Michał Jaroń, były analityk Legii: odejdą trenerzy, którzy używają laptopa jako podstawki do kawy

Marcin Borzęcki, TVPSPORT.pl: Dyskusje na temat piłki coraz częściej idą w stronę liczb, które stają się kluczowymi argumentami przy próbie udowodnienia swoich racji. Jak poważnie powinniśmy twoim zdaniem traktować statystyki?
Michał Jaroń, były analityk Legii: – Wykorzystywanie statystyk wypada u nas dość słabo, bo chociaż wiemy, co one oznaczają, to musimy pamiętać, że należy je stosować w jakimś kontekście. Wśród kibiców często występuje ograniczenie się do ich suchego przywołania, trudno to całkowicie ganić, natomiast bardzo ważne są okoliczności, tego powinniśmy się nauczyć. Zaawansowane statystyki powinny służyć obiektywizacji dyskusji o piłce, a niejednokrotnie jest wręcz odwrotnie – ta sama metryka jest często używana do udowodnienia dwóch sprzecznych racji. Nawet jeżeli teraz wprowadzamy nieco bardziej zaawansowane wskaźniki, tak jak na przykład xG (expected goals – oczekiwane gole), to nadal jest to w pewnym stopniu błądzenie we mgle, bo nie bierzemy pod uwagę szeregu innych czynników.

Komuś może wydawać się, że używając zaawansowanych narzędzi, wyciąga lepsze wnioski, ale tak naprawdę często nie potrafi ich użyć. Na podstawie moich obserwacji, mogę wydzielić dwie grupy kibiców. Z jednej strony mamy osoby, które całkowicie bagatelizują statystyki, to ci którzy na każdą analizę danych odpowiedzą – "statystycznie to ja i mój pies mamy średnio po trzy nogi!". Z drugiej strony mamy pasjonatów, osoby zapalone na punkcie zaawansowanych statystyk. Oni z kolei podchodzą często zbyt entuzjastycznie, oczekują cudów, a niektóre metryki ogłaszają wręcz świętym graalem analityki piłkarskiej. Myślę, że powinniśmy znaleźć balans między tymi skrajnymi podejściami. Analityka ma i będzie miała swoje ograniczenia, jednak mądrze stosowana może dać ogromną przewagę konkurencyjną. Analiza danych jeszcze długo nie zastąpi w łańcuchu decyzyjnym człowieka, to tylko i aż narzędzia doradcze. Bardzo bym jednak chciał, żeby zaawansowane metryki weszły na stałe do konwersacji futbolowych, ale z drugiej strony ważne, by to robić z głową. Nadal pozostaje spore pole do manewru.

– Ciekaw jestem za to, jak wygląda porównanie świadomości polskiego środowiska z Zachodem.
– Polska wypada kiepsko, chociaż obserwując na przykład Twittera można wysnuć inne wnioski – tam często przytacza się różne analityczne ciekawostki. To jednak bańka, w szerszym kontekście dyskusja ciągle opiera się na wielu utartych mitach. Na przykład krytykujemy zawodników, którzy przebiegają mało kilometrów, automatycznie uznajemy, że są leniwi, nie walczą. Skupiamy się na elementach, które tak naprawdę nie mają przełożenia na końcowy wynik. Co do zagranicznych lig, to wystarczy spojrzeć na to, jak wyglądają dyskusje w studio choćby w Premier League – tam wskaźniki xG są częstym "gościem", swego czasu choćby Craig Burnley pokłócił się w studio ESPN właśnie o xG. Oczywiście u nas w trakcie transmisji pokazywane są choćby heatmapy przedstawiające uśrednioną pozycją zawodników na boisku, co jest generalnie dobrym symptomem, ale jednak ciągle tylko symptomem. Na uwagę zasługuje Bundesliga, w której po wznowieniu rozgrywek, możemy w trakcie transmisji oglądać nowe elementy. Tamte rozgrywki nawiązały współpracę z Amazonem w celu dostarczania zaawansowanych statystyk w czasie rzeczywistym. Jednak nawet tam początkowo zaliczono wpadkę – mapa uśrednionych pozycji zawodników w trakcie meczu była zniekształcona.

– Najistotniejszy wydaje się być właśnie kontekst, w którym przytaczamy daną statystykę. Bo możemy rzucić okiem na liczby, pochwalić skrzydłowego za 10 udanych dryblingów, ale co z tego, skoro połowa z nich skończyła się stratami i groźnymi kontratakami.
– Dryblingi są bardzo dobrym przykładem, jak analizując dane można wyciągać złe wnioski. Tak jak powiedziałeś – zamiast patrzeć na surową liczbę, powinniśmy patrzeć na efekt takiego elementu gry. Czy zawodnik zyskał przestrzeń? Ilu zawodników minął? Ciekawym kierunkiem analizy dryblingów jest patrzenie na zdarzenie następujące bezpośrednio po dryblingu – na przykład czy zawodnik podał piłkę do kolegi ustawionego w lepszym sektorze boiska? Pozwala to oddzielić bezsensowne "kiwki" od tych faktycznie przydatnych. To samo odnosi się do właściwie każdego zdarzenia boiskowego. Na przykład trudność podania zależy od pressingu przeciwnika, a możliwość utrzymania się przy piłce – od wykreowanej przestrzeni. Te wszystkie elementy były przez lata pomijane.

– Odnoszę też wrażenie, nawiązując do twojego przykładu z liczbą przebiegniętych kilometrów, że niektóre statystyki mogą wręcz zakłamywać obraz spotkania i jeśli opieralibyśmy się wyłącznie na nich, błędnie ocenilibyśmy przebieg meczu lub sezonu. Dla przykładu – Bayern jest dziesiątym zespołem Bundesligi pod kątem wybieganego dystansu, ale już czołówce, jeśli chodzi o sprinty i intensywne biegi.
– To akurat znany fakt – liczba przebiegniętych kilometrów koreluje w mniejszym stopniu z wynikiem niż liczba sprintów. Generalnie ważne jest, by – jak to mówią Brytyjczycy i Francuzi – nie porównywać jabłek i pomarańczy. Łatwo byłoby zestawić ze sobą wyniki biegowe w Ekstraklasie z wynikami biegowymi w Bundeslidze i stwierdzić: no tak, Polacy są słabo przygotowani fizycznie. Lecz gdy postaramy się wyjaśnić, z czego wynikają te różnice, to wtedy zauważymy detale – jedna liga może kwalifikować sprint na swój sposób, a druga na inny. Podczas gdy w jednym kraju będzie on liczony w momencie, gdy piłkarz przekroczy na przykład prędkość 25 km/h, w innym będzie to 27 km/h. A zatem to wszystko sprowadza się do tego, co mówię – musimy brać pod uwagę okoliczności, składowe każdego wskaźnika. A to tylko jeden z wielu przykładów, który może nas zmylić. Co więcej – nawet najbardziej popularne teraz i, zdawałoby się, miarodajne i proste w interpretacji expected goals w rzeczywistości są zdecydowanie przeceniane i często wyciąga się na ich podstawie błędne wnioski. W jaki sposób? Spójrzmy choćby na statystyki Erlinga Haalanda. On, po transferze do Borussii Dortmund, zdobywał gole o wiele częściej, niż wskazywało na to xG, więc wtedy zaczęto porównywać dane z tymi, które wykręca Robert Lewandowski. A przecież to bez sensu, skoro Norweg zagrał w kilku meczach, a Polak rozegrał kilkanaście spotkań od początku sezonu. To jest przepaść, a zdecydowanie łatwiej osiągnąć skrajne wartości metryk w krótkim okresie – to tak zwane prawo małych liczb.

– Jaka liczba spotkań jest miarodajna? 50, 100, może 300?
– W ogólności wielkość próbki to często problem w badaniach. Tak jak możemy jeszcze zrozumieć niedocenianie znaczenia wielkości próbki przez osoby nieposiadające wiedzy statycznej, to – co bardziej zaskakujące – nawet profesjonalistom zdarza się wyciągać wnioski na podstawie zbyt małych próbek. Jest taka praca naukowa Jacoba Cohena, w której pokazano, że na przykład psychologom, którzy przeszli kurs statystyki, zdarzało się wybierać próbki tak małe, że ryzyko niepotwierdzenia prawdziwej hipotezy wynosi aż 50%. Praca została opublikowana w 1962 roku i na pewno od tego czasu takie błędy zdarzają się rzadziej, jednak pokazuje to coś ciekawszego. Mianowicie, że ludzki umysł intuicyjnie nie potrafi wyciągać dobrych statystycznych wniosków. Oczywiście istnieją metody pozwalające oszacować odpowiedni rozmiar zbioru danych, jednak często błędy kognitywne prowadzą nas na manowce. Oczywiście im więcej meczów weźmiemy pod uwagę, tym z większą dozą pewności możemy mówić o ogólnym obrazie zawodnika. Jednak w przypadku expected goals mamy do czynienia z pewnym paradoksem. Przydatność tej metryki jest właśnie największa w przypadku niewielkiej liczby meczów.

– To dosyć zaskakujące…
– Oczywiście dobry model xG powinien w długim okresie zbiegać do faktycznej liczby goli. Często trudno powiedzieć, dlaczego faktyczny dorobek bramkowy różni się od xG. Z jednej strony może być to wynik szczęścia, jednak przy wystarczająco długim okresie, ten powód można raczej wykluczyć – trudno by zawodnik miał wyjątkowego farta przez cały czas. Można powiedzieć, że dany model niedoszacowuje konkretnego czynniku, który dobrze wykorzystuje dany zawodnik. Można też stwierdzić, że zawodnik ma po prostu bardzo wybitne zdolności wykańczania akcji i tym samym wyprzedza xG. Jednak sezon do sezonu różnica liczby goli i xG na ogół notuje duży regres do średniej, co pokazuje, że wartość ta może być w dużym stopniu zaszumiona i ma na nią wpływ szereg czynników, a nie tylko forma zawodnika.

– W takim razie kiedy powinniśmy się posługiwać xG, a kiedy faktycznymi golami?
– Piłka nożna jest skrajnie inną dyscypliną od, powiedzmy, koszykówki czy hokeja. Tam pada znacznie więcej goli lub punktów, bramki są w piłce czymś relatywnie rzadkim, bo średnio na 90 minut gry przypada 2,6 gola. Futbol jest zatem o wiele trudniejszy w analizie, to tak zwane "low-scoring game". Przyjmuje się, że przy 1-2 meczach w ogóle nie powinniśmy wyciągać wniosków na podstawie samych liczb. Dysponując liczbami z 3-6 meczów najbardziej miarodajne wnioski można wyciągać, bazując właśnie na xG, a dla większej liczby meczów, mniej więcej do 16 meczów, warto porównywać xG i gole. W długim okresie niewielu zawodników jest w stanie wyprzedzić oczekiwania tego narzędzia i strzelać więcej goli niż wartość xG. Wyjątkiem jest na pewno Leo Messi, Robert Lewandowski z kolei strzela wartości zbliżone do oczekiwanej liczby goli. Innym interesującym przykładem jest Karim Benzema, któremu przecież tak łatwo przypięto łatkę nieskutecznego. Tymczasem w ostatnich sześciu sezonach zdobył zaledwie trzy bramki mniej, niż wskazywałby na to wskaźnik.

– Choć twoim zdaniem Lewandowski ma rezerwy.
– Zgadza się, ma predyspozycje, by statystycznie trafiać średnio w każdej kolejce ligowej, czyli gdyby rozegrał cały sezon, mógłby pokonać bramkarzy nawet 34-krotnie. Teraz piłkarz Bayernu śrubuje indywidualny rekord, ale w poprzednim sezonie Lewandowski strzelił aż 11 goli mniej niż wartość xG. To spora różnica, więc stąd wynika to twierdzenie o rezerwach, które mógłby jeszcze wykorzystać. W tym sezonie zdobył około trzy bramki więcej niż wskazywałoby na to jego xG. Na przestrzeni ostatnich pięciu sezonów jest to wskaźnik, który pozwalałby oczekiwać od niego lepszej skuteczności, choć – tak jak wspominałem – ta i tak jest imponująca.

– Wspomniałeś o Benzemie. Wbiłeś kij w mrowisko, bo temat tego zawodnika notorycznie polaryzuje kibiców.
– Pewnie tak, ale identycznie było z Felicio Forbesem z Ekstraklasy. Utyskiwano, że gdyby Kostarykanin prezentował lepszą skuteczność, to miałby kilka goli więcej, a jego xG pokazuje, że strzelił tylko gola mniej, niż wskazuje na to jakość akcji. Pamiętajmy też, że xG wliczają tylko akcje zakończone strzałem, więc jeżeli zawodnik miał mnóstwo dobrych okazji, które zmarnował na przykład dając sobie odebrać piłkę, to nie będzie to odzwierciedlone w tej metryce.

– Jesteś autorem podobnego narzędzia, czyli shot quality (sQ). Czym różni się od xG?
– To wskaźnik, który uwzględnia nie tylko moment oddania strzału, ale też miejsce w świetle bramki, w które strzał został posłany. xG to tzw. metryka pre-shot, a sQ to post-shot. Co ciekawe, nie dysponując nawet pozycją bramkarza, pokazałem, że ten wskaźnik sprawuje się w wielu aspektach lepiej niż xG. Wspomniany Lewandowski mógłby mieć jeszcze lepszy dorobek bramkowy, gdyby uderzał piłkę w inne miejsca w świetle bramki. Generalnie kluczowe jest, by stosować nasze narzędzia tak, by dawały miarodajne efekty, potwierdzić ich przydatność w stosunku do rzeczywistych wyników. Ja pokazałem, że shot quality pozwala lepiej przewidzieć przyszłą dyspozycję zawodnika, niż patrząc na faktyczną liczbę goli lub na expected goals. Teraz, wykonując taką analizę, możemy dokonywać przyszłych decyzji transferowych, bo wykazywałem w analizie, że moja metryka jest stabilna rok do roku i pozwala ograniczyć poszukiwania napastników do takich, którzy mają ten wskaźnik na wysokim poziomie. Dla takich zawodników możemy z większą dozą prawdopodobieństwa zakładać, że utrzymają skuteczność. To znacznie ułatwiłoby pracę skautom i pozwalało wyciągnąć klarowne wnioski. Możemy zatem dokonywać trafniejszych decyzji i zwiększyć skuteczność rekrutacji.

– Zastanawiam się teraz, ile jest w Europie perełek, których talent wkrótce eksploduje, na co wskazują szczegółowe statystyki. Albo w drugą stronę – którzy piłkarze są niedoceniani, choć liczby ich bronią.
– Trudno to wywnioskować, bo problem jest bardziej złożony – jeśli widzimy, że zawodnik strzela zdecydowanie więcej goli, niż wskazywałoby na to xG, możemy z jednej strony powiedzieć, że on za chwile stanie się europejską gwiazdą, a z drugiej można uznać, że przygaśnie i wróci do średniej. Tak było przecież z Krzysztofem Piątkiem – po jego fantastycznym wejściu do Genoi wszyscy łapali się za głowy, ale statystyki były nieubłagane i pokazywały, że Polak niebawem może przestać trafiać z taką regularnością. Historia pokazała, że rzeczywiście tak się stało, grający wtedy we Włoszech zawodnik wkrótce zaliczył regres i zaczął grać na poziomie adekwatnym do tego, co pokazywały dane. To pokazuje, że wartość xG to tylko wierzchołek góry lodowej.

– Na twoim Twitterze można znaleźć sporo przekonwertowanych akcji piłkarskich, które wygląda jak rodem ze starszych wersji Football Managera – czyli zawodnicy w formie "kuleczek" przesuwających się po boisku. Czemu to służy?
– To wizualizacja danych trackingowych, obecnie najgorętszego tematu w światku analitycznym. Staram się przenieść na polski grunt i pokazać możliwości tego typu danych, bo na Zachodzie jest to narzędzie powszechnie używane w analizie. Dane trackingowe to nic innego jak informacje na temat pozycji zawodników i piłki na boisku. Dużo rzeczy, które do Polski dopiero dochodzą, powstało cztery czy pięć lat temu i na tej przestrzeni doszło do dużego rozwoju w sferze analitycznej, właśnie z uwagi na upowszechnienie tych danych. Dają nam one nieporównywalnie większe możliwości w kwestii analizy. Piłka nożna jest sportem na wskroś przestrzennym, w którym bardzo ważne jest kreowanie miejsca na boisku, dlatego właśnie dane trackingowe są innowacyjne. Pozwalają wyciągać wnioski obiektywne, miarodajne, stwarzają wręcz nieograniczone możliwości. Są rzecz jasna trudno dostępne, ale mając je do dyspozycji, możemy bawić się na wiele sposobów. Z powodu tego braku dostępu do takich danych dla Ekstraklasy, opracowałem własne narzędzie, które pozwala pozyskiwać takie statystyki. Oparte jest na sztucznej inteligencji, wykorzystuje konwolucyjne sieci neuronowe.

– W jaki sposób w praktyce wykorzystuje się dane trackingowe?
– Dane trackingowe pozwalają skuteczniej analizować przestrzeń, kreowane przez zawodników pole. Jeśli pytasz, czy jest to stosowane na masową skalę, to odpowiem że jeszcze nie, ale liczba prac naukowych i systemów, które poruszają temat tych danych jest duża.

– Właśnie, są jakieś kluby które wyróżniają się na polu technologicznym? Jednym z pionierów było chyba duńskie Midtjylland.
– Na pewno liderami w Europie są Liverpool i Barcelona. W stolicy Katalonii powstał Barcelona Innovation Hub, odbywają się tam konferencje naukowe, gdzie prezentowane są prace analityczne, zresztą stamtąd jakby wyszedł trend korzystania z danych trackingowych. Co ciekawe, mocno stawiają na analitykę kluby ze Stanów Zjednoczonych, z MLS, które angażują się w tę sferę. Nacisk na to jest zdecydowanie większy niż w wielu europejskich klubach. Pewnie można to wyjaśnić wzorowaniem się na innych dyscyplinach z USA. Zresztą za oceanem odbywa się regularnie wielka konferencja dotycząca stosowania zaawansowanych metod matematycznych w sporcie.

– Ciekawi mnie też twój pomysł, który został wyróżniony na OptaPro Analytics Forum, powiedz o nim coś więcej.
– Mój pomysł był wariacją na temat idei "ghostingu", czyli rozwiązania opartego o dane trackingowe. Ściśle związany jest z wykorzystywaniem sztucznej inteligencji i wykorzystujący to, że możemy nauczyć system tego, jak piłkarze się ustawiają, jak przemieszczają, jak wykorzystują przestrzeń. Wymaga to oczywiście użycia dużego zbioru danych, natomiast jeśli już mamy do nich dostęp i możemy je wykorzystać, wówczas pojawia się szansa, by niejako nauczyć sztuczną inteligencję sterowania piłkarzami. Docelowo trener mógłby na tablecie zaplanować jakiś schemat, wyciągnąć z niego jednego zawodnika i umieścić w jego miejscu "duszka". Ten z kolei, sterowany przez sztuczną inteligencję, pokazuje, jak piłkarz odnalazłby się na placu w danej sytuacji. Dzięki temu można oszacować na przykład prawdopodobieństwo zdobycia bramki w danej akcji.

– To sztuczna inteligencja planuje przebieg gry i sekwencję podań czy trener wprowadza odpowiednie parametry, by zaprojektować schemat?
– Oczywiście sztuczna inteligencja to popularny teraz "buzzword" i warto zaznaczyć, że to trochę na wyrost określenie "sztuczna inteligencja robi coś", ale oczywiście, upraszczając, można tak powiedzieć. To narzędzie zostało nauczone ruchów zawodników, korzysta z bazy danych i potrafi symulować, jak ktoś zachowa się w danym momencie. Potrafi też wziąć pod uwagę zachowanie nie tylko zawodników swojej drużyny, ale też zachowanie przeciwników – ich reakcję na wydarzenia boiskowe, sposób poruszania się. W futbolu takie rozwiązanie może być najbardziej skuteczne przy stałych fragmentach gry oraz w akcjach, gdy piłka wymieniana jest w obrębie pola karnego rywala. Mowa więc głównie o tych kilku ostatnich sekundach przed oddaniem strzału, wejściu pod bramkę, wykreowaniu sytuacji. Brzmi to trochę jak science-fiction, ale sztuczna inteligencja jest naprawdę w stanie to zrobić. To zresztą rozwiązania wyciągnięte choćby z koszykówki.

– Ale tam jest chyba o tyle łatwiej, że pole gry jest znacznie mniejsze, podobnie jak i liczba zawodników.
– Tak, dlatego w piłce trzeba skupiać się na ostatniej fazie budowania ataku, momencie rozgrywania w trzeciej tercji boiska, gdy piłkarze zbliżają się w stronę pola karnego lub nawet już w nim są. Dane trackingowe pozwalają zresztą oszczędzić pracę analitykom wideo, bo są w stanie wyłuskać niektóre wskaźniki i informacje w sposób automatyczny. Nie musimy wówczas oglądać tych samych akcji gołym okiem, by dojść do jakiegoś wniosku, bo po prostu gotowe wnioski wypluwa nam algorytm – dowiadujemy się, że jakaś sytuacja boiskowa miała miejsce, bo na boisku byli ci zawodnicy, przemieszczali się w taki sposób i podawali w taki.

– Czy twoje analizy pozwoliły obalić jakieś mity? W rozmowie z Leszkiem Milewskim z Weszło wspominałeś choćby o tych związanych z rzutami rożnymi.
– Zgadza się, okazało się na przykład, że ustawianie obrońcy na bliższym słupku jest nieefektywne, generalnie ustawianie ich przy słupkach nie ma większego sensu i znacznie większy pożytek jest, gdy zawodników zaangażujemy w krycie rywala. Niezbyt sensowne jest też granie dośrodkowaniami, po których statystycznie bardzo rzadko padają bramki. Trudno nazwać ten pomysł opłacalnym, natomiast to oczywiste, że jeśli słaby zespół gra z dobrym, to centrowanie na napastnika jest często jedynym sposobem, by stworzyć jakiekolwiek zagrożenie. Istniejące analizy pokazują, że średnio tylko raz na 70 razy po wrzutce pada gol! Skrajnie nieefektywne zagranie, prawda? Co więcej, uwzględnijmy że często dośrodkowania kończą się kontratakami, więc to mocno przeceniany element gry.

– Prawdziwą kopalnią dla analiz muszą być stałe fragmenty, do których przykłada się coraz większą wagę.
– Generalnie ten aspekt futbolu ulega coraz większej specjalizacji. Mamy już nie tylko trenerów odpowiedzialnych za stałe fragmenty, ale też podział na tych, którzy zajmują się rzutami wolnymi, rzutami rożnymi, autami. Nic jednak dziwnego, skoro drużyny skupione na rozwijaniu tych rozwiązań, na przestrzeni sezonu potrafią zyskać do kilkunastu goli więcej. Swego czasu była w środowisku głośna praca na temat rzutów rożnych w Premier League – czy lepsze są dośrodkowania na bliższy, czy dalszy słupek, czy lepiej kryć strefowo, czy indywidualnie. Pojawiła się również interesująca analiza kornerów Manchesteru City, gdzie rozgryziono komunikację zawodników – co oznacza jedna podniesiona ręka, co druga, co dwie. Faktycznie pozwalało to z dużym prawdopodobieństwem przewidzieć, jak zachowają się piłkarze Pepa Guardioli w polu karnym i gdzie spadnie piłka.

– Przez pewien czas współpracowałeś z Legią Warszawa. Która Legia z ostatnich lat była najmocniejsza? Co pokazują dane?
– Okazało się, że najmocniejsza była Legia Jacka Magiery i to nie powinno specjalnie dziwić, natomiast co zaskakujące, to fakt, że Legia Besnika Hasiego stwarzała sobie całkiem dużo okazji. Drużyna Stanisława Czerczesowa z kolei, tak hołubionego przy Łazienkowskiej, grała trochę gorzej w ataku, ale bardzo skutecznie zamykała drogę rywalom na własnej połowie. Mam jednak wrażenie, że nie była tak mocna, jak wówczas się wydawało. Generalnie można tu zastosować wskaźnik expected goals, bo co do wspomnianego zespołu albańskiego szkoleniowca, w ofensywnie właściwie nie odstawał on od zespołu Magiery, natomiast w obronie prezentował się o wiele gorzej.

Dane pokazują również, że zwolnienie tego drugiego było zbyt pochopne, bo gorsza forma zbiegła się po prostu z odchyleniem od normy i wkrótce powróciłaby do średniej. Pozbyto się go w momencie, gdy wszystko zmierzało ku dobremu i pewnie wcześniej czy później stołeczni odbiliby się od dna i znów zaczęli punktować tak jak wcześniej. Zabrakło zatem cierpliwości. Warto przy tym dodać, że nie ma czegoś takiego jak efekt nowej miotły, w sumie mogę w tym aspekcie nawiązać do twojego pytania o obalone przez liczby mity. Dane twardo pokazują, że to nie od zmiany szkoleniowca zależy poprawa gry zespołu, często po prostu drużyna wraca na swój optymalny poziom po chwilowym kryzysie. To tzw. efekt regresji do średniej. Są zresztą analizy, które porównywały drużyny będące na podobnych etapach i rezultaty były zaskakujące – zarówno ci, którzy nie dokonywali roszad na stanowisku, jak i ci dokonujący zmian, wkrótce mogli cieszyć się z poprawy wyników. Trajektoria zdobytych punktów była właściwie identyczna. Wniosek zatem jest taki, że trener... nie jest aż tak ważnym elementem, jak uważają kibice. To zresztą znalazło potwierdzenie też w innych grach zespołowych.

– Sugerujesz, że wkrótce w piłce ich rola zostanie zmarginalizowana, a większą rolę przejmie technologia?
– Zdecydowanie, to widać na przestrzeni kolejnych sezonów i analizowanych danych. To jeszcze odległa przyszłość, ale jestem przekonany, że wszystko zmierza w tę stronę i w pewnym momencie szkoleniowcy ograniczą się głównie do przygotowywania zawodników pod kątem psychologicznym, motywowania, egzekwowania zadań. Już teraz widzimy, jak bardzo wyspecjalizowane stają się sztaby – mówiłem zresztą o osobach odpowiedzialnych za stałe fragmenty, są też tacy, którzy pracują nad najdrobniejszymi szczegółami, na czele z ustawianiem stopy w momencie uderzenia piłki włącznie, co poprzedza analiza setek strzałów opracowana dzięki umiejscowionej w specjalnym miejscu kamerze. Kluczem będzie moment, w którym dane trackingowe będą powszechniej dostępne, wówczas będziemy świadkami kolejnej rewolucji w futbolu. Trenerzy, którzy używają laptopa jako podstawki do kawy, odejdą w zapomnienie. Również kluby, które nie przejdą rewolucji technologicznej i nie zaangażują się w to, zostaną daleko w tyle. Z drugiej strony będzie to furtka dla słabszych zespołów, by skrócić dystans do najmocniejszych. Inwestycja w analitykę danych jest zdecydowanie bardziej opłacalna niż te same pieniądze wydane w bardziej konwencjonalny sposób.

– Czy z twojej wiedzy i umiejętności korzysta teraz jakiś klub piłkarski?
– W sposób formalny nie jestem z nikim obecnie związany. Pracuję jako programista, specjalizuję się w sztucznej inteligencji. W pewnym momencie musiałem wybrać, czy pracować dla pasji, czy wybrać bardziej konwencjonalną drogę. Jednak cały czas ciągnie wilka do lasu i rozwijam się w kierunku analizy danych piłkarskich, staram się publikować analizy na Twitterze. Współpracuję na nieoficjalnej stopie z klubami, a poza tym to wyłącznie hobbystyczna zabawa.