由ExpG说开去，谈谈我眼中的足球领域数据分析

Marc

看到《门将：扑救成功率真的是一项具备再现性的数据吗？》这篇文章受到一些启发，对于ExpG（Goal Expectation）产生了浓厚的兴趣，所以有了此文。文中会有大量的引用、翻译，还有自己的理解。
一、单纯数据的缺陷
在足球里面一些数据有时候总会不受待见，例如射门、威胁球、控球率这些东西，一方面数据的范畴太大导致意义太粗糙，比如控球率，越来越多的比赛证明这项数值的高低并没有太多意义，无效控球的存在使得这项数据会虚高，而球队风格的不同也使得这项数据连是否场面占优都不能证明出来。另一方面，结果的属性太过突出，像射门、威胁球，单纯是符合定义的数据罗列，射门不会去考虑当时所处的环境，威胁球也不会去考虑这球的可行性到底有多高。
说到底是因为足球这项运动动态时间相较其他运动要长，如果不算上犯规，比赛过程中理论上的流畅时间可以长达45分钟。时间长使得数据想要完全去描绘这个动态过程变得异常困难，控球率短时间内波动较大，长时间的汇总由于相互之间的修正又不足以去呈现细节。可能一支球队在半场取得了控球优势，但期间被对手有效的断球反击打得找不着北，这时候除了能够证明球队占用了较多的时间，连传球成功率是高是低都不一定能够体现出来。而时间较长也使得偶发事件发生的概率大增，再加上人数上较多，相互之间的自主性碰撞，使得演变出结果的过程相对复杂，用于描绘的数据就不足以体现出这里面的内涵。
二、一些尝试
所以现在有句话会经常性的出现：“数据有时候会骗人。”事实上说他是骗人，还不如说是数据统计本身还存在着缺陷。但回首10年前，那个只有出场次数和进球数的时代，既不能去算射门转化率，也不能通过威胁球、传球类型、传球成功率等指标去衡量一个球员的传球技艺，甚至像助攻这项数据，几家公司在定义上的不同，统计结果之间还会产生一定的差距。像当年强如贝克汉姆这样的人物，生涯数据也只包括了出场、进球、助攻、吃牌这几项。防守方面的细化数据无从去考证，传球的类型也没有细分，单纯看数据，除了能够知道助攻能力很强以外，很难收获其他额外的信息。

而现在，数据的分类越来越细化，光传球一项数据就有长传、直塞、传中、头球等多项划分，防守数据也变得日益丰富，拦截、拦挡、解围等数据也加入了进来，从前数据更偏重于场上最耀眼的明星——进攻球员，现在防守球员也获得了足够的关注。各家数据网站也希望通过一些数据类别的划分，来描绘球员的特点，像squawka将抢断、犯规、过人、空中对抗成功次数这几项数据归到“对抗”一类，这些因身体对抗较为频繁而产生的动作放在一起，可以很好的体现球员一对一时的能力。

442这样的网站则更精于此道，不管是射门还是传球都有多种类别的划分，射门会有左右脚、头球这种射门方式的划分，还会有禁区内和禁区外的区域划分，还会有定位球、点球这种进攻方式的划分。传球方面也会根据区域的不同进行描绘，传球方式和传球的重要程度也会作为划分的标准，球员之间的相互传递组合也进行了特别罗列。这些网站都在通过细化统计数据来尽量描绘比赛中的细节以及球员的表现。squawka和442都会提供时间轴上的选择，供人去回溯这些细节。

就连一向只喜欢给出一个结果陈述的whoscored在最新改版之后也开始着重数据的动态化，加入时间滚动条，呈现不同时段的数据变化。例如下图中的触球点，原来每场比赛只会给出单个球员的触球次数，只有一个量的概念。现在全队和单个球员的触球位置都可以从图像上查询，更为直观也让这项数据变得更有意义，开始可以具象化到每个球员的具体表现，若是正好对比赛有些印象，图像和印象之间的联系就会变得更为紧密。

说白了就是在定义、统计的基础上美化了呈现方式，原来只是对下了定义的统计结果进行直接呈现，例如出场、进球、助攻等数据。现在数据的定义被不断细化，以期更完整的去描绘比赛中所发生的事件，像抢断、拦截、空中对抗这样的数据，都是为了满足这方面的需求。同时，通过图像和时间轴的形式进行呈现，使得数据和比赛的动态性得到了很好的结合。哪个时段球队正在使用何种传球方式，都可以通过回溯，查看图像，看出其中的端倪。
但是，当视角不再仅限于一场比赛的时候，多场比赛的数据累计平均之后得出的结果，一些信息会因为相互之间的抵消而隐去，一个球员一场比赛的大爆发会使得他一段时间的进球率都变得十分好看，长期的传球稳定性在数据方面很难让人察觉到他在关键时候的失误表现。就算这几家公司在单场比赛的数据呈现上已经找到了不错的办法，但关于长期的一个过程，还未能提供一个更为细致的描绘。也只有squawka在球员列表内会给出一个球员数据变动的曲线，可以在一定程度上观察球员近期的数据变动。

另一方面，尽管通过美化呈现方式使得单场比赛的数据还原变得更直观，但多项事件综合到一起发生的时候，这个动态的过程就很难表现出来。例如一名球员在边路不断尝试突破并且成功了很多次，但在接下来的环节，总是做出不符合大局的处理，这时候只能说明他在边路有着很高的过人成功率，但难以去衡量他对于整体进攻的贡献。细化的数据分类虽然描绘了诸多事件，但难以结合起来反映整个一连串事件的发展过程，这仍旧是一项弱势。
三、永无止境的尝试
但客观理性的人对于数据的热爱促使他们进行了很多有趣的尝试，ExpG就算其一，一个用于衡量前锋进球能力的模型。不同于单纯的考虑进球数以及进球效率这些结果向的指标，ExpG希望能够引入更多的变量以还原球场上发生的事件——射门，包括射门地点、射门方式角度、获得助攻的方式，以及其他等等因素。
ExpG值是这些数据的一个总体体现，这种再加工是为了将整个射门的过程通过数据的方式描绘出来。毕竟产生进球是一个相对复杂的过程，单纯以进球这个结果作为衡量标准，球员之前的努力就难以体现，“进球荒”这种事情谁都不能避免，但进球能力却应该是一个整体性的体现。ExpG值是在总体考量球员之前表现、综合多项因素的情况下，给出一个未来进球的估值，以体现球员的进球能力。可以通过一个以前的案例，来看看ExpG的评估结果和传统的方式有何不同。
这是2013/2014赛季荷甲半程的射手榜，芬博加森排在第一，佩莱排在第二，皮亚松排在第三。排除掉点球并进行简单的处理，将进球数换算成平均90分钟的进球数，排名发生了一定的变化，皮亚松掉到了第六位。一些出场时间更短的球员排名得到了提升，这样的考虑是为了综合性衡量球员在均等出场时间的情况下的进球数，但这只是一个数据处理的变化，是一种理想状态下的均等机会情景，一个比较形象的例子是，若是按照上赛季换算成90分钟的进球效率，维尔贝克本赛季出场35次，可打进19球。这种结果忽略了太多过程，简单而粗暴。

而引入ExpG值也是为了营造一种公平的氛围，它衡量的不只是进球这一个结果，还包括了射门质量、对机会的把握能力这些内涵，以期综合性的考量前锋的进球能力。从ExpG值的榜单可以看出，排名第二的卡斯泰尼奥和排名第三的哈维纳尔，前者原来只排在第五，后者未进入榜单，但在ExpG中都得到了很高的肯定。卡斯泰尼奥在赛季结束后打入14球依旧排名射手榜第五位可能有些让ExpG失望了。而哈维纳尔下半赛季打入5球的表现（整个赛季10球），和预测相比则比较吻合，在之后比赛中也算是迎来了一轮小爆发。

而原来的前三名芬博加森、佩莱和皮亚松，除了前两位，皮亚松掉到了很靠后的位置，仅刚刚超过平均值（绿条为高于平均值的球员）。但由于Expg在衡量进球能力时，会囊括队友创造机会的能力在里面（“获得助攻的方式”），大球会的球员在这一项上有较大的优势，整体实力更强，可以获得更有利的射门位置，更多的射门机会。为了进一步揭示球员的单干能力，作者又对数据进行了进一步处理，将球员置于均等机会的情况下进行评估，以此转换出进球数。
这时候佩莱、卡斯泰尼奥和哈维纳尔都掉到了平均值一下，而芬博加森和皮亚松排在了前两名。在作者看来，佩莱、卡斯泰尼奥和哈维纳尔理应打入更多进球，他们虽然占得了很多的机会，却也挥霍了许多。而芬博加森和皮亚松是综合起来更为优秀的两位，前者不管在哪一项中都排名靠前，而后者有着更强的把握机会的能力。

从赛季末的结果来看，芬博加森确实非常优秀，下半赛季又轰入了12球，排在射手榜的第一位。而卡斯泰尼奥虽然依旧是球队主要火力点，但进展不大仅收获4球，哈维纳尔下半赛季的5球是在连续的6场比赛中完成的，他有着不稳定的表现。皮亚松则是因为一些场外原因停滞不前，和主教练有些争端，下半赛季错失了首发的资格。可能最出乎作者意料的是佩莱，不仅延续了上赛季的上佳表现，本赛季远赴英伦，带领圣徒也杀出了一片天。至于芬博加森的上佳表现，赛季后也算得到了肯定，转会皇家社会，虽然目前首发2次，坐了6场板凳，没有取得进球。但184的身高，相信在莫耶斯入主之后也许会有惊人的表现也说不定。
保存图片
其实回溯来看，Expg的预测结果也算不得上有多准确，但它呈现出了一种完全不同的分析结构和分析结果，通过相互比对一些结论还是非常有价值。例如芬博加森，传统数据的拔尖者和Expg系统下的佼佼者，最后确实也称霸了荷甲。至于之后的发展，就像皮亚松半季火焰半季深渊的境遇一样，又是另一个有着太多变故的故事了。

Marc

原贴位置：

https://bbs.hupu.com/10955802.html