预判威胁、预判样的应该业宽度序列，威胁这样的宽度术语，你觉得应该属于哪个行业？

日期：2023/02/01 10:12作者：佚名人气：

导读：Goals，序列简称XG）还属于媒体传播相对较新足球专业词汇时，术语属于XT（预判威胁，个行或者预期威胁）等，预判样的应该业早已经是威胁欧洲职业俱乐部的数据分析师们，日常使用的宽度专业数据。但这一项数据，序列如今在衡量球队进攻机会方面，术语属于已经成为了高识别性术语，个行不光是预判样的应该业媒体专家和评论员，球迷也开始越来越多地使用类似数据。威胁许多俱乐部早已开始使用这样的宽度深度数据知识，像曼城俱乐部在曼奇尼时代，就对防守球员有着清晰的数据使用指导。...

您认为预测威胁和宽度序列等术语应该属于哪个行业？

当“预期进球数”（expected goals，简称XG）在媒体传播中还是一个比较新的足球专业词汇时，XT（anticipated threat，或预期威胁）等，早已是欧洲职业俱乐部的数据分析师。 使用的专业数据。

技术可以帮助分析玩家做出的一举一动和选择。

界外球的定量分析

不仅是欧冠常客的豪门俱乐部会进行数据分析，就连一些二三线联赛的俱乐部，比如英冠布伦特福德，也特别擅长借助数据来维持俱乐部运营。现代科技。

他们已经进入了职业体育数据分析和数据管理的点球成金时代——一种通过大数据收集和深度分析，从数字角度分析足球的新方式。

每个职业俱乐部都会竭尽全力在比赛中获得微弱的优势。 曾经在欧洲所向披靡的利物浦，就是这方面的杰出代表。 在界外球的细节上，利物浦从上赛季开始就请来了专家Thomas Gronemark，在每一个细节上进行深化积累和优化，提升球队的竞争优势。

界外球指标的提升，让利物浦的控球成功率从上赛季英超的界外界倒数上升到欧洲第二。

在过去的三个赛季里，有一个数据指标，一开始还遭到质疑甚至嘲笑，但越来越被人们所接受，那就是XG（expected goals），“预期进球数”，或者说“期望进球数”。 这个数据刚出现的时候，经验主义的传统足球人不屑一顾，认为能不能产生进球，怎么可能通过数据量化来“预期”？

但这个数据现在已经成为衡量一支球队进攻机会的一个极具辨识度的术语，不仅是媒体专家和评论员，就连球迷也开始越来越多地使用类似的数据。

XG的使用最早出现在2017-2018赛季英国BBC的“今日比赛”（MOTD）节目中欧洲防守最好的俱乐部，用来衡量在特定区域得分的可能性。

在这个数据的背后，其实蕴含着海量的数据，里面有着对不同球员、不同球队、不同位置场上位置的详细分析。 之所以被迅速广泛接受，是因为XG确实对球队和球员进球的可能性进行了更加量化的分析。

球员的每一组数据都会被建模。

控球压力，明确指引

XG只是职业足球数据的冰山一角。 一些更深层次和看似更模糊的足球数据措施已经存在，比如防守压力。

压力的概念在一场比赛中很难量化，过去很多防守数据很容易被忽视，除了拦截和铲球。 但这种“压球”（pressures on the ball）可以让观察者更好地了解球队的防守能力。

所谓控球压力，即测量的产生，是指球员处于控球状态，防守球员靠近2米以内进行局部测量的状态。 根据本赛季英超前25轮的数据分析，曼城和利物浦是对方半场防守压力最大的球队。

而另一端的阿斯顿维拉和诺维奇则是在自家禁区附近控球压力最大的球队。

也可以利用这些数据分析球员个人的防守能力。 足球数据公司 statsbomb 提供了对个别球员施加的“球压”的评估。 和切尔西中场坎特一样，他场均有3.2次成功抢断和2次成功抢断。 这是一个简单的防御。 数据。

在“控球压力”项中，坎特场均可以对对手施加22次有效压力。 这为了解球员活动和防守能力的特征提供了更深层次的数据挖掘。

即便是逐渐家常便饭的XG，在数据挖掘和提炼方面，依然可以得到一些无法凭经验分析的内容：通过VR技术实现的一些球场位置和人体动作识别欧洲防守最好的俱乐部，可以对防守球员的站位有更清晰的认识。 区分，这样可以更清楚地分析，防守如何应对预期目标。

合理运用这些数据，可以帮助进攻球员更科学地找到防守的弱点，也可以通过分析进攻球队的组合和个体特点，帮助防守球员实现更好的拦截和防守。

许多俱乐部已经开始使用这种深入的数据知识。 例如，曼城俱乐部在曼奇尼时代就对防守球员有明确的数据使用指导。

前曼城右后卫理查兹，在曼奇尼手下，每场比赛开始前，都会有俱乐部分析师拿着ipad，详细告诉他对方进攻球员的跑位特点——数据量化总结后，将传递给玩家，是一个比较简单的解决方案。

精细化的大数据早已成为现代足球的基本配置。

预测威胁，期待助攻

Expected assists（XA，预期助攻），这个数据也是广为流传。

助攻与进球直接相关。 通过计算，我们可以得到一名球员创造机会的能力，创造机会的优劣程度，分析球员在进攻中作为组织者的作用。

数据分析公司Understat在XA方面积累了多年的经验。 他们对本赛季英超联赛的分析显示，截至1月初，曼城的斯特林在XA数量上领先，但在质量上落后——他能创造很多机会，但最终助攻的比例——“期待助攻”与实际助攻的比例是6比1。

由此可见，斯特林在最后一传的精准度以及与队友配合的纯洁度上，还有很大的提升空间。

对于那些有创造力并且在场上以更多助攻为使命的球员来说，这个数据是一个非常直观的衡量标准。 因此，如果将实际助攻数和“预期助攻数”相加，你会发现德布劳内伊依然是英超最有创造力，最能为队友创造进球机会的球员。 排名第二的是利物浦的亚历山大-阿诺德。

XA指数高的球员还是不少，但最终实际助攻数并不是特别好。 隐藏的因素是，队友在获得高质量的“预期助攻”后，在“预期进球”项上表现不佳。

此类数据属于更深层的数据挖掘。 “预测威胁”和“预见威胁”这一项是很难提取数据的，因为它需要更全面的数据和整体分析能力。

在国际象棋比赛中，只有最后一步的格子才算是决定性的，但之前优势的积累，比如足球比赛中的传球、运球、射门等“预期威胁”，提取后，对对手来说是非常重要的。 深入了解足球比赛的整体性，战术执行的效果，甚至每一个球的走位，以及每名球员的操作质量，都有更精准的把控。

在“预期威胁”排名中，上赛季最具威胁的球员分别是阿扎尔、德布劳内和马赫雷斯。 此外，还可以查到伊沃比和特里皮尔的名字。

每个序列也有宽度。 如果观察瓜迪奥拉手下的曼城，经常可以看到，在进攻中，曼城会充分利用两侧，来松开对方的防线。 与中路衔接，往往能在小禁区内完成最终进球。

Opta细化的数据领域之一是宽度序列，衡量一支球队在平均进攻中所使用的场地宽度，分析球队在攻防两端的进攻能力。 在这个指数中，除了切尔西和布莱顿之外，曼城当然领先； 纽卡斯尔、伯恩利和沃特福德是进攻最窄的球队。

足球不是数字化的游戏，但在科技的加入之后，利用数据对足球和各项职业体育赛事进行更深层次的挖掘，将为从业者提供前所未有的科学助力。