你有没有想过，足球比赛中的实时数据是怎么统计出来的？

说起足球，即使你不是球迷，也能说出一两位球星的名字，比如足球运动员梅西、英国人贝克汉姆和葡萄牙人罗纳尔多。

梅西

言归正传，对足球稍有了解的人应该对比赛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如何计算的呢？

猜想一：肯定有人拿着小本子，在场边画着“积极”二字统计！皇马射门+1+1+1，巴萨打进+1+1+1！

猜想二：一定是热像仪捕捉球员的运动轨迹，人工智能分析球员的动作自动生成实时数据。

以上两种猜测代表了绝大多数人的想法，但并不全面。首先，我们来看看当前广播过程中经常出现哪些统计数据。

这些数据是如何计算的，是人工的还是人工的？在回答这个问题之前，我们先来看看早期足球比赛的统计数据。

足球统计 统计历史

现代足球起源于19世纪末的英格兰，随后疯狂发展，风靡世界。当时，主要的传播媒介是报纸。足球赛结束后，报纸会将比赛的比分、照片和各种数据以简单的评论传播到世界各地。可想而知，当时的足球数据仅限于“现场数据”的统计。简单的比分、扑救、定位球数、红黄牌数等，都被各大报纸的工作人员用小本本记录下来。比赛结束后，大家进行比较和记录。如果它们几乎相同，则将稿件发送给撰写稿件的人，这样就是初始统计。这种方式，现在看来缺乏时效性和参与性，

球迷们显然对纸媒的及时性非常不满，于是在 1927 年 1 月 27 日，英国 BBC 电台首次在电台播出了阿森纳 VS 谢菲尔德的比赛。本场比赛，BBC安排了两名解说员，一名负责解说场上情况，另一名指出足球在下图网格中的位置。两人合作，将最正确的比赛信息传播给观众。这种广播方式似乎是对想象力和反应能力的极大考验。由此可想而知，早期球迷的足球素养是非常高的。

同样在英国、阿森纳和 BBC，1939 年，电视屏幕上播放了阿森纳一线队和预备队比赛的视频。这段录音虽然令人遗憾，但为球迷在电视上观看比赛开辟了道路。观众可以自主进行数据统计和核对，这对播出公司的实时数据统计提出了更高的要求，要更加准确及时。这一时期的足球统计数据仍然依靠体力劳动。

这时，计算机技术逐渐发展，计算机成为专业的统计辅助工具。专业的统计学家将球场上的每一个动作都变成一个事件，将每分钟30多个高密度动作转化为事件，存储起来，然后人工验证，并通过程序实时发布。这种方法对劳动力的要求非常高，因此准确度很高。常用于第三方数据服务提供商，为广播公司、评论员、游戏公司等提供服务。

然而，那些雨后春笋般涌现的黑科技，是否改变了行业？

谁负责统计

要回答这个问题，首先要明确谁在收集足球比赛的实时数据。作为电视前的观众，在比赛中获取信息的渠道有两个，一个是眼睛得到的画面，一个是耳朵听到的解说。转播画面带给球迷最原始的视觉冲击，解说帮助球迷更深入地了解比赛。球迷们经常能听到诸如“***队本场比赛出手多达15次，其中只有3次射正”之类的话。解说员在比赛期间需要保留一个小笔记本来记录数据吗？一边解释一边加减数据来计算控球率？

如果真是这样，德益双心的老评论员早就累死了。

一般来说，一些大型的足球联赛，比如欧洲五大联赛，都是由专业的信号制作公司转播的。他们在赛场设置了6、8个甚至更多的摄像头，竭尽全力捕捉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生产设施中，通过网络传输比赛信号。卫星传送到世界各地。游戏中的实时数据由专门的数据公司提供。广播公司向数据公司购买服务，数据公司采用专业的数据采集方式采集实时数据。部分数据在直播中展示，部分更深入细致的数据在赛后分析展示。简而言之，

来自英国的OPTA体育直播数据公司是全球领先的数据提供商。公司目前是英超、德甲、荷甲等多项重大赛事的官方数据合作伙伴，也是下图所示的各大联赛。提供数据服务，包括中超联赛。除了为俱乐部提供服务外，OPTA还与Canal+、天空体育、ESPN等电视台合作，提供赛前、赛中、赛后的数据分析服务。

比赛期间，OPTA将对现场200多项技术统计数据进行统计分析，实时更新，并为客户提供XML数据接口，方便全球客户检索。OPTA 拥有世界上最完整的体育历史数据库。自1996年起，收集各类赛事数据，逐步形成了全球最大、最权威的赛事数据库。此外，OPTA 将根据不同需求提供不同的数据服务，包括口译支持。球迷必须熟悉比赛期间的历史数据。解说员总是清楚地知道，下一个进球是球员职业生涯的第一个进球，甚至是欧冠历史上的第一个进球等等，其实这很重要。很大程度上依赖于OPTA等数据服务商。总而言之，这家公司真的在做几乎所有与足球数据相关的事情。

数据是如何计算的？

以及游戏中的数据如何计算？一般认为足球比赛统计数据，顶级职业联赛使用了很多伟大的高科技，只需要放一台机器，数据就会像水一样流出。这种想法显然是不现实的。

其实不管是哪家公司，采用什么样的高科技，核心是解决两个问题。一是球在哪里，人在哪里；另一个是人们对球做了什么，人们对人做了什么。

人和球的位置有很多解决方案，其中之一就是安装多个高速摄像头，以确保每个区域有两个以上的摄像头可以覆盖。图像识别可以判断谁接球，球的速度有多快，但是这个人想做什么，这个动作是射门还是传球，都需要有经验的记录员来判断。优秀的录音机可以在很短的时间内判断出球员的意图，然后通过辅助录音软件选择球员，选择球员此刻对应的事件，这些事件包括传球、传中、拦截、射门、扑救、犯规等，让比赛一共记录了2000多起事件。

OPTA的实时统计系统就是这种人工智能+智能的方法。每个录制团队3人，2人进行实时数据采集，1人进行实时视频素材播放验证。有些人可能会质疑这种人为系带方法的准确性。事实上，不同公司给出的竞争数据确实不尽相同，每家公司在数据收集背后都有其独特的理念。

2018年1月13日的一场西甲常规赛，皇马对阵黄色潜水艇比利亚雷亚尔。在赛后的统计中，Whoscored的统计显示，控球率58% VS 42%，传球成功率89% VS 85%。国内足球数据公司创兵科技给出的控球率为54.9% VS 45.1%，传球成功率为84% VS 84%。即便是枪击次数等看似简单的统计指标，两家网站分别给出了28比10、27比9等不同的结果，说明两家公司的统计人员对枪击事件的判断不同。这是足球比赛统计中的“人为错误”。

人工智能的数据采集方式可以说是八仙过海大展神通，统计指标的计算方式也会影响最终的统计结果。结合上面对收集方法的介绍，我们可以大致知道射门、角球、任意球、点球、犯规的统计方法，就一个字：数字。在这种情况下，记录仪反映现场发生的事情的时间很长，出错的可能性比较小。控球率也是一个容易记录的指标。控球率=控球时间/两队总控球时间，控球时间是指传出的球没有被对方触及前的时间。机器可以记录此时哪支球队有球，持球需要多长时间。它只需要手动进行一些简单的修正，比如消除死球时间（庆祝时间、角球时间、任意球时间），就可以得到控球率。. 同理，传球成功率=传球成功次数/球队总传球次数，其实就是球队没有被抢断的次数。

事实上，每家公司对指标的统计方法都不同，这就是我们看到不同结果的原因。同时也表明，足球统计是一个值得统计学家深入研究的领域，懂足球的人也是目前行业的核心生产力。

回到足球本身，如何帮助球队取胜，如何以最低的溢价签下最合适的球员，或许才是足球数据最有意义的应用。众所周知，每支球队都有自己的成名风格。比如巴萨的Tiki-Taka策略以控球为主，而劲敌皇马则强调以速度取胜。每种高尔夫风格都有自己的特点，而且相辅相成。又如塞尔塔，西甲中下游球队，水晶宫，英超中下游球队。尽管他们在联赛中战绩不佳足球比赛统计数据，但他们是名副其实的强队收割者。这些隐藏在表面数据之下的特殊规则，可以交给足球大数据去探索。

足球，你喜欢吗？