شاهدتُ مهاجمًا يُهدر ست فرص في مباراة، وكان الجميع يُعلن انتهاء مسيرته. لكن أهدافه المتوقعة (xG) أظهرت عكس ذلك تمامًا: كان يُسدد بشكل أفضل من أي لاعب آخر في الدوري. بعد أسبوعين، سجّل خمسة أهداف في ثلاث مباريات.
عندها أدركتُ الفجوة بين ما يراه معظم المشجعين وما تُظهره الأرقام فعليًا. إليكم كيف يستخدم المشجعون الأذكياء الرياضيات للتنبؤ بالأداء قبل ظهوره على لوحة النتائج، ولماذا يُخطئ اختبار العين التقليدي أكثر مما يُلتقط.
الأرقام التي تهم
إحصائيات اللاعبين تتجاوز بكثير الأهداف والتمريرات الحاسمة هذه الأيام. يقيس معدل الأهداف المتوقعة (xG) جودة التسديدات من خلال تحديد مصدر التسديدات والضغط الذي تُسدد به. هذا يعني أن المهاجم الذي يمتلك معدل أهداف متوقعة مرتفعًا لكن أهدافًا فعلية منخفضة غالبًا ما يكون محظوظًا وليس سيئًا.
شهدت الفرق التي تستخدم التحليلات المتقدمة انخفاضًا في الإصابات الخطيرة، مثل تمزقات أوتار الركبة وإصابات الرباط الصليبي الأمامي، بنسبة 30% تقريبًا. تزامن استثمار نادي ليفربول لكرة القدم البالغ 5 ملايين جنيه إسترليني في التحليلات مع نمو إيراداته بمقدار 200 مليون جنيه إسترليني بين عامي 2015 و2022، مما يُظهر كيف يُمكن أن يتوافق إنفاق البيانات مع نتائج الأعمال.
تشمل الإحصائيات الرئيسية التي يتابعها المشجعون الجادون ما يلي:
- معدلات النجاح في مناطق مختلفة من الملعب
- قوة الضغط تقاس بالمسافة المقطوعة بسرعة عالية
- التعافي الدفاعي يُظهر مدى سرعة عودة الفرق إلى لياقتها البدنية
- تسجيل الأهداف من الكرات الثابتة حسب نوع الإرسال
هذا الموضوع ذو علاقة بـ: أغويرو: على جماهير أتلتيكو مدريد أن تتعلم تقدير ألفاريز
إيجاد الحافة من خلال الرياضيات
حاسبات التحكيم دع المراهنين الأذكياء يضمنون أرباحًا مضمونة لدى مختلف شركات المراهنات عندما لا تتطابق الاحتمالات. هذه العملية الحسابية صحيحة لأن شركات المراهنات المختلفة قد تُسعّر المباراة نفسها بشكل مختلف. هذا يُتيح فرصًا صغيرة حيث تُحقق تغطية جميع النتائج ربحًا.
لهذا السبب، يُساعدك فهم كيفية حساب احتمالات كرة القدم على اكتشاف الأخطاء في تسعير شركات المراهنات. أحيانًا لا تتطابق الاحتمالات مع البيانات، وهنا تكمن القيمة.
تُطوّر النماذج التنبؤية هذا الأمر باستخدام التعلم الآلي لمعالجة مجموعات بيانات ضخمة أسرع من قدرة البشر. تعتمد هذه النماذج على تحليل الأداء السابق، وتقارير الإصابات، وبيانات الطقس، وحتى أحاديث وسائل التواصل الاجتماعي للتنبؤ بالنتائج. وقد ساهمت مسابقة "Big Data Bowl" التابعة لدوري كرة القدم الأمريكية (NFL) في دفع التنبؤ بالحركة إلى الأمام بشكل كبير. ركّزت المقاييس السابقة على نتائج مثل الياردات المكتسبة ومعدلات إكمال التمريرات، لكن نمذجة مسارات اللاعبين الفعلية فتحت آفاقًا جديدة تمامًا.
أين يخطئ معظم المشجعين
رأيتُ أشخاصًا يبنون نماذج خيالية تغفل السياق الأساسي. السجل الدفاعي للفريق لا يُحدث فرقًا إذا أصيب ثلاثة لاعبين أساسيين الأسبوع الماضي، ومع ذلك تُعامل النماذج هذه البيانات التاريخية على أنها لا تزال مهمة.
الأرقام تحتاج إلى قراءة ذكية، لا إلى ثقة عمياء. 2014 الجوارب الحمراء تراجع الفريق من بطولة العالم إلى المركز الأخير رغم امتلاكه إحصائيات قوية على الورق. النماذج لا تعكس التفاعل والحماس أو كيفية تعامل اللاعبين مع الضغط عند الضرورة.
يتطلب التنبؤ الذكي ثلاثة اختبارات: المقارنة بالبيانات التاريخية، واختبار السيناريوهات، والحصول على آراء الخبراء. في السابق، قلّل نموذج كرة السلة في الرابطة الوطنية لرياضة الجامعات من قيمة المتخصصين الدفاعيين بنسبة 21% لأنه بالغ في ترجيح أرقام الهجوم من نتائج الاختبارات المشتركة. وهذا يوضح لماذا تُعدّ عملية التحقق من الصحة أهم من التعقيد في أي نموذج تُنشئه.
وضع كل ذلك معا
أفضل المتنبئين يمزجون النماذج الإحصائية بالوعي الواقعي. يعرفون متى يثقون بالأرقام ومتى يتغلب السياق على البيانات تمامًا. قد تكون إحصائيات الفريق سيئة على أرضه، ولكن إذا أقالوا مدربهم للتو، فإن هذه الأرقام القديمة لا تعكس الواقع بشكل كامل. لهذا السبب، فإن اتباع النماذج دون فهم دقيق للوضع وراء البيانات يؤدي إلى توقعات خاطئة.
تُسهّل الأدوات الحديثة، مثل خرائط الحرارة الفورية ومخططات الحركة، استيعاب البيانات المعقدة لاتخاذ قرارات سريعة. يستخدم نظام ميامي هيت تغييرات الألوان لعرض أداء اللاعبين بطرق يفهمها المدربون فورًا أثناء المباريات. هذه السرعة مهمة لأنه لا يمكنك إيقاف اللعب لإجراء الحسابات، لذا يُحوّل التصور الأرقام الخام إلى رؤى فورية تؤثر فعليًا على القرارات.


