Dữ liệu lớn đang biến đổi bóng đá như thế nào

Tháng trước, báo chí quốc tế đã chạy nhiều dòng tít về vẻ mặt cau có của Cristiano Ronaldo khi bị rút khỏi trận đấu giữa Manchester United và Newcastle vào thời điểm trận đấu chỉ còn 18 phút là kết thúc. Không riêng gì Ronaldo, rất ít cầu thủ đồng ý với quyết định của huấn luyện viên khi họ bị thay thế.

Trong giải bóng đá World Cup sắp tới tại Qatar, các cầu thủ sẽ có thêm bằng chứng để tranh luận cho quan điểm của mình. Trong vòng vài phút sau tiếng còi kết thúc trận đấu, ban tổ chức giải đấu sẽ gửi cho mỗi cầu thủ bảng phân tích chi tiết hiệu suất chơi ở vị trí tiền đạo hoặc hậu vệ của họ.

Đây là cải tiến công nghệ mới nhất trong môn thể thao bóng đá. Phân tích dữ liệu giờ đây giúp định hướng mọi thứ, từ chuyển nhượng cầu thủ và cường độ tập luyện cho đến các chiến thuật trên sân. Các cầu thủ bóng đá ngày nay cũng chịu giám sát dữ liệu chặt chẽ hơn. Một số thiết bị như áo và dây đeo chuyên dụng, giờ đây có thể cảm nhận chuyển động, theo dõi vị trí trên sân và đếm số lần sút bóng. Máy quay ở nhiều góc quay ghi lại mọi thứ, từ những pha đánh đầu cho đến thời gian các cầu thủ giữ bóng.

Để hiểu được thông tin này, hầu hết các đội bóng danh tiếng hiện nay đều thuê người phân tích dữ liệu, gồm các nhà toán học, nhà khoa học dữ liệu và nhà vật lý, từ các công ty và phòng thí nghiệm hàng đầu như Microsoft và CERN (Tổ chức Nghiên cứu Hạt nhân châu Âu).

Những hiểu biết có được từ phân tích dữ liệu đang thay đổi cách trận đấu diễn ra: các tiền đạo ít sút xa hơn, các cầu thủ chạy cánh chuyền cho đồng đội thay vì tạt bóng. Những thay đổi chiến thuật đều dựa trên dữ liệu, thay vì trực giác của một huấn luyện viên.

“Dữ liệu lớn đã mở ra một kỷ nguyên mới của bóng đá. Nó đã thay đổi triết lý và hành vi của các đội, cách phân tích đối thủ, phát triển nhân lực và tìm kiếm cầu thủ", Daniel Memmert, nhà khoa học thể thao tại Đại học Thể thao Đức Cologne, nói.

Một trong những trường hợp nổi tiếng nhất về cách dữ liệu thay đổi thể thao đến từ môn bóng chày. Trong cuốn sách Moneyball năm 2003 của mình, Michael Lewis trình bày chi tiết cách huấn luyện viên Billy Beane của đội Oakland Athletics dựa vào số liệu thống kê về cầu thủ để tìm ra một đội bóng chày có nhiều khả năng chiến thắng với ngân sách eo hẹp vào năm 2002.

Beane có lợi thế hơn so với những người muốn lặp lại mẹo này trong bóng đá. Memmert nói: “Bóng đá phức tạp hơn nhiều so với bóng chày. Trong bóng chày, ở một thời điểm chỉ có một đội cố gắng ghi bàn, và số liệu thống kê về bóng chày đã được thu thập thường xuyên và nghiên cứu trên quy mô lớn trong nhiều thập kỷ". Ngược lại, trong bóng đá, hai đội cùng cố gắng chiếm sân đối phương và ghi bàn. Số bàn thắng trong một trận bóng đá cũng khá thấp so với bóng chày, do đó việc ghi lại nguyên nhân và hệ quả của mỗi hành động trên sân sẽ khó hơn nhiều. Trong nhiều thập kỷ, các nhà thống kê bóng đá có xu hướng tập trung vào các bàn thắng và số lần thủng lưới, đồng thời tìm cách mô hình hóa chúng để đưa ra dự đoán.

Ngày nay, các biến thể của phương pháp này vẫn được sử dụng để dự đoán kết quả của các trận đấu. Một mô hình toán học của Đại học Oxford đã dự đoán chính xác Ý đánh bại Anh tại Euro 2020. Nó cũng đã gọi đúng tên 6 trong số 8 đội vào tứ kết.

Thành công như vậy không phải là bất thường. Matthew Penn, nghiên cứu sinh tại Đại học Oxford, người đã phát triển mô hình Euro 2020, cho biết dự đoán trận đấu theo thống kê chính xác hơn nhiều người vẫn nghĩ.

Dự đoán được đưa ra bằng cách gán cho mỗi đội điểm số thể hiện sức mạnh tấn công và phòng thủ. Điểm số này được xác định dựa trên tổng số bàn thắng mà đội đã ghi được trước các đối thủ trong quá khứ, cũng như sức mạnh của các đối thủ đó, Penn giải thích. Đối với World Cup Qatar sắp tới, mô hình của Penn gợi ý rằng Bỉ có cơ hội chiến thắng cao nhất, tiếp theo là Brazil.

Điều thú vị hơn đối với các huấn luyện viên là thông tin về các sự kiện trên sân và cách chơi của các cầu thủ.

Các nhà phân tích bóng đá từ lâu đã ghi lại loại thông tin này. Thành công nhất là trường hợp Charles Reep, cựu kế toán của Lực lượng Không quân Hoàng gia Anh, đã dành suốt những năm 1950 để xem các trận đấu ở Anh và đưa ra những quan sát cơ bản về các yếu tố như vị trí bóng và trình tự chuyền bóng. Reep thậm chí còn sử dụng dữ liệu của mình để phân tích màn trình diễn của các đội và đề xuất chiến lược và chiến thuật. Tại Câu lạc bộ bóng đá Wolverhampton Wanderers, ông đã góp phần tạo ra một lối chơi hiệu quả giúp đội bóng giành được 3 chức vô địch tại giải đấu tương đương giải Ngoại hạng Anh hiện nay trong 5 năm.

Công nghệ hiện đại giúp thu thập và phân tích những dữ liệu đó dễ dàng hơn. Hầu hết các câu lạc bộ hàng đầu và nhiều đội tuyển quốc gia đã bắt đầu thuê người phân tích dữ liệu từ hơn một thập kỷ trước. Ngoài việc học tiến sĩ, Penn làm việc với tư cách là nhà phân tích dữ liệu bán thời gian cho câu lạc bộ bán chuyên nghiệp Oxford City.

Nhiều nhà phân tích cho rằng một số thành công gần đây của câu lạc bộ Brentford là nhờ một thuật toán nội bộ đánh giá các cầu thủ ở các giải đấu khác nhau và giúp đội chiêu mộ những ngôi sao bị đánh giá thấp. Nhóm phân tích dữ liệu của câu lạc bộ Liverpool - gồm các nhà vật lý từng làm việc tại CERN và Đại học Cambridge - đã xây dựng một mô hình có thể đánh giá liệu hành động của một cầu thủ trên sân có tạo ra bàn thắng nhiều hơn hay không. Và năm ngoái, với sự hợp tác của câu lạc bộ Barcelona, ​​các nhà khoa học thể thao tại Đại học Lisbon, Bồ Đào Nha, đã công bố một phân tích về khoảng thời gian có cơ hội ghi bàn mà các loại đường chuyền khác nhau mang lại.

Đầu năm nay, làm việc với Penn, Joanna Marks, sinh viên toán tại Đại học Warwick, Vương quốc Anh, đã phát triển một mô hình sử dụng những dữ liệu thô để đánh giá sức mạnh chuyền bóng của tất cả các cầu thủ từ các đội cùng hạng với Oxford.

"Dữ liệu sẽ ít sai lệch hơn so với ý kiến ​​​​của ai đó”, Penn nói.

Các câu lạc bộ không phải tự tạo dữ liệu để đưa vào phân tích. Họ thường mua dữ liệu thô từ các công ty thương mại đã số hóa và mã hóa các trận đấu và các hành động trong trận. Bản thân dữ liệu này cũng được ghi lại bằng cách sử dụng thị giác máy tính.

Các nhà phân tích hiện đang ngày càng chú ý đến những gì xảy ra khi các cầu thủ không có bóng. “Một điều mà bạn sẽ luôn nghe thấy trong phân tích bóng đá là chúng tôi cần biết cầu thủ sẽ làm gì khi không có bóng", Ramineni nói.

Điều này khó khăn và tốn kém hơn vì nó yêu cầu các camera chuyên dụng không chỉ theo dõi hành động chính mà còn theo dõi những cầu thủ không tham gia trực tiếp vào hành động và xác định vị trí của họ khoảng 25 lần mỗi giây. Ramineni cho biết, các công ty cung cấp loại dữ liệu này có xu hướng ký hợp đồng độc quyền với các giải đấu quốc gia, và người ngoài khó tiếp cận.

Trong những năm gần đây, một kỹ thuật mạnh mẽ hơn đã xuất hiện - khai thác AI để dự đoán chuyển động của cầu thủ trong các trận đấu được ghi hình, ngay cả khi ống kính máy quay không hướng trực diện vào cầu thủ. Điều này có nghĩa là các công ty dữ liệu có thể sử dụng bản ghi hình trận đấu để đưa ra các phân tích toàn diện về mọi cầu thủ trong trận.

Một mô hình dự đoán như vậy đã được phát triển bởi sự hợp tác giữa các nhà nghiên cứu tại DeepMind, công ty AI thuộc sở hữu của Google có trụ sở tại London và nhóm dữ liệu tại câu lạc bộ Liverpool.

Ian Graham, giám đốc nghiên cứu của Liverpool, người đã bỏ học sau tiến sĩ về vật lý polymer tại Đại học Cambridge để bắt đầu làm việc trong lĩnh vực thống kê bóng đá, cho biết: “Đối với một sự cố cụ thể trong trận đấu, dạng mô hình này có thể tạo ra hàng nghìn mô phỏng khác nhau về những kịch bản khác có thể xảy ra".

“Liverpool có một trong những bộ phận phân tích lớn nhất và phát triển nhất trong lĩnh vực bóng đá, và chúng tôi cũng không thể tự xây dựng những mô hình này”, Graham nói.

Giống như các nhà phân tích dữ liệu khác, Graham không nhận công trạng về mình cho thành tích trên sân cỏ. “Bóng đá là một trò chơi nhiều biến số", anh nói.

Karl Tuyls, nhà khoa học máy tính tại DeepMind, cho biết, công việc lập mô hình những hành động nằm ngoài hình ảnh máy quay ghi được là bước đầu tiên hướng tới việc tạo ra một trợ lý huấn luyện viên ảo, do AI điều khiển, sử dụng dữ liệu thời gian thực để hướng dẫn việc ra quyết định trong bóng đá và các môn thể thao khác. “Trong tương lai, AI có thể xem xét hiệu suất của hiệp 1 và đề xuất thay đổi đội hình", Tuyls nói.

“Tôi nghĩ rằng dấu chân của công nghệ dữ liệu hiện có trên tất cả các môn thể thao, và sẽ tiếp tục như vậy trong tương lai”, Ramineni nói.