2018年1月13日的一场西甲常规赛中，皇家马德里主场迎战黄色潜水艇比利亚雷亚尔，赛后的数据统计中，Whoscored的统计数据显示：控球率为58% VS 42%，传球成功率为89% VS 85%。而国内足球数据公司创冰科技给出的控球率则是54.9% VS 45.1%，传球成功率为84% VS 84%。甚至连射门数这样看似简单的统计指标，两个网站都分别给出了28 VS 10和27 VS 9这样不同的结果，说明两个公司的统计人员对于射门这个事件的判断有差异，而这便是足球比赛数据统计中的“人为误差”。
说起足球，就算不是球迷，也能说出一两个球星的名字，比如足球运动员梅西，英国大卫·贝克汉姆和葡萄牙C罗。
梅西
言归正传，对足球有稍微有一点了解的人，应该对赛事转播过程中出现的统计数据并不陌生。那么，你有没有想过，足球比赛中的实时数据是怎么统计出来的？
猜测1：一定是有人拿着小本本在场边画“正”字统计！皇马射门+1+1+1，巴萨进球+1+1+1！
猜测2：肯定是用热成像摄像头捕捉球员运动轨迹，用人工智能分析球员动作自动生成实时数据。
以上的两种猜测代表了绝大多数人内心的想法，但这两种说法都不全面。首先来看看现在的赛事转播过程中常出现哪些统计数据。
这些数据到底是如何统计出来的，人工 or 人工智能？在回答这个问题之前，我们先来看看早期的足球比赛的数据统计。
足球数据统计历史
现代足球起源于19世纪末的英国，紧接着便疯狂发展并席卷全球，当时主要的传播媒介是报纸。足球比赛结束后，报社将比分、照片以及比赛中的各项数据，配以简单的评述传播至世界各地。可以想象当时的足球数据仅限于“场面数据”的统计，简单的比分、扑救、定位球个数、红黄牌数等由各大报社工作人员拿小本本记录下来，赛后大家一比对，记的都差不多，那就给写稿子的人发稿吧，如此就是最初的数据统计。这种在现在看来缺乏时效性与参与度的方法，在当时却在世界各地播种下了足球文明的种子。
球迷们显然对于纸媒的时效性非常不满，于是1927年1月27日，英国BBC电台首次通过电台广播对阿森纳VS谢菲尔德的比赛进行了转播。这场比赛BBC安排了两名评论员，一位负责对场上状况进行评述，一位指出足球在下图所示的网格中的位置，两人配合，给听众传播最正确的比赛信息。这种转播方式在现在看来是一种非常考验想象力以及反应力的转播方式，由此可以想到早期的球迷足球素养非常高。
同样是在英国，同样是阿森纳，同样是BBC，1939年，一场阿森纳一线队与预备队的比赛录像被呈现在电视屏幕上。录播虽然是令人遗憾的，但这却开了球迷们在电视机前观看比赛的先河。观众可以独立进行数据统计及核对，这就对转播公司的实时数据统计提出了更高的要求，要更准确、更及时。这个时期的足球数据统计依然是依靠人工。
就在此时，计算机技术逐渐发展起来，计算机成了专业的统计辅助工具。专业的统计人员将球场上的每一个动作变成一个一个事件，将每一分钟30次以上的各种高密度动作转化为事件存储下来，再由人工进行验证，并通过程序进行实时发布。这种方法对人工要求极高，因而准确度也高，多常见于第三方数据服务商，为转播方、解说员、博彩公司等提供服务。
然而，那些如雨后春笋般涌起的黑科技，究竟有没有改变这个行业呢？
谁在负责统计数据
要回答这个问题，首先要清楚足球比赛中的实时数据是谁来统计的。作为一名电视机前的观众，比赛过程中得到信息的渠道有两个，一是眼睛获取的画面，二是耳朵听到的解说。转播画面带给球迷的是最原始的视觉冲击，而解说则是帮助球迷更加深入的理解比赛。球迷们经常能听到“***队本场的射门次数已经达到15次之多，其中射正的仅仅3次”诸如此类的话，难道解说员在比赛过程中还要一边拿小本本记数据，一边解说，再把数据加加减减，算出控球率？
如果真是这样的话，德艺双馨的老解说员们早就累死了。
一般来说，一些大型的足球联赛，比如欧洲五大联赛，转播是由专业的信号制作公司提供。他们在比赛场馆架设6台、8台甚至更多的摄像机，尽力追捕球员从赛前采访到进球后的每一个眼神，然后在一个布满电线的大型制作场所内，将比赛信号通过卫星传输到世界各地。而赛中的实时数据则是由专门的数据公司提供的，转播公司向数据公司购买服务，数据公司使用专业的数据采集方法对实时数据进行采集。一部分数据在直播中展示，一部分更深入详细的数据在赛后进行整理分析和展示。简单的说，我们在CCTV5台看到的中超转播信号制作其实是一家叫体奥动力的公司提供的，而看到的实时数据，又是其名下的盈动力大数据公司提供的。
来自英国的OPTA实况体育数据公司是全球领先的数据提供商，该公司目前为包括英超、德甲、荷甲在内的多个大型比赛的官方数据合作伙伴，同时也为下图所示的大型联赛提供数据服务，包括中超。除了为俱乐部提供服务以外，OPTA同时也与Canal+，天空体育，ESPN等电视台合作，在赛前、赛中以及赛后提供数据分析服务。
比赛过程中，OPTA会对场上超过200项的技术统计进行统计分析，实时更新，并为客户提供XML数据接口，方便来自全世界的客户调取。OPTA兼有世界上最完备的体育历史数据库，从1996年起搜集各种比赛数据，渐渐形成了世界上数量最大、权威性最高的比赛数据库。另外，OPTA会按照不同需求提供不同的数据服务，其中就包括解说支持。球迷对比赛过程中的历史数据一定不陌生，解说员总是清楚的知道下一个进球是球员职业生涯的第几个进球，甚至是欧冠历史上第几个进球等等，其实这很大程度上要依靠OPTA这样的数据服务商。总而言之，这个公司真的是在做与足球数据相关的几乎所有生意。
数据是如何统计出来的？
而赛中的数据又是如何去统计呢？大家普遍认为顶级职业联赛都用了很多了不起的高科技，只需要把机器一架，数据就像水一样哗啦啦自己流出来了，这种想法显然是不现实的。
其实无论是哪家公司，采用什么样的高科技，其实核心还是解决两个问题，一是球在哪儿，人在哪儿；二是人对球做了什么，人对人做了什么。
对于人和球在哪儿，解决方案有很多，其中一种就是安装多台高速摄像机，保证每个区域都有两个以上的摄像头能覆盖。图像识别能做到判断出是谁拿了球，球速是多少，但是具体这个人想做什么，这个动作是射门还是传球，就需要经验丰富的记录员来进行判断。优秀的记录员能够在极短的时间内判断出球员的意图，再通过辅助记录的软件，选择球员，并选择此刻与该球员对应的事件，这些事件包括传球、传中、拦截、射门、扑救、犯规等等，如此便将比赛中共计2000次以上的各种事件记录了下来。
OPTA的实时统计系统就是这种人工+智能的方式，每个记录小组有三个人，两个人进行实时数据采集，一个人进行实时的视频素材回放校验。可能有人会质疑这种掺杂人工的方式的准确度。实际上，不同公司给出的比赛数据的确是存在差异的，每一家公司的数据收集背后都有一套独特的哲学。
2018年1月13日的一场西甲常规赛中，皇家马德里主场迎战黄色潜水艇比利亚雷亚尔，赛后的数据统计中，Whoscored的统计数据显示：控球率为58% VS 42%，传球成功率为89% VS 85%。而国内足球数据公司创冰科技给出的控球率则是54.9% VS 45.1%，传球成功率为84% VS 84%。甚至连射门数这样看似简单的统计指标，两个网站都分别给出了28 VS 10和27 VS 9这样不同的结果，说明两个公司的统计人员对于射门这个事件的判断有差异，而这便是足球比赛数据统计中的“人为误差”。
人工+智能的数据采集方式可以说是八仙过海各显神通，而统计指标的计算方法也会影响最终的统计结果。结合上面对采集方法的介绍，大致可以知道对于射门、角球、任意球、点球、犯规的统计方法，就是一个字：数。这一类事件，记录员有很长的时间去反应球场上究竟发生了什么，出错的可能性也比较小。控球率也是一个很容易记录的指标，控球率=控球时间/两队总控球时间，而控球时间则是指传出的球未被对方接触之前的时间。机器能够记录此时是哪一队拿球，拿球时间是多久，只需要人工进行一些简单的修正，例如剔除死球时间（庆祝时间、边角球、任意球时间），即可得出控球率。同理，传球成功率=传球成功次数/本队传球总次数，其实就是没有被抢断的次数，同样是机器和人工共同采集，人工校验的方式进行统计。
实际上，每个公司对指标的统计方法都是不一样的，这也就是为什么我们看到的结果不一样的原因。同时也说明，足球统计学，是一个值得统计学家们深入研究的领域，而懂足球的人，也是这个行业目前最核心的生产力。
回归到足球本身，如何帮助球队取得胜利，如何用最低的溢价签到最合适的球员，或许是足球数据最具意义的应用。众所周知，每支球队都有各自赖以成名的球队风格，比如巴萨的Tiki-Taka战术以传控为主，而死敌皇马强调速度致胜。每种球风各有特色，相生相克。又比如西甲中下游球队塞尔塔和英超中下游球队水晶宫，虽然在联赛中战绩不佳，但却是名副其实的强队收割机，这些隐藏在表面数据之下的特殊规律则可以交由足球大数据去探索。
足球，你爱了吗？