“过去五年我看的橄榄球比赛，可能比我余生看的还要多。”说这话的是安格斯·坎贝尔（Angus Campbell），他的工作就是看球——把每一场比赛拆成数据。
周末，坎贝尔会和Oval Insights的同事聚在利兹郊外一个工业园区的办公室里，同时盯着世界各地正在进行的多场比赛直播。场面像体育酒吧，实际是高强度的数据采集。每场比赛有两人在比赛进行中快速分类主要动作：控球、罚球、定位球结果、开放式进攻中的踢球；另外四人在后面接力，轮流处理各段比赛，为初始信息补充更细的细节——个人持球推进、对抗后推进米数、擒抱成功率、擒抱类型、擒抱压制程度、个人进入拉克次数、拉克持续时间，都是他们要抓取的内容。
终场哨响后不久，一场比赛会被拆解成2000个独立事件；加上每个事件附带的各种描述标签，每项重要顶级赛事中每场比赛记录的信息总量约为1万条。这些数据汇入Oval的Advantage数据库。英超橄榄球全部10家俱乐部、超过一半的联合橄榄球锦标赛（URC）球队以及相当数量的Top 14俱乐部都付费订阅。产品经理坎贝尔和客户成功经理萨姆·基斯比（Sam Kisbee）的工作，就是帮俱乐部把这些数据用起来。
在“点球成金”时代，数据已经改变了棒球、足球等项目的引援，靠它挖出被忽视的人才。橄榄球是否也在发生同样的事？
亚历克斯·桑德森（Alex Sanderson）今夏主导了英超橄榄球规模最大的阵容换血之一，塞尔（Sale）迎来12名新球员。“当你手头有一大批候选球员时，数据始终是重要因素，能帮你判断谁契合你的比赛模型。”他说，“我们知道自己在对抗后能推进多少米、防守依赖什么、进攻端做什么决策，你可以把这些指标映射出来。你还能做出蜘蛛图，找出符合某个位置所需‘形状’的球员。”
考特尼·劳斯（Courtney Lawes）是塞尔的重磅引援。他在布里夫（Brive）征战ProD2期间录得的数据，帮助桑德森确信这位前英格兰队长值得一份一年合同。数据同样帮了北安普顿（Northampton）的菲尔·道森（Phil Dowson）：2024年劳斯离队后，他需要想办法填补空缺。“我们同样有一套比赛模型，规定不同位置该是什么样子。”道森说，“如果你没法在某个位置、以你负担得起的价格拿到所有需要的东西，就得在别处弥补。所以要替代考特尼·劳斯，我们需要一定的争边球能力、一定的抢断球权能力、一定的持球推进能力，还有领导力。比赛现在的编码深度远超以往，挑战在于用这些数据把麦子和糠分开。我们试着找出符合条件的人，根据预算缩减名单，再通过更深入地看他们的表现做尽职调查。”
俱乐部现在的优势已不再是数据本身，而是从海量数据中识别出什么最重要的能力。Oval开发了一套模型，标出在比赛不同环节超出其预期的球员。但俱乐部也在向外寻找专业力量：塞尔引入了一家被其亿万富翁老板西蒙·奥兰治（Simon Orange）近期收购的人工智能公司，初期用于伤病预防和球员可用性测算，桑德森计划把引援也加入它的任务清单。北安普顿则从一级方程式赛车界取经——哈斯（Haas）车队领队小松礼雄（Ayao Komatsu）曾是橄榄球球员，也是橄榄球球迷，上世纪90年代从日本到英格兰中部求学时曾为Old Wheatleyans和拉夫堡（Loughborough）出战。他到北安普顿与道森交流了自己对数据的看法。“对小松来说，最重要的是车手。”道森说，“他感觉如何？对哈斯而言，车手的屁股是最好的数据接收器。即便在F1这样数据驱动的运动里，他仍然回到人的因素上。这一点让我很有共鸣。”
桑德森也强调，数据可以筛选和列出候选名单，但引援仍有人情味的一面。教练的眼睛能捕捉到持球或清障中的细节，而这些可能被粗糙的数据库定义漏掉。同样重要的是，在这项成败常系于凝聚力和团结的运动里，新援不仅要是个好球员，还得是个能融入的人。“那次数据挖掘和表现分析，其实只能把他们送到门口。”桑德森说，“接下来全看性格。必须看性格，因为有不少球员一直看起来很不错，但并不适合这个团队。”
Oval Insights从联合创始人戈登·费尔利（Gordon Fairley）和詹姆斯·托泽（James Tozer）的两人组合起家。六年前，两人在巴勒姆（Balham）的公寓里亲自编码比赛、撰写报告，为客户做定制项目。随着业务扩张，Oval的运作方式也变了：客户面太广，点名推荐具体球员会带来潜在的利益冲突。“我们现在必须说，‘我们给你工具，谁把我们的工具用得最好，谁就最快找到金子’。”坎贝尔说，“不过偶尔看到一名球员转会，我们也会互相说，‘这是一笔好签约’，或者相反。”
尽管有这些进展，橄榄球并不处在体育数据革命的最前沿。一部分原因在于运动本身的性质：棒球的“点球成金”一词诞生于世纪之交的奥克兰运动家队，而棒球由一系列球员个人动作组成，通常不与队友联动；要界定某名前锋对滚动拉克的贡献，比把一支本垒打记到击球手名下要难得多。橄榄球里的定义也可能是主观的：一次持球推进算不算“压制性”就可以争论。Opta会拿示例片段征询俱乐部意见，也未必总能达成共识。钱，以及橄榄球相对缺钱，也限制了能做的事：追踪数据依赖超广角镜头，并非每个球场都有；英超足球的预算能为最聪明的人才提供更多时间和金钱去突破、去开发机器学习。但数据库，以及关于如何使用它们的思考，已经很深；数据对橄榄球世界球探部门的影响，同样如此。
热门跟贴