Piłka nożna: Pretekst do radości!
Podczas zajęć uniwersyteckich po raz pierwszy zetknąłem się ze ScoutDecision. Tego dnia Miguel pokazał mi, że nawet ktoś z pozornie odległym od futbolu doświadczeniem (tak, jesteśmy inżynierami) może mieć znaczący wpływ na tę piękną grę. Od tego momentu czułem się jak dziecko z marzeniem—napędzanym obsesją na punkcie danych. (Przy okazji, Moneyball to arcydzieło!) Mój cel pracy magisterskiej był jasny: zidentyfikować technicznie uzdolnionych zawodników w niższych ligach, którzy mogliby grać na tym samym poziomie co zawodnicy w najwyższych ligach, pozwalając danym wyrazić się i określić efektywną granicę. Scouting to niezwykle złożony proces. Po pierwsze, ponieważ nie ma jednego „poprawnego” sposobu oceniania zawodników—każdy Scout ma swoją metodologię i przekonania, co oznacza, że tego samego zawodnika różni scoutowie mogą oceniać inaczej. Po drugie, ponieważ nie istnieje złota formuła definiująca talent. Talent jest pojęciem abstrakcyjnym i wielowymiarowym, co sprawia, że każdy zawodnik jest unikalny i trudny do oceny z absolutną pewnością. Wreszcie, scouting jest wysoce subiektywny; czasami trudno jest wyrazić słowami to, co widzimy (to niewytłumaczalne „oko trenera”). Moim zadaniem było sprostanie tym wyzwaniom poprzez uporządkowanie procesu scoutingowego w sposób jasny i obiektywny—pomagając klubom i interesariuszom racjonalizować swoje przekonania i wspierać podejmowanie decyzji. Aby to osiągnąć, opracowałem Multi-Criteria Player Performance Model—punkt wyjścia dla obserwacji w rzeczywistości: DataScouting. Jednak szybko zdałem sobie sprawę, że scouting nie jest uniwersalny. Potrzeby i preferencje każdego klubu różnią się w zależności od wizji, stylu gry i pożądanych cech zawodników. Dlatego integracja preferencji decydentów (Chief Scout, Dyrektor Sportowy lub Główny Trener) w modelu stała się niezbędna. Podejście to pozwoliło mi: Zidentyfikować grupę kryteriów najbardziej cenionych dla każdej pozycji i/lub funkcji w kontekście zespołu. Odejść od idei, że wszystkie kryteria mają jednakową wagę—niektóre cechy są ważniejsze dla określonych pozycji i ról. Uznawać, że kryteria nie są izolowane—niektóre cechy tworzą synergię, zwiększając ogólną wydajność. Uczynić proces przejrzystym dla wszystkich interesariuszy, ustanawiając jasny i intuicyjny profil zawodnika dla każdej pozycji. Nic nie sprawiłoby mi większej dumy niż wdrożenie tego projektu w moim klubie—tym, który mnie ukształtował—Sporting Clube da Covilhã. Pierwszy krok? Dostosowanie modelu do kontekstu klubu: Jaka jest wizja klubu? Skąd zazwyczaj pochodzą zawodnicy? Kolejny krok to zbieranie danych. Klub nigdy nie miał formalnego działu scoutingowego. Biorąc pod uwagę globalny sukces bazy danych Football Manager, użyłem jej danych jako podstawy mojego procesu. Priorytetem zespołu było wzmocnienie pozycji napastnika, co doprowadziło do zdefiniowania dwóch odrębnych profili: napastnika stacjonarnego i napastnika mobilnego. Biorąc pod uwagę ograniczenia finansowe klubu, docelowi zawodnicy pochodzili z czwartej dywizji (Campeonato de Portugal). Jednak aby ustalić punkt odniesienia dla jakości, zebrałem także dane o napastnikach z drugiej i trzeciej dywizji (Liga 2 i Liga 3). Decydent wybrał grupę kryteriów dla każdego scenariusza i sklasyfikował kryteria, które najbardziej cenił dla każdego profilu napastnika. Następnie zidentyfikowano efekty synergii między cechami i odpowiednio dostosowano skale. Wyniki? • Napastnik stacjonarny: Spośród 229 ocenionych napastników 38 znalazło się na efektywnej granicy, ale tylko 7 grało w Campeonato de Portugal. • Napastnik mobilny: 57 napastników sklasyfikowano jako efektywnych, w tym 18 z Campeonato de Portugal. • Tylko jeden napastnik był wspólny dla obu profili. Ta grupa zidentyfikowanych efektywnych zawodników została następnie wykorzystana w rzeczywistych zadaniach scoutingowych. Napastnicy spoza efektywnej granicy również zostali ocenieni, co pozwoliło zidentyfikować obszary, w których wciąż mieli braki w porównaniu do tych na efektywnej granicy. Dodatkowo, rankowanie nieefektywnych napastników pomogło ocenić, jak blisko byli osiągnięcia efektywnej granicy, dostarczając wglądu w ich potencjalny rozwój. Na końcu projektu model posłużył również jako narzędzie walidacyjne dla procesu scoutingowego. Zawodnicy wybrani przez decydenta zostali przetestowani względem modelu: dwóch na trzech sklasyfikowano jako efektywnych, natomiast trzeci zajął siódme miejsce, bardzo blisko progu efektywności. To dostarczyło potwierdzenia oceny decydenta opartego na danych. Ostatecznie scout to coś więcej niż tylko odkrywca talentów—scout to ułatwiacz decyzji. W końcu, jeśli inżynier mógł poprowadzić reprezentację Portugalii, być może jest miejsce dla inżynierów w piłce nożnej.
