kończy się bramką. Sztaby szkoleniowe, trenerzy i piłkarze poświęcają mnóstwo czasu, aby przygotować i dopracować dziesiątki układów rozgrywania rożnych tak, aby zwiększyć szansę na strzelenie gola. Lub przeciwnie, aby opracować schematy blokowania i skuteczniejszej obrony.
Analitycy i trenerzy Liverpoolu, czyli czołowego klubu angielskiej Premier League – najbogatszej i jednej z najlepszych lig futbolowych na świecie – postanowili sięgnąć po naukę i nowe technologie. Wspólnie z badaczami z Google DeepMind opracowali model, który mógłby wspierać sztab i piłkarzy.
W efekcie powstało narzędzie TacticAI. System sztucznej inteligencji pozwolił badaczom przeanalizować 7176 rzutów rożnych wykonanych w latach 2020 i 2021 w Premier League. Sprawdzali oni szereg parametrów. Od rozmieszczenia poszczególnych zawodników, ich wzrostu, wagi, a także ruchów – także względem innych graczy – po trajektorie piłki czy wymiary boiska. Zebrane dane umieścili w modelu, który pozwalał nie tylko oceniać prawdopodobieństwo tego, który zawodnik pierwszy dotknie piłki i czy w rezultacie odda strzał. Model rekomendował również, jak dany piłkarz powinien dotknąć piłki, aby zmaksymalizować szansę na zdobycie bramki. System opracował też szereg wariantów wykonywana rożnych zarówno w obronie, jak i w ataku. I to nie byle jakich. Były one tak realistyczne, że kiedy poproszono sztabowców Liverpoolu, aby odróżnili schematy ułożone przez program od własnych, nie byli w stanie tego zrobić.
Wyniki ich pracy opublikowano w prestiżowym magazynie "Nature", a świat piłki zaczął sobie zadawać pytanie: czy programy oparte na sztucznej inteligencji nie zastąpią trenerów? Uspokoili ich sami twórcy:
– Nie chcemy budować systemów, które zastąpią ekspertów, lecz które wzmocnią ich możliwości, aby mieli więcej czasu na kreatywną część trenowania i mogli wykonywać swoją robotę efektywniej – deklarował Petar Veličković z Google DeepMind, współautor badań.
I faktycznie technologie w postaci asystentów AI mogą coraz częściej odciążać sztabowców i trenerów. Pozwalają szybciej przeglądać i analizować dane. Wskazują błędy popełniane przez zespół. Podpowiadają rozwiązania taktyczne, a nawet (a może przede wszystkim), na jakich zawodników postawić w danym meczu, a także których ściągnąć do drużyny w najbliższym okienku transferowym.
– Ich umiejętne wykorzystanie daje ogromną przewagę nad rywalami i w przyszłości będą coraz większą częścią nowoczesnego futbolu – mówi Paweł Kapuściński, inżynier danych w firmie Zelus Analytics, która zajmuje się analityką sportową dla profesjonalnych drużyn, m.in. dla włoskiego AC Milan i drużyn z NBA, NFL i NHL.
Tak zresztą działo się zawsze, bo nowe technologie od dekad zaprzęgane są do tego, aby znajdować sposoby na pokonanie rywali. A im są lepsze, tym większe mają znaczenie.
Tak było w latach 80. XX wieku, kiedy do piłkarskiego świata weszła analiza wideo, dzięki czemu trenerzy i zawodnicy mogli oglądać swoje mecze, a następnie rozkładać je na czynniki pierwsze, widząc to, co wydarzyło się na boisku z nowej perspektywy.
W latach 90. ubiegłego wieku do powszechnego użycia weszły urządzenia do monitorowania tętna, co pozwalało określać intensywność pracy zawodników i ich obciążenie na treningach czy meczach.
Jak następowała ta zmiana, pokazuje przykład hiszpańskiego piłkarza José Maríí Gutiérreza Hernándeza, szerzej znanego jako Guti. Zawodnik, który przez niemal całą karierę związany był z Realem Madryt, w rozmowie z The Wired mówił, że przez większość jego piłkarskiej aktywności (od 1996 do 2011) dane dotyczące intensywności sesji treningowych czy meczowych nie były dostępne dla zawodników ani sztabu szkoleniowego. – Zdecydowana zmiana nastąpiła pod koniec mojej kariery, kiedy mieliśmy dane o wszystkim, a to jest bezcenne – mówił Guti, który dziś sam jest trenerem.
Lata dwutysięczne to rozwój systemów GPS. Tak zwane trackery GPS umieszczone pod koszulkami umożliwiły sztabom gromadzenie informacji z jednej strony o tym, jaki dokładnie dystans przebiegli zawodnicy, jak często przyśpieszali, ile ukończyli biegów z dużą prędkością i tak dalej. Z drugiej zaś pomagały unikać kontuzji wynikających ze zbyt dużego obciążenia. Dziś koszulki z trackerami są tak powszechnie, że w niektórych krajach używają ich nawet drużyny rezerw czy zespoły z czwartych i piątych szczebli rozgrywkowych. A są to poziomy niemal amatorskie.
W drugiej dekadzie XXI wieku na znaczeniu zyskały rozwiązania optymalizujące regenerację zawodników i analitykę danych pozwalającą na ocenę ich występów.
W pierwszym przypadku mowa choćby o wykorzystywaniu komór do krioterapii, dzięki którym zawodnicy mogą szybciej np. leczyć urazy, zmniejszyć obrzęki mięśni i niwelować zmęczenie. Słowem: wrócić do formy.
Stosowanie tej metody, co opisywało BBC, miało być jednym ze składników sukcesu Leicester City, który w 2016 roku stał się jedną z największych sensacji w historii piłki nożnej, zdobywając tytuł mistrzowski Premier League. Jak wielka to była niespodzianka, pokazuje choćby to, że przed startem sezonu bukmacherzy dawali Leicesterowi iluzoryczne szanse na wygraną. Prawdopodobieństwo wynosiło 1 do 5000. Znacznie większe szanse (1 do 2000) dawano np. na to, że uda się odnaleźć żywego Elvisa Presleya.
Drugie rozwiązanie to analityka danych. Chodzi o modele takie jak np. xG (expected goals), czyli oczekiwane gole, który daje możliwość określenia skuteczności albo nieefektywności gry danego zespołu, a nawet konkretnego piłkarza. Dzięki nim można drobiazgowo spojrzeć na postawę poszczególnych graczy i ocenić choćby to, czy piłkarz prosił o podania i pokazywał się do gry.
Nowinki technologiczne w wielkiej piłce to nie kwestia ostatnich lat, choć teraz obserwujemy znaczne przyśpieszenie. Szczególnie widać to właśnie w analityce danych.
– Kluby, które z nich korzystają, osiągają potężną przewagę. Piłka nożna nie tyle zmierza, ile pędzi w kierunku wykorzystania technologii, analityki danych i nauki – mówi Michał Zachodny, dziennikarz i analityk sportowy oraz komentator w ViaPlay.
Większość piłkarskich klubów rozumie, że informacje o tym, co i jak piłkarze robią na boisku, są kluczowe. Dlatego sztaby kupują w wyspecjalizowanych firmach materiał wideo w postaci całych spotkań, najważniejszych jego fragmentów czy kluczowych pod jakimś względem urywków, np. akcji, sprintów czy podań konkretnego zawodnika. Następnie w dość tradycyjny sposób analizują gołym okiem lub z wykorzystaniem oprogramowania do analizy wideo, nieraz klatka po klatce, każde zdarzenie boiskowe
– To metoda białkowa – mówi Mateusz Dłużniewski z firmy ReSpo.Vision, która zbiera i analizuje dane graczy 3D w branży sportowej przy użyciu zaawansowanych algorytmów AI i Computer Vision.
– Obecnie nie jest tak, że trenerzy czy analitycy siedzą tylko z nosem w komputerze i patrzą na statystyki. Zdecydowana większość analizy meczowej, np. przygotowanie pod kolejnego rywala, jest w dużej części robiona tradycyjnie na podstawie wideo. Wykorzystanie narzędzi AI, które analizują dane, cały ten proces ułatwia, pogłębia i znacznie przyśpiesza. Pozwala też dostrzec zdecydowanie więcej niuansów, niż widzi ludzkie oko – dodaje.
Nowe technologie, takie jak computer vision, bazując na wideo, mogą nie tylko automatyczne zebrać dane, czyli wszelkie zdarzenia meczowe, ale też wszelkie informacje fizyczne dotyczące zawodników. Umożliwia to trenerom dostosowanie taktyki i treningów do mocnych i słabych stron piłkarzy – swoich i rywali. Mogą oni też testować różne strategie i scenariusze tego, co przyniesie mecz. Wszystko to pozwala podejmować bardziej świadome i słuszne decyzje. Na zasadzie: im więcej dobrze zinterpretowanych informacji, tym szerszy kontekst i większa szansa na sukces.
To szczególnie ważne w hiperkonkurencyjnym świecie wielkiej piłki, gdzie marginesy między wygraną a przegraną są niewielkie, a często – jak mawia Tomasz Hajto – o zwycięstwie decydują słynne „detale”. Dodatkowe informacje mogą być tymi cennymi detalami, które przechylą szalę na naszą korzyść.
– Jeśli zastosujemy odpowiednio napisane algorytmy, to system, widząc wideo grającego zawodnika, analizując każdą klatkę (25 razy na sekundę), dostarczy wielu szczegółowych metryk. Będziemy wiedzieć, jak ustawił ciało, jak skanował przestrzeń, czyli co widział w momencie, kiedy otrzymywał piłkę i w chwili zagrania, czyli podjęcia decyzji np. o podaniu czy strzale. Tego typu rzeczy trudno ocenić na oko, a nasz algorytm automatycznie dostarcza informacji na przykład o zorientowaniu głowy piłkarza – mówi Dłużniewski i dodaje, że tymi samymi narzędziami analizowane są też drużyny przeciwników. Systemy dostarczają więc wiedzy nie tylko o tym, co sami powinniśmy trenować i poprawić w naszej grze, ale też jaką taktykę dobrać, aby zneutralizować rywala.
– Można obiektywnie, na podstawie danych, stwierdzić, czy mamy się przygotować na drużynę, która np. gra z kontry skrzydłami, czy gra wysoką linią obrony – dodaje.
Oczywiście ulepszenie treningów, taktyki czy opracowywanie schematów dotyczących stałych fragmentów gry to tylko jedna z przestrzeni, gdzie drużyny mogą szukać dodatkowych przewag dzięki nowym technologiom. Drugą, o wiele większą, jest polityka kadrowa, czyli mówiąc krótko: transfery.
– Jeśli analityk danych w piłce nożnej nie pracuje nad potencjalnymi transferami, to marnuje sporo czasu. Rozwiązania taktyczne czy szukanie słabości rywali owszem mogą dać przewagę w konkretnym meczu, ale nie mają aż tak dużego wpływu długofalowego na drużynę. Dlatego tak naprawdę to transfery mają największe znaczenie i tworzą największe przewagi – mówi Paweł Kapuściński.
Dlaczego?
Otóż, jak wyjaśnia, piłkarscy skauci to tylko ludzie. Mogą obejrzeć ograniczoną liczbę meczów i zawodników w ciągu doby. A więc dotrzeć i sprawdzić tylko ograniczoną pulę sportowców. Przygotowanie raportu na temat potencjalnego gracza, który pasowałby do naszej drużyny, może trwać miesiącami. A transfer ostatecznie i tak może się nie udać ze względu na koszty czy preferencje samego piłkarza. I tutaj z pomocą przychodzą technologie. Systemy oparte na bazach danych mogą pomóc stworzyć listy zawodników na interesujące nas pozycje, np. prawych obrońców, których grę i możliwości potem przeanalizują. A następnie pomogą nam w określeniu ceny, choć to ostatnie jest najtrudniejsze ze względu na różnice między ligami i krajami.
Jak to działa?
Mateusz Dłużniewski wyjaśnia na przykładzie. Załóżmy, że klub potrzebuje pomocnika, który skutecznie pressuje na połowie przeciwnika, często otwiera linię podania swoim kolegom, a jednocześnie cechuje się wysoką skutecznością celnych zagrań w pole karne przeciwnika. Oczywiście możemy takiego zawodnika szukać tradycyjnie, wysyłając skautów, aby jeździli po stadionach i obserwowali mecze lub oglądali wideo, ale trwa to zdecydowanie dłużej i ma ograniczony zasięg.
Dużo szybciej będzie taki proces przeprowadzić, korzystając z baz danych, w których dostępne są szczegółowe statystyki i metryki zawodników. Wystarczy wybrać odpowiednie filtry i metryki, które nas interesują, a otrzymamy listę tych zawodników, którzy pasują do naszej koncepcji. Wybierając z większego zbioru, możemy trafić tańszych zawodników o tych samych parametrach albo odkryć talenty, które dotąd nie zostały dostrzeżone – mówi Dłużniewski i podaje przykład duńskiego FC Midtjylland czy belgijskiego Club Brugge.
Club Brugge to jeden z najbardziej utytułowanych klubów w Belgii i zespół, który w ostatnich latach zdominował tamtejsze rozgrywki. Na krajowym polu niewiele drużyn jest w stanie rywalizować z Brugią, która ma też ogromny jak na lokalny poziom budżet. Jednak ambicje klubu są międzynarodowe. Aby odnosić sukcesy w Lidze Mistrzów, nie szczędzi na transfery, ale też szuka nieoczywistych możliwości. Do tych drugich wykorzystuje nowinki technologicznie, co pozwala wyłapać jej piłkarskie perełki. Tak było właśnie w przypadku hiszpańskiego napastnika Ferrana Jutgla, który ocierał się o pierwszy zespół FC Barcelony, ale nigdy nie przebił się do pierwszego składu. Doświadczenie zbierał więc jedynie w niższych poziomach hiszpańskich rozgrywek. Tymczasem po przejściu do Club Brugge zachwycił i pierwszym sezonie wypracował 23 gole i asysty. Kolejny, ostatni sezon zakończył z niewiele gorszym wynikiem: 20 wypracowanych bramek.
Bywa, że technologią wspomagają się sami piłkarze szukający nowego klubu. To przypadek Memphisa Depaya. Holender po świetnym sezonie 2014/15 w PSV Eindhoven (w 40 spotkaniach przyczynił się do zdobycia łącznie 36 bramek) trafił do wymarzonego Manchesteru United. Jednak Premier Leauge nie zawojował. A po zmianie trenera, kiedy Louisa van Gaala zastąpił Jose Mourinho, na stałe wylądował na ławce rezerwowych. Postanowił odejść, ale do klubu, który pozwoli mu odbudować karierę i formę. Jego agenci zwrócili się o pomoc do SciSports. Firma zajmująca się analityką sportową na podstawie jego danych miała opracować dogłębny raport, sugerujący kluby i menedżerów, pod skrzydłami których mógłby odzyskać swój blask. Tak Depay trafił do Olympique Lyon. We Francji rozegrał 178 spotkań, w których wykręcił świetne liczby: 76 goli i 55 asyst. To pozwoliło mu spełnić kolejne marzenie i trafić do FC Barcelony, choć w stolicy Katalonii znów nie spełnił oczekiwań.
Dlaczego? Trudno powiedzieć. To zwykle splot wielu czynników. Od zmiany otoczenia, kraju, języka, trenera, taktyki, stylu gry aż po układy koleżeńskie w samej drużynie i presji, która w topowych (choć przeżywających kryzys) klubach jak FC Barcelona czy Manchester United jest zupełnie inna niż w Holandii czy Francji.
– Algorytmy mogą podpowiedzieć dużo, ale nie powiedzą wszystkiego. Operują twardymi danymi. Trudno więc przewidzieć, czy piłkarz odnajdzie się w danej drużynie pod względem mentalnym, życiowym lub czy będzie pasował do podejścia taktycznego nowego trenera – mówi Dłużniewski i dodaje, że przykład Barcelony jest dobry, bo to klub, który dużo inwestował w dział analityczny i wykorzystanie danych. – Zbudował nawet własne centrum innowacji Barca Innovation Hub. Jednak piłka nożna to nie Football Manager i nie ma gwarancji, że nawet bazując na najbardziej szczegółowych danych, za każdym razem odniesie się sukces - dodaje.
Z narzędzi do analizy danych opartych na sztucznej inteligencji korzystają coraz śmielej europejskie kluby. Wśród nich są te należące do ścisłej elity. Nie tylko sportowej, ale też budżetowej. Takie, które mogą pozwolić sobie na każdego zawodnika, sztabowca czy trenera. Więc wydatek rzędu kilku czy kilkunastu milionów euro na zespół analityków danych nie jest żadnym wyzwaniem. Wiadomo, że z takich usług korzystają choćby wspomniany już Liverpool, ale też Manchester City, Arsenal, a we włoskiej Serii A m.in. Inter Mediolan i AS Roma. I choć na analityce danych swoje przewagi próbują budować także kluby mniej zamożne (o czym za chwilę), to tendencja jest prosta: im bogatszy klub, tym możliwości finansowe i apetyt na wykorzystanie głębszej analizy jest większy.
Uzasadnione wydaje się więc pytanie: czy to jeszcze fair play? Skoro bogatsze kluby, które już teraz dysponują potężną przewagą, czyli często niemal nieograniczoną gotówką na transfery, uzyskują jeszcze dodatkowe przewagi, które z jednej strony mogą powiększyć już istniejące ogromne nierówności między najbogatszymi klubami, często finansowanymi przez szejków, a outsiderami – mniejszymi klubami, których budżety są wielokrotnie niższe. Z drugiej zaś, czy to nie wypacza pięknej idei sportu, skoro rywalizacja odbywa się na coraz trudniejszym i nierównym dla biedniejszych boisku? W końcu: czy nie prowadzi do tego, że Dawid będzie miał mniejsze szanse, aby pokonać Goliata?
Pytam o to Michała Zachodnego, który bez wahania odpowiada:
– Nikt nie wynalazł lepszego i bardziej skutecznego współczynnika, który daje w futbolu sukces, niż budżet płacowy. Najbogatsi, wydający najwięcej na pensje i transfery, są tymi, którzy wygrywają najczęściej. Pieniądze są ważniejsze niż posiadanie piłki czy stworzone okazje. Budżet płacowy decyduje o tym, kto wygrywa – mówi Zachodny, ale szybko dodaje:
– Ale to nie znaczy, że Dawid nie będzie mógł pokonać Goliata, nawet jeśli ten drugi dodatkowo wyposaży się w najlepszych ekspertów od analityki danych i najlepsze technologie. Dlaczego? Bo kluby mają kryzysy, są źle zarządzane i nawet wydając setki milionów, potrafią osiągnąć równe nic, czego świetnym przykładem w ostatnich latach jest przepalająca ogromne kwoty Chelsea. Poza tym w piłce nożnej bardziej niż w innych dyscyplinach zwycięstwo zależy od przypadku i szczęścia. Wystarczy wystająca kępa trawy na murawie, rykoszet, zła pogoda i nawet sztab analityków od danych nie pomoże. Nie da się zaprogramować drużyny, aby w powtarzalny sposób zdobywała gole. Także na tym polega piękno piłki nożnej – dodaje.
Jego zdaniem nowe technologie mogą wręcz nieco wyrównywać szanse na nierównym dziś boisku. Naczelnymi przykładami klubów, które postawiły na technologie i wykorzystanie danych, są Brentford i Brighton z angielskiej Premier League.
Ich wywodzący się z branży hazardowej właściciele – odpowiednio Tony Bloom i Matthew Benham - dawno temu zrozumieli, jaka potęga stoi za algorytmami, które można wykorzystać w sporcie. Obaj też zdali sobie sprawę, że nie są w stanie dorównać rywalom takim jak Manchester City czy Chelsea pod względem zasobów finansowych. Nie mogąc pokonać ich na budżety płacowe, postanowili ich przechytrzyć.
Tony Bloom ma ksywę Jaszczur. Brzmi, jakby był gangsterem, ale to "najrozsądniejszy hazardzista świata", bo na hazardzie, a właściwie analizie zakładów bukmacherskich, zbił majątek. Podobnie zresztą jak Matthew Benham. Panowie byli dobrymi znajomymi, bo Bloom zatrudniał kiedyś Benhama, ale kiedy ten drugi odszedł i założył konkurencyjny biznes, znajomość dobiegła końca. Ważniejsze jest to, że obaj swoje kluby ułożyli tak, aby były oparte na danych, analizie liczb, wskaźników, które maksymalizują ich szanse na wygraną.
– To nie są drużyny z pierwszego rzędu. Mają wielokrotnie mniejsze budżety niż potęgi angielskiej piłki, ale szukają swoich przewag w technologiach. Szukają możliwości, które pozwolą im rywalizować na tym samym poziomie co największe kluby za ułamek kosztów – mówi Zachodny.
Najlepszy przykład to transfery. Zachodny wyjaśnia, że największe kluby „łowią” zawodników w innym stawie niż biedniejsze. – A teraz dzięki technologiom, analityce te drugie nie muszą działać po omacku, zyskują większe możliwości. Ich staw jest większy i głębszy. Mogą w nim znaleźć więcej wartościowych zawodników – tłumaczy Zachodny.
Tak właśnie robią wspomniane Brighton i Brentford. Oba kluby dzięki analityce danych potrafią znajdować nieoczywiste talenty, rozwijać je, a potem sprzedawać z potężnym zyskiem. Jak wyliczał serwis Weszło, w poprzednim letnim okienku transferowym Brighton zgarnęło niemal 300 milionów funtów ze sprzedaży trzech piłkarzy – Moisesa Caicedo, Alexisa Mac Allistera i Roberta Sancheza, których wcześniej sprowadziło za grosze z najróżniejszych zakątków świata. Co więcej, nawet jeśli najlepsi zawodnicy odchodzą, nie wpływa to znacząco na drużynę, bo szybko są zastępowani przez kolejnych, równie jakościowych.
„Brighton jest więc klubem działającym dokładnie w taki sposób, w jaki chciałoby działać wiele klubów w Europie, czyli kupować tanio, sprzedawać drogo, jednocześnie osiągając sukcesy” – pisał w Weszło Patryk Fabisiak.
W tym też szansy mniejszych klubów na stawienie czoła najbogatszym upatruje Piotr Żelazny, dziennikarz sportowy i wydawca magazynu „Kopalnia – Sztuka Fubolu”.
– Czy wykorzystanie tych wszystkich technologii pogłębi różnice między najbogatszymi a biedniejszymi klubami? – powtarza moje pytanie i odpowiada:
– Jesteśmy na takim etapie, że może być odwrotnie. Umiejętność czytania danych, wykorzystywanie statystyk, wychwytywanie zawodników mogą być Robin Hoodem piłkarstwa, a nie kolejnym narzędziem w łapach złowrogiego kapitalisty. Wierzę, że to będzie wyrównywało szanse, a nie je zmniejszało – mówi Piotr Żelazny, choć podkreśla, że jesteśmy na początku drogi.
– Niewykluczone, że na kolejnym etapie ci najbogatsi zaczną podkupować specjalistów od analityki danych. To zresztą już się dzieje. Chelsea już w zasadzie rozebrała sporą część sztabu Brighton. Manchester United po latach przepalania pieniędzy na nieudane transfery piłkarzy teraz stawia na budowę sztabu i zatrudnia ludzi, którzy potrafią te dane czytać i interpretować. Pewnie kwestią czasu jest, kiedy inne wielkie kluby zrobią to samo. Pytanie, czy klub dysfunkcyjny, źle zarządzany, często jednoosobowo przez prezesa, jak choćby Chelsea, będzie umiał, nawet mając tych ludzi, odnieść z tego korzyść – dodaje.
Kluczowe wydaje się bowiem to, jak klub działa. W końcu – jak zauważa Żelazny – dane analityczne są dostępne za kwoty, które nie są żadną przeszkodą dla tak bogatych klubów. Podobnie z ludźmi, którzy mieliby je analizować i wykorzystać, tworząc przewagę zespołu.
– Zapewne w przyrodzie więcej jest utalentowanych matematyków i analityków, którzy liczby będą umieli przetłumaczyć na rozumiały dla wszystkich język, niż napastników. Dlatego problemem nie są ludzie, tylko czy są słuchani – mówi Żelazny.
Paweł Kapuściński dodaje: - Kluczowa jest kwestia struktur i zaufanie. Na każdym poziomie firmy, jaką jest klub, od trenerów przez piłkarzy aż po prezesa, musi być zrozumienie dla tego, co może dać analityka danych.
– W klubie piłkarskim każdy lubi mieć władzę i nie chce się nią dzielić. A dodanie do procesu decyzyjnego analityków to tak naprawdę dodanie nowej osoby do krótkiego stołu. Dlatego wielu trenerów, także w Polsce, podchodzi do tych technologii niechętnie. Widzą na boisku i treningu jedno, a nagle przychodzi do nich ktoś w koszuli w kratę i okularach i mówi drugie. Jeśli na jakimkolwiek szczeblu struktury sportowej w klubie, który chce wykorzystywać dane, będzie osoba, która neguje ich sens, a do tego zabraknie zrozumienia, że chodzi o wspólny cel, zaufanie, to nie ma szans, aby to się udało – mówi Kapuściński.
To także bolączka polskiej piłki, gdzie wykorzystanie analityki danych jest – mówiąc delikatnie – niszowe. Wiadomo, że narzędzia oparte na sztucznej inteligencji do pozyskiwania talentów, ale też analizy meczów i treningów, obciążenia itd. wykorzystuje Wisła Kraków. Zaufanie do technologii wynika zapewne z rodowodu właściciela Białej Gwiazdy, czyli Jarosława Królewskiego prezesa firmy Synerise. Jak wielka to ufność, widać choćby po tym, że trenera z Meksyku, czyli Alberta Rude podpowiedziała władzom klubu właśnie sztuczna inteligencja. A efekty? Imponujące. Występująca na co dzień w 1. lidze, która właściwie jest drugą (pierwszą jest Ekstraklasa) Wisła wygrała Puchar Polski, pokonując po drodze zespoły z wyższego szczebla rozgrywek. Jednak ostatecznie nie awansowała do piłkarskiej elity.
– Zaniedbaliśmy w naszym modelu analizę zespołów, które stawiają na defensywny styl gry – przyznawał w niedawnej rozmowie z Magazynem Spider’sWeb+ Jarosław Królewski.
A inne polskie kluby? Narzędzia analizujące dane mogłyby być ich przewagą pozwalającą włączyć się do rywalizacji w europejskich rozgrywkach. Co ważne, w polskiej Ekstraklasie dostępne są od kilku lat bardzo szczegółowe dane z każdego meczu, dostarczane przez system TRACAB - taki sam, do którego dostęp ma choćby Real Madryt czy Bayern Monachium. W Polsce na pewno korzysta z niego warszawska Legia. A reszta?
– Dostęp do danych rzeczywiście jest, ale aktywnie korzystających jest niewielu. To może dwa-trzy kluby – mówi Dłużniewski.
Problem nie tkwi więc w dostępie do danych, ale w umiejętności i chęci ich wykorzystania.
– Gdyby porównać pod względem zbierania, przetwarzania i efektywnego wykorzystania danych kluby polskie z zagranicznymi, byłoby to jak porównanie gokarta do bolidu Formuły 1. Jedno i drugie służy do ścigania, ale łatwo wskazać, kto wygra – mówi Michał Zachodny i dodaje, że dostęp do danych jest bardzo łatwy. – Ale co z nimi potem zrobić, jak wykorzystać, jak przełożyć na boisko, do głów piłkarzy, trenerów, osób zarządzających transferami, tego u nas prawie nikt nie wie. I nie wiem, czy ktokolwiek temu w Polsce podoła, bo nie dowierzamy temu, jakie te liczby mogą dać korzyści – dodaje.
Mateusz Dłużniewski zwraca również uwagę, że zarządzanie w polskich (choć oczywiście nie tylko) klubach często jest nastawione na „tu i teraz”. Brakuje budowania zespołu w trybie długoterminowym.
– Żaden trener nie ma komfortu pracy przez lata. Nie może zamknąć się z analitykami w piwnicy i powiedzieć: za dwa lata będą dobre rezultaty. Presja jest taka, że wyniki muszą być tu i teraz, mecze są co kilka dni, więc nawet nie ma czasu, aby przyjrzeć się nowym rozwiązaniom – mówi Dłużniewski.
Piotr Żelazny dodaje, że wielu trenerów i sztabowców woli opierać się na tym, co już zna.
– W Polsce wciąż większość trenerów bardziej ufa swojej intuicji i tzw. nosowi – mówi Piotr Żelazny i przypomina, że trener polskiej kadry na Euro 2012, czyli Franciszek Smuda sam chwalił się, że umie ocenić piłkarza nawet po tym, jak wchodzi po schodach. – A nowe technologie? Uważał, że laptop może służyć mu najwyżej jako podstawka pod kawę – opowiada Żelazny.
Nowe technologie do analizy danych są zresztą wykorzystywane przez reprezentacje piłkarskie. Mogą mieć znaczenie także na nadchodzącym turnieju, czyli mistrzostwach Europy. O ile do meczów grupowych przygotować się łatwo, bo po losowaniu kadry znają swoich rywali od miesięcy, to już po awansie do fazy pucharowej trzeba działać szybko.
– Wtedy czasu na analizę rywala jest bardzo mało i technologie przychodzą z pomocą, bo skracają czas analizy – mówi Dłużniewski. Ale zaznacza: analiza drużyn narodowych jest trudniejsza, bo grają mniej meczów w ciągu sezonu i częściej niż w klubach zmienia się skład, przez co trudniej dostrzec powtarzalne wzorce gry czy zachowań.
Ale to nie znaczy, że analiza nie może przydać się w dopracowaniu konkretnego aspektu gry, czyli np. stałych fragmentów. Michał Zachodny przytacza przykład reprezentacji Anglii, która mimo świetnych piłkarzy na turniejach wypadała słabo.
– Analitykę do drużyny wprowadził trener Gareth Southgate, który uważał, że cierpienia reprezentacji Anglii wynikały z tego, że niezbyt naukowo podchodzono do wykonywania rzutów karnych. Zresztą on sam był tego ofiarą, bo zmarnował jedenastkę na Euro 1996. Kiedy objął kadrę narodową, zatrudnił ludzi od analityki i przełamał klątwę w 1/8 finałów mistrzostw świata w 2018 roku właśnie po rzutach karnych z Kolumbią. Choć oczywiście trzy lata później przegrała finał Euro też w rzutach karnych – opowiada Zachodny.
Czy polska kadra korzysta z analityki danych? Polski Związek Piłki Nożnej nie odpowiedział na nasze pytania w tej sprawie. Eksperci zgodnie twierdzą jednak, że tak, choć trudno im wskazać w jakim zakresie. Uważają, że kluczowa wydaje się jakość tej analizy. Michał Zachodny przypomina raport Adama Nawałki po nieudanych mistrzostwach świata w 2018 roku.
– Raport był powierzchowny, a osoby, które go przygotowywały, albo niespecjalnie zagłębiły się w statystyki, albo nie potrafią wyciągać z nich wniosków – mówi Zachodny.
A wyciąganie wniosków i analiza danych w kontekście przyszłości wydają się kluczowe. Pytani eksperci nie mają wątpliwości, że analiza danych w piłce nożnej będzie przybierała na znaczeniu, szczególnie że z czasem jej możliwości będą większe. Już teraz mówi się o tym, że algorytmy będą mogły oceniać transfery pod względem tego, czy między zawodnikami pojawi się "chemia". Kluby i reprezentacje, które nie wsiądą do pędzącego coraz szybciej wagonu, zostaną w tyle.
A jak rozwój tych technologii wpłynie na samą dyscyplinę? Sport, a więc także piłka nożna od zawsze posiadał dwie nogi – jedną było współzawodnictwo, a drugą komercja – o czym pisali Jan Sowa i Krzysztof Wolański w książce "Sport nie istnieje". Nie ma wątpliwości, że nowinki technologiczne służą przede wszystkim rozwojowi przemysłu sportowego, czyli zarabianiu pieniędzy.
– Futbol już jest gigantycznym biznesem, a teraz dzięki temu, że będzie można to wszystko na chłodno lepiej policzyć, okiełznać i zamknąć w Excelu, będzie bardziej przewidywalny, decyzje inwestycyjne będą bardziej racjonalne, więc dla wielkiego biznesu i wielkich korporacji piłka będzie jeszcze bardziej atrakcyjna – mówi Piotr Żelazny.
A czy kibice na tym nie stracą? W końcu technologie wzbogacają odbiór, np. dostarczają na bieżąco statystyki, które pozwalają widzowi lepiej rozumieć mecze i stanowią rozrywkę. Ale istnieje też obawa, że dane przesłonią sport i odbiorą mu pierwotną radość, emocje i spontaniczność. Bo coraz częściej zamiast skupiać się na boisku, patrzymy na wykresy.
– Spontaniczności i radości z piłki nigdy nic nie odbierze! – protestuje Michał Zachodny.
– To nie komputer strzela gola, ale człowiek. Komputer może liczyć podania, analizować akcje, ale nie ucieszy się z bramki. Nie zmierzy emocji, bo emocje to ludzie. Technologie nie zabiorą emocji z futbolu, a wręcz przeciwnie: mogą dostarczyć ich więcej – puentuje.
