--เกริ่น--
ตอนแรกผมสงสัยว่าแมนยูที่ผมเชียร์มีการนำเทคโนโลยีสมัยใหม่มาใช้บ้างมั้ย
ค้นไปค้นมาดันนเจอของลิเวอร์พูล ไหนๆก็ไหน หยิบมาแปลซะเลย
เชื่อว่าคงมีคนสงสัยเหมือนผมว่า บรรดาทีมใหญ่ๆเขามีการนำData analysisมาปรับใช้กันบ้างมั้ย
กระทู้นสั้นๆนี้ มีคำตอบ

--เริ่ม--





เอียน เกรแฮม ผอ.ทีมวิจัยของลิเวอร์พูลเผยถึงการทำงานร่วมกับเจเก้น คล็อปเอาไว้ว่า

"เจเก้น ค่อนข้างเปิดรับกับมันนะ พวกเรามีโอกาสได้ทำงานร่วมกันทั้งอาทิตย์
แม้ว่าเขาจะไม่ค่อยออกความเห็นอะไรมากนัก แต่มันไม่ใช่เรื่องแย่ เพราะเขารู้ว่าสิ่งที่เราวิเคราะห์อยู่นั้น
จะกลายมาเป็นรายงาน และถูกนำไปใช้กับทีมของเขาในเกมถัดไป"

"แม้ว่าเขาจะไม่รู้อะไรเกี่ยวกับตัวเลขเลย แต่เขาเปิดรับ แค่นั้นก็เพียงพอแล้ว"
"แต่ถ้าหากมีข้อมูลใดที่สำคัญมากๆ เราจะพยายามหาทางคุยกับเขาโดยตรง"

ในการทำงานระหว่างโค้ชกับทีมวิจัย จะประกอบไปด้วยบุคคลากรดังต่อไปนี้
แฮริสัน คิงตัน เป็นหัวหน้าทีมวิเคราะห์หลังเกม(Post Match Analysis)
เจมส์ เฟรนช์ และเกร้ก แมตตีซัน ทำหน้าที่วิเคราะห์คู่แข่ง(opposition analyst)

เกรแฮม ผอ.ทีมวิจัย ยังอธิบายอีกว่า
"พวกเรามีแพลตฟอร์ม ที่รวมข้อมูลคู่แข่ง และเก็บข้อมูลหลังเกม
ดังนั้น พวกเราสามารถสร้างโมเดลที่จำลองว่าเราต้องเล่นแบบไหนจึงจะมีโอกาสในการทำประตู
เราสามารถสร้างโมเดลเพื่อจำลองรูปแบบการครองบอล การผ่านบอล
แบบไหนจึงจะสามารถสร้างอันตรายให้คู่แข่งได้"


"พวกเราไม่ค่อยได้ทำงานร่วมกับโค้ชโดยตรง
แต่แผนกวิเคราะห์จะมอบกระดาษรายงาน
ผลการวิเคราะห์ให้พวกเขานำไปใช้ในการเตรียมทีม"

เกรเฮม ยังเผยอีกว่า หน้าที่อีกอย่างนึงของแผนกของเขา คือ การเสริมทีม
ก่อนที่เขาจะมาทำงานร่วมกับลิเวอร์พูล เขาเคยทำงานให้กับทอตแนมฮอต สเปอร์ มาก่อน

"ที่สเปอร์ งานส่วนใหญ่จะเป็นไปในลักษณะแบบว่า 'คุณมีความเห็นอย่างไรกับนักเตะคนนี้?'
งานที่นั่นไม่มีอะไรอย่างอื่นเลย แต่ผมคิดว่าพวกเราสามารถช่วยอะไรพวกเขาได้มากกว่านี้
ไม่เพียงแค่หานักเตะให้เท่านั้น"

ทีมวิจัยของลิเวอร์พูล มีคีย์แมนหลักทั้งหมด6คน
ทีมงานสี่คนจะทำหน้าที่ฝั่งสถิติ ส่วนอีกสองคนจะทำหน้าที่ฝั่งเทคโนโลยี

"แผนกวิจัยของเรามีคนทำสถิติอยู่แล้ว4คน
แต่พวกเราก็นำ มาร์ก โฮวเลท และ มาร์ก สตีเฟ่น เข้ามาช่วยดูแลเรื่องเทคโนโลยี
พวกเขาจะรับผิดชอบในการดูแลดาต้าเบส สร้างส่วนที่ติดต่อกับผู้ใช้ให้กับเรา
ทำให้อีกสี่คนที่เหลือสามารถโฟกัสไปกับdata scienceได้อย่างเต็มที่"


"พวกเราเก็บข้อมูลทุกๆแอคชั่นที่เกิดขึ้นในสนาม
เพื่อดูว่าการผ่านบอลแบบนี้ การยิงแบบนี้ และแทคเกิ้ลแบบนี้
จะทำให้เกิดโอกาสในการทำประตูมากน้อยแค่ไหน พวกเราสามารถทำนายสิ่งที่จะเกิดขึ้นได้"

พวกเราเรียกมันว่า "การเพิ่ม ความน่าจะเป็นในการทำประตู(Goal Probability Added)"


"อีกสิ่งหนึ่งที่พวกเราหมกมุ่น คือ ความเสี่ยงในการผ่านบอล
นักเตะที่ผ่านบอลดีที่สุดในสนาม มักจะเป็นผู้เล่นที่มีค่าสถิติของการผ่านบอลสำเร็จแย่ที่สุด
สถิติสามารถบอกได้ว่าคนที่มีเปอร์เซ็นต์การผ่านบอลสำเร็จเยอะๆ
นั่นก็เพราะนักเตะประเภทนี้มักผ่านบอลแบบconservative pass หรือผ่านบอลง่ายๆ
ซึ่งมันไม่ได้ช่วยให้โอกาสในการทำประตูเพิ่มขึ้น"

"การผ่านบอลบริเวณพื้นที่สุดท้ายของคูแข่งก็เป็นอีกสิ่งที่เราพิจารณาเป็นพิเศษ
เพราะเป็นพื้นที่ที่มีกองหลังคู่แข่ง4-5คนอยูู่บริเวณนั้น
ดังนั้น การผ่านบอลพื้นที่ดังกล่าวจึงเป็นสิ่งที่ยาก
หากมีใครบางคนสามารถทำแบบนั้นได้ พวกเขาจะจัดอยู่ในกลุ่มมิดฟิล์ดเกมรับเวิร์ลคลาส"

"นอกจากนั้น พวกเรายังเก็บข้อมูลทุกๆการสัมผัสบอลของนักเตะทุกคนตลอดทั้งเกม
โดยดูว่าพวกเขาสัมผัสบอลในตำแหน่งไหนในสนาม แล้วเก็บข้อมูลว่าหากสัมผัสที่จุดนี้แล้วจะเกิดสิ่งใดตามมา
นอกจากนั้นเรายังเก็บข้อมูลภาพของนักเตะทุกๆคนในสนาม แบบ25เฟรมต่อวินาที"

"เรามีระบบOptical Tracking เทคโนโลยีเดียวกับที่ใช้กับจรวดมิสไซล์
แต่มันง่ายกว่ามิสไซล์มาก เพราะนักเตะของเราวิ่งช้ากว่าเครื่องบินเยอะ"



"ในขณะเดียวกัน ถ้าหากพวกเราต้องการที่จะมองหาใครสักคนมาเล่นที่ลิเวอร์พูล"
ในราคาที่เราสามารถจ่ายได้ และต้นสังกัดต้องการขาย
พลังของdata analysisจะขึ้นอยู่กับขนาดของข้อมูลที่เรามี
ตอนนี้พวกเรามีข้อมูลของนักเตะหลายแสนคน"

"แต่อาจจะมีเพียง5% เท่านั้นที่มีฝีเท้าใกล้เคียงกับระดับพรีเมียร์ลีก
ถึงแม้จะเหลือเพียง5,000คน(5%) มันยังถือเป็นกลุ่มใหญ่เกินไปที่จะscoutให้ครบทุกคน
ดังนั้น พวกเราจึงสามารถช่วยกลั่นกรองคนที่เหมาะสม ให้เหลือจำนวนน้อยลงกว่านี้ได้อีก"

"บางครั้งอาจจะทำให้เราพบนักเตะที่มีข้อมูลที่น่าสนใจ
แต่ว่านักเตะคนนี้อาจจะไม่ใช่คนที่แฟนบอลอยากได้มาร่วมทีมมากนัก
ตัวอย่างเช่น หนึ่งในนักเตะที่ผมชื่นชอบ คือ แอนดี้ โรเบิร์ตสัน แบ็คซ้ายของพวกเรา
ตอนนี้เขากลายเป็นแบ็คซ้ายที่ดีที่สุดในยุโรปไปแล้ว"

"ดังนั้น ปัญหาของแอนดี้ โรเบิร์ตสัน คือ แบล็คกราวด์ของเขาไม่มีอะไรน่าดึงดูดใจ
เขาเพิ่งเคยเล่นในพรีเมียร์ลีกตอนอายุ22 และเขาเล่นให้กับฮัล ซิตี้
พวกเขาเป็นทีมที่ตกชั้นจากพรีเมียร์ลีก และพวกเขาก็มีนักเตะฟูลแบ็คดาวรุ่งในตอนนั้น
เขาเป็นเคสที่ประหลาดมาก ฟูลแบ็คเชิงรุกกำลังเล่นให้กับทีมที่มีเกมรับแย่ที่สุด"

นอกจากนั้นเกรแฮมยังย้ำเตือนถึงสิ่งที่ขาดไม่ได้ก่อนจะเซ็นนักเตะสักคนหนึ่งเข้ามา

"วินัยในการซ้อมก็สำคัญ พวกเราใช้ข้อมูลData Analysis ประกอบกับดูความประพฤตของนักเตะ"

"เราใช้ร่วมกับการscoutแบบดั้งเดิม หรือบางทีอาจจะใหม่ขึ้นมาหน่อย ด้วยการใช้video scout"

"Data analysis มันเป็นสิ่งที่ใหม่ และฟุตบอลเป็นอะไรที่เก่าแก่ดั้งเดิม
บางครั้งมันจึงยากที่จะทำให้ผู้จัดการทีมเข้าใจสิ่งใหม่ๆเหล่านี้
เพราะพวกเขามีหลายสิ่งให้ต้องกังวล พวกเขาอาจจะบอกกับคุณว่า
'ต่อให้คุณรู้อะไรมา ผมก็ไม่สนใจมันหรอก'

"แต่เจเก้น คล็อป ต่างออกไป เขาให้เวลากับพวกเราได้อธิบาย"
"เขาพยายามเข้าใจมันและซาบซึ้งกับสิ่งที่พวกเราทำ
ในความคิดเห็นของผม ผมว่าเขาคือผู้จัดการทีมหนึ่งใน5%ที่ยอมรับสิ่งใหม่ๆเหล่านี้"


นอกจากนั้น เกรแฮมยังเผยด้วยว่าพวกเขาใช้Data Science
เพื่อวิเคราะห์เจเก้น คล็อปก่อนที่จะนำมาคุมทีมลิเวอร์พูล

"เจ้าของทีมของเราและตัวผมเอง เป็นแฟนตัวยงของเจเก้น คล็อป
ในปี2010 พวกเขาสร้างผลงานได้น่าประทับใจในเวทียุโรป
พวกเขาคว้าแชมป์บุนเดสลีก้าได้สองครั้ง
ดังนั้นเขากลายเป็นหนึ่งผู้จัดการทีมในฝันของเราที่เราอยากให้มาคุมทีม

แต่ว่าฤดูกาลสุดท้ายดอร์ทมุนเจอหายนะ พวกเขาหล่นไปอยู่ในโซนตกชั้น
และสื่อในเยอรมันต่างพูดกันว่า เจเก้น คล็อปไร้น้ำยา เขาไม่สามารถกลับไปจุดเดิมได้อีกแล้ว

แต่ผลการวิเคราะห์ของเราไม่เป็นแบบนั้น
ข้อมูลแสดงให้เราเห็นว่าพวกเขายังเป็นสองทีมที่ดีสุดในเยอรมัน
เพียงแค่ข้อมูลทางสถิติ ไม่สอดคล้องกับผลลัพธ์หลังเกม
(เล่นดี แต่เก็บผลที่ต้องการไม่ได้)

ดังนั้น ผมจึงวิเคราะห์บุนเดสลีก้าย้อนหลัง10ฤดูกาล
และพบว่าดอร์ทมุน คือทีมที่โชคร้ายเป็นอันดับสอง(second-unluckiest team)ตลอด10ปีที่ผ่านมา
และโชคชะตากำลังเล่นตลกกับเจเก้น คล็อปในฤดูกาลนั้นไม่ต่างกัน"









ที่มา: https://trainingground.guru/articles/ian-graham-the-one-currency-liverpool-use-to-judge-players

แมนยูจะมีอะไรแบบนี้บ้างมั้ยหนอ ไม่เคยได้ยินเรื่องอะไรพวกนี้เลย

FSG เค้าเด่นด้านนี้อยู่แล้ว ไม่แปลกที่เป็นนโยบายของผู้บริหารระดับสูงจะผลักให้เป็นรูปธรรม

สมัยนี้มันเป็น big data analytics ไปแล้ว ใครย่อยตัวเลขพวกนี้ได้จะได้เปรียบ และใครลองผิดลองถูกจนหาแนวทางที่ใช้ได้ ก็ยิ่งได้เปรียบไปอีกขั้น

จากการได้ตัวซาลาห์ ยิ่งทำให้ JK ยอมรับทีมนี้ แต่ เกอิต้า ที่ทีมวิเคราะห์บอกว่าคือกองกลางที่เก่งที่สุด ยังไม่ได้ตอบได้ อีกหน่อยต้องวิเคราะห์ต่อเรื่องการบาดเจ็บด้วย

จริงๆนี่เป็นหนึ่งในเหตุผลที่อยากให้แฟนๆลิเวอร์พูลเข้าใจที่คล็อปป์ไม่ทุ่มซื้อนักเตะแพงๆ ถ้าไม่มีเงิน เพราะเงินของเราหมดไปกับการต่อสัญญาแกนหลักของทีม และรวมไปถึงสร้างสต๊าฟระดับโลกหลังบ้าน เพื่อช่วยให้ทีมไปถึงเป้าหมาย ไม่ว่าจะเป็นทีมวิเคราะห์ที่ จขกท. แปลให้อ่าน โมนาและทีมโภชณาการ หรือจะเป็นทีมงานลูกทุ่ม รวมถึงทีมงานหลังบ้านอีกมากมาย เรียกได้ว่าเราเป็นทีมระดับโลกทั้งหน้าและหลังบ้านเลย

เคยคิดว่าถ้ามีเงินอยากทำทีมฟุตบอลโดยใช้ quant-ML แบบ Pure-Mathematics เหมือนกัน

ดู Moneyball แล้วจะเข้าใจทันที หน้าที่เจ้าอ้วน Peter Brand นักเศรษฐศาสตร์

น้ายิ้มแกนำเข้าทีมงานเรื่องนี้เหมือนกันนะครับ

ผมหาข่าวต้นฉบับไม่เจอละ แต่จำได้ว่ามีนำเข้าทีมงานเรื่องวิเคราะห์ข้อมูลอยู่เหมือนกัน

ดูเดต้า เด็กอเคเดมี่ เราด้วยจะดีมาก ปั้นมันขึ้นมา

เราเสียเด็กดีๆออกไปหลายคนมาก นี่ก็กำลังจะเสีย แฮรี่ วิลสัน ออกไปอีก

ผมว่าน่าจะมีทุกทีมแหละเอาจริงๆนะ

นึกถึงสัมภาษณ์นักบอลเมื่อก่อนที่เล่าว่าเวนเกอร์รู้แม้กระทั่งไซส์รองเท้า

เพียงแค่แต่ละสโมสรจะให้ความสำคัญมากน้อยแค่ไหน อย่างไรมากกว่า

การไปดึงโค้ชทุ่มมานี่ก็สุดจัดมากเลย ผลงานการทุ่มดีขึ้นเยอะสุดๆ

วิลสันมีเด็กลิเวอร์เสียดายด้วยหรอเนี่ย ผมดูแล้วธรรมดาๆมากเลย มีดีแค่ฟรีคิก

ทีมผม ขายเสื้อได้ไม่เยอะ ไม่เอา

อัลกอริทึ่มของเอียน เกรแฮม

ถ้าท่านใดสนใจเรื่องนี้ลองอ่านเพิ่มเติมดูได้นะคับ น่าสนใจดีเหมือนกัน
การที่ลิเวอร์พูลตัดสินใจดึงเจอร์เก้น คล็อป / โม ซาลาห์ / แอนดี้ โรเบิร์ตสัน / นาบี้ เกอิต้า ส่วนนึงก็มาจากเจ้าอัลกอริทึ่มตัวนี้เลย

https://lfc-ynwa.com/2020/01/17/a-story-of-ian-graham-a-computer-machine/
https://www.siamsport.co.th/column/detail/71660

Edit : ถ้าเข้าอ่านลิงค์ล่างของ Siamsport ไม่ได้ก็ลองเสิร์จกูเกิ้ลว่า.. เอียน เกรแฮม : Moneyball ของลิเวอร์พูล

ใช้ได้อยู่แล้วสำหรับฟุตบอลอ่ะ

ยิ่งบาสนะ ผมว่าชัดกว่าบอลอีก คิดแล้วก็สนุกละครับ

มัน(น่าจะ)เป็นศาตร์ใหม่ระดับสูง ที่ยังไม่ค่อยมีคนรู้จัก

สถิติควอนตัม คือเอา ควอนตัม มาใช้กับสถิติอีกที


สังเกตได้จากทีม สถิติของลิเวอร์ มีแต่ ดอกเตอร์ฟิสิกส์

ถามว่าทำไมต้อง ควอนตัม ทำไมต้องฟิสิกส์

คือ สถิติเดิม ๆ มันสร้างแบบจำลองได้ไม่กี่มิติ มันใส่ตัวแปรได้ไม่กี่ตัว แต่พอเอาควอนตัมเข้ามา มันสามารถจะทำแบบจำลอง ได้จำนวนมิติมากกว่า ทำให้วิเคราะห์ข้อมูลเชิงลึกได้มากกว่า



ปล. ผมก็ไม่รู้หรอกนะว่า เค้าใช้ศาตร์ไหนในการวิเคราะห์ข้อมูล แต่คุยกับคนรู้จักที่เรียนฟิสิกส์แล้วเค้ายกศาตร์นี้ขึ้นมา ประกอบกับ ทีมงานของลิเวอร์ มีนักฟิกส์ระดับดอกเตอร์หลายคนจริง ๆ

ผมเพิ่งรู้ว่ามันมีสองพาร์ท

เอาเป็นว่าเพิ่มEditแล้วใส่เพิ่มข้อมูลในส่วนที่สองต่อไปเลยก็แล้วกันนะครับ