Игра с числами. Виртуозные стратегии и тактики на футбольном поле

Джеймса и Рипа различает их уровень успеха: Джеймс в результате в 2003 году был приглашен в «Бостон Ред Сокс», а через год команда впервые с 1918 года победила в Мировой серии. Это было настоящим взлетом для человека, который в 1977 году просто опубликовал казавшуюся незначительной статистическую брошюру. К тому времени, как Джеймс стал работать в «Сокс», его подход был признан и применен во всех командах Главной лиги бейсбола, а за четыре последующие года клуб победил в двух чемпионатах.

Рип тоже попал в клубную раздевалку, работая аналитиком, в том числе в «Брентфорде» и «Вулвс», но его трансформация английской игры ассоциировалась со слишком небольшим количеством кубков и побед в чемпионатах, чтобы ее можно было считать настоящим успехом. Возможно, это объясняется его собственными недостатками, качеством его данных или глубокими различиями между такими видами спорта, как бейсбол и футбол. Какова бы ни была подлинная причина, «Манчестер Сити» был уверен, что потерпел неудачу из-за его недостатков и ограниченности его чисел: именно это осенью 2012 года побудило клубных аналитиков матчей при поддержке Opta Sports сделать беспрецедентный шаг и отправить данные о матчах за весь сезон по электронной почте каждому, кто об этом попросит.

Как объяснил Саймону Куперу Гэвин Флейг, глава департамента анализа эффективности «Сити»: «Это подробный протокол, от игрока к игроку, от матча к матчу, неделя за неделей. Я хочу, чтобы наша индустрия нашла своего Билла Джеймса. Биллу Джеймсу нужны данные, и кто бы ни оказался Биллом Джеймсом футбола, у него нет данных, потому что это стоит денег»²

.

Идея «Сити» родилась из благих побуждений, но сама мысль использовать толпу аналитически мыслящих фанатов для поисков «Билла Джеймса» в стиле «Х-Фактор» может не сработать. Причины просты: «Человек, который изменил все» уже является голливудским фильмом, и о нем знают все, что более важно, здесь нет аналитических дебрей, которые надо исследовать. «Футбольный счетовод» уже оставил здесь свои следы. В футбольных числах нет неизведанной территории как в те времена, когда Джеймс «решал» бейсбол, придумав «созданные раны» и «доли участия в победе».

Неудача Рипа также доказывает, что игра слишком непостоянна, случайна и динамична, чтобы в ней существовала единственная формула победы, открытая единственным великим футбольным мыслителем. Более того, игру будут двигать вперед многочисленные маленькие открытия многих людей.

Прогноз 3

Объем футбольных данных возрастет как минимум в тридцать два раза.

Рипу приходилось намного труднее, чем Джеймсу. В распоряжении американца были хотя бы публикуемые во всех американских газетах обзоры бейсбольных матчей за столетие, с которыми можно было работать. Рипу приходилось создавать первичные данные о матчах, а готовую информацию хранить на рулонах обоев.

Как мы уже видели, Opta и Stat DNA частично компьютеризировали сбор футбольных чисел, наняв аналитиков, кодирующих события с цифровых видеозаписей матчей, а для Prozone работу выполняют камеры. Вместе они уничтожили все следы блокнотов и бумаги в области хранения числовых данных, сегодня все хранится в цифровых файлах. Нет никакой причины предполагать, что за скачком от метода Рипа до методики Opta или Prozone в ближайшее десятилетие не последует подобный скачок.

Это характерная особенность современного мира «больших данных»: если числа можно собрать, это надо сделать с как можно меньшими денежными затратами и вмешательством человека. Результат этого накопления – резкий рост количества данных. Если верить The New York Times, как установила IDC, компания, занимающаяся исследованиями в области технологий, данных становится все больше, постоянно рост составляет 50 процентов в год, или за два года количество увеличивается более чем в два раза. Это не просто больше потоков данных, это абсолютно новые потоки. Теперь по всему миру установлено бесчисленное количество цифровых датчиков: в промышленном оборудовании, автомобилях, электросчетчиках и транспортных ящиках… Данные становятся не просто более доступными, но и более понятными для компьютеров. Большую часть роста «больших данных» составляют беспорядочные данные – неконтролируемый массив слов, фотографий и видео в Сети и потоки данных от датчиков³.