Football Eh? Bloody Hell !

by Jonny Whitmore

Stats Perform의 Possession Value(이하 PV) 지표는 특정팀의 점유율이 10초 이내에 득점으로 연결될 확률을 나타낸다. PV 지표를 이용해서 선수 개인이 온 더 볼(on the ball) 상황에서 얼마나 + 영향을 주는지, - 영향을 주는지 확인할 수 있다. 

지난시즌 Stats Perform이 PV모델을 도입한 이후, PV모델은 분석 플랫폼의 필수적인 요소가 되었다. 2019/2020시즌동안 우리는 고객 및 유저의 피드백을 통해 모델의 여러 요소들을 개선시켰다. 기존의 PV 지표는 경기에서 실제 발생하는 득점보다 훨씬 높은 값을 가졌기 때문에(차이가 많았기 떄문에) 우리는 이를 개선할 필요가 있었다. 

기존의 PV지표는 팀이 공을 소유한 상황에서 (시간제약 없이) 득점을 만들어낼 확률을 계산했지만, 새로운 PV지표는 시간에 기반한 접근을 한다. 이제는 공을 소유한 상황에서 10초 이내에 득점할 확률을 계산한다.

더불어 공의 소유권을 잃는 상황에서 선수에게 일괄적으로 -값이 부여되는 경우를 제외시켰다. 이는 공격을 이끄는 선수들이 공을 잃어버리는 상황에서 -값을 부여받아 저평가되는 것을 개선시킨 것이며, 위험지역에서 시도한 행위가 비록 실패로 끝나더라도 +값을 부여받을 상황을 고려해 충분한 보상을 받게 하였다. 새로운 개념을 반영함으로써, 피치 위에서의 모든 행위에 대해 값을 매길 수 있고 PV지표를 통해 선수 개인이 얼마나 팀에 영향을 행사하는지 확인할 수 있다. 

다음과 같은 상황을 상상해보자. 케빈 데 브라이너가 PV = 0.01(10초 이내 득점이 나올 확률이 1%인) 인 하프라인 근처에서 공을 소유했다. 그가 공을 가지고 전진해서 박스 안에 있는 라힘 스털링에게 공을 연결시켰다. 이제는 PV = 0.13 이다. KDB는 팀의 득점 가능성을 12% 향상시켰고 우리는 이를 Possession Value added(PV+) 라고 부른다. 스털링이 공을 소유한 상황에서 어떠한 선택을 내리는지와 관계없이 KDB는 맨체스터 시티의 향후 10초 이내 득점 확률을 12% 상승시켜 PV+ = 0.12 값을 부여받게 된다.

이러한 지표를 통해, 우리는 기존의 골과 어시스트로 대변되는 전통적인 방식으로 인해 저평가되는 선수를 발굴해낼 수 있다. 선수 개개인의 기여도를 모두 살펴, 선수가 팀의 득점 확률을 높이는데 긍정적인 기여를 하는지, 부정적 기여를 하는지 판단할 수 있다. 구단에 대한 순기여도(net contribution)를 집계하기 위한 요소는 기존과 동일하다.

1. 팀의 득점 확률을 높인 경우 (양의 PV+)

2. 어떤 행위가 성공했으나 팀의 득점확률을 감소시킨 경우 (음의 PV+)

3. 공의 소유권을 잃어버린 경우 (일반적으로는 음의 PV+) 

4. 공의 소유권을 잃어버려 상대가 바로 위협을 가할 수 있는 경우 (상대팀의 PV+값의 크기만큼 음의 값으로 적용)

새로운 지표가 어떻게 작용되는지 확인해보기 위해, 지난시즌 챔피언 리버풀의 값을 살펴보도록 하자.

리버풀의 득점 가능성을 높이는 선수들의 값이 높게 나온걸 확인할 수 있다. 포워드 모하메드 살라, 사디오 마네가 가장 큰 기여를 한 선수이나, 풀백인 트렌트 알렉산더-아놀드, 앤드류 로버트슨도 포워드 2명에 크게 뒤쳐지지 않는다.

아래는 동일한 선수들에게 기존의 PV 지표를 적용시킨 결과이다. 차이점을 살펴보도록 하자. 

가장 큰 차이점은 트렌트 알렉산더-아놀드의 순기여도가 엄청나게 증가했다는 것이다. 새로운 PV 지표는 공의 소유권을 잃더라도 양의 PV+ 값을 받을 수 있다. 기존의 PV 지표를 적용한다고 하면, 알렉산더-아놀드는 위험하면서 도전적인 패스를 시도했다가 소유권을 잃는 경우 음의 PV 값을 부여받는다. 그러나 여전히 알렉산더 아놀드의 도전적인 패스가 팀의 득점 확률을 높였을 가능성이 있다. 아래 앤드류 로버트슨의 크로스 상황을 통해 이를 살펴보자. 

로버트슨은 깊은 위치 (PV = 0.003)에서 크로스를 시도했다. 정말 미세하게 팀동료인 로베르토 피르미누의 머리에 닿았고 아스날의 키어런 티어니가 이를 헤더로 걷어냈다. 그런데 티어니의 헤더는 리버풀이 (10초 내에) 더 득점하기 좋은 위치로 떨어졌다. 티어니의 헤더가 떨어진 지점에서의 PV값은 0.013이며 따라서 로버트슨의 과감한 크로스 시도는 PV+ = 0.01의 가치를 지닌다고 할 수 있다. 로버트슨의 크로스 시도는 (성공적으로 연결되지 못했으나) 리버풀이 10초 내에 득점할 확률을 1% 상승시켰다. 

이 지표를 활용해서 우리는 경기별, 행위별 선수들의 기여도를 분석해낼 수 있다. 지난 9월 28일에 있었던 리버풀과 아스날의 PV 지표를 통해 리버풀 선수들 중 누가 키플레이어였는지 확인해보도록 하자.

리버풀이 경기를 지배했다는 사실을 고려할 때, 선발로 경기를 소화한 선수들의 순기여도가 높은 것은 결코 놀랍지 않다. 이 경기에서 버질 반 다이크가 3번째로 높은 0.36PV+ 값을 기록한걸 확인할 수 있다. 아스날의 압박을 피해 트렌트 알렉산더-아놀드와 모하메드 살라에게 롱패스를 성공시킨 것이 그 이유일 것이다. 현재 사용중인 다른 고급지표를 통해서는 반 다이크의 행위를 평가하기 어려우나 PV 지표를 통해서는 반 다이크 덕분에 리버풀이 경기 진행과정동안 0.36골을 추가로 기록할 것이라 예상된다고 말할 수 있다. 

부여된 롤이 팀의 득점확률을 높이는게 아닌 선수가 존재할 수 있다. 이 지표는 그런 유형의 선수들의 영향력을 보여주진 못한다. 다른 측정지표와 마찬가지로, PV 지표는 특정한 목적이 있는(선수가 공을 가진 상황에서 득점에 얼마나 기여하는가를 알아보고자 하는) 지표이다. (즉, 다른 역할을 수행하는 선수의 가치를 알고자 한다면, 그 역할에 대한 새로운 지표를 만들어야 할 것이다.)

Stats Perform은 앞으로 시간에 기반한 PV 지표가 단독으로도 얼마나 우수한 지표인지와 더불어 다른 AI 모델에서도 기본 요소로 사용될 수 있는 훌륭한 숫자임을 보여줄 것이다. 

출처 : www.statsperform.com/resource/evolving-our-possession-value-framework/

by Paul MacInnes

내가 처음으로 "득점 기대값(expected goals)"이란 용어를 이해했던 2015년 11월, 나는 Statsbomb이란 웹사이트에서 "레스터 시티,그들의 카미카제 존(Kamikaze Zone)을 향한 발걸음" 이란 기사를 접했고 그 글에 빨려들고 말았다.

기적같은 시즌의 그 당시, 레스터는 초반에만 반짝하고 끝날 것처럼 보이지 않았다. 레스터는 무려 리그 3위였고 제이미 바디는 9경기 연속으로 골을 넣었다. 그런데 모하메드 모하메드(Mohamed Mohamed)란 기자가 레스터의 다소 색다른 기록에 대해서 발견했다. 그 기자는 레스터의 득점과 실점이 모두 엄청나게 높다는 점을 지적했다. 당시 레스터 기록하고 있는 득점과 실점의 비율을 그대로 시즌 끝까지 이어진다면, 레스터는 1시즌에 60득점과 50실점을 동시에 달성한 프리미어 리그 역대 5번째 팀이 되는 것이었다. 이전 4차례 사례 중 하나는 아쉽게 리그 우승을 차지하지 못했던 브랜단 로저스의 리버풀이었고 2차례는 바비 롭슨 경의 뉴캐슬 유나이티드였다. 분명히 특이한 일이 벌어지고 있었지만 레스터의 카미카제 축구는 데이터로 보충설명할 수 없는 현상이었다. 레스터의 득점 기대값 차이 비율은 고작 0.5에 불과했다.

그런데 대체 무엇에 대한 기대값을 구한단 말인가? 당시에 인지하지는 못했지만, 나는 완전히 새로운 형태의 축구 분석을 우연히 접한 것이었다. 일반인이 만들어낸 이 분석은 이제 사람들이 경기를 보는 관점, 경기에 대해 논의하는 관점까지 바꿀 것으로 보인다. 내가 이것을 최초로 발견한 사람은 아니지만 나는 지금껏 펍, 경기 리포트, 경기 중계에서 득점 기대값에 대해 이야기하는 것을 결코 들어본 적이 없었다. 마치 실버백 고릴라를 우연히 발견한 동식물 학자같은 느낌이었다. 새로운 통계량에 대해 두려우면서도 경계했지만 그런 수량화된 이야기를 계속 지켜볼 수 밖에 없었다.

정확히 "득점 기대값(줄여서 xG)"은 무엇일까? xG 통계량 발전에 크게 기여했고 이를 보다 쉽게 풀어서 설명해줄 마이클 칼리(Michael Caley)의 이야기를 들어보자. "XG는 슈팅이 골로 연결될 확률을 수치화하는 개념이다. 감독들은 줄곧 "우리는 더 좋은 득점기회를 만들어야 한다." 라고 말하는데 xG는 기본적으로 그 개념에 값을 부여한 것이다. 오랫동안 널리 받아들여진 개념 -찰스 리프가 평균적으로 슈팅 9번에 1골이라 주장한 것- 역시 xG의 초기 개념이다."

찰스 리프는 세계대전 이후 활동한 축구 분석가로 롱볼 게임을 주장한 사람으로 악명 높다. 리프의 개념과 칼리의 해석에 있어서 핵심적인 차이는 '수량화'이다. 하버드에서 종교학 박사 학위를 취득한 칼리는 학생 때부터 축구 데이터를 취미삼아 가지고 놀았다. 이제 칼리는 축구로 먹고살고 있으며 '야구 통계량의 특성을 축구에 가져오자'를 모토로 글을 쓴다. 다른 열성적인 분석가들처럼 칼리는방대한 축구 데이터에서 필요한 정보를 캐내고 있고 임의로 주어진 한 슈팅이 어느 정도의 득점확률을 가지는지 파악하고자 한다. 분석의 시작점은 슈팅이 시도되는 위치고 분석은 거기서 끝나지 않는다.

칼리는 자신이 개발한 xG 모델을 설명하기 위해 여러 변수들을 언급했다. "현재 내가 사용하고 있는 모델은 슈팅을 다방면에서 분석하고 있다. 어디서 슈팅이 시도되었는가? 슈팅이 시도되기 전에 어떤 패스가 들어왔는가? 신체 어느 부위를 사용해서 슈팅을 했는가? 슈팅을 시도하기 전에 상대팀 수비수를 제쳤는가? 슈팅을 시도하기 까지의 속도는 어땠는가? 리바운드 상황에서의 슈팅이었는가? 아니면 세트피스에서 만들어진 슈팅인가? 이 모든 것들을 따진다. 지금 언급한 모든 사항들이 득점 가능성에 명백하게 영향을 미치는 요인이다. 각 슈팅의 득점 가능성을 모두 더하면, 이제는 1경기 안에서 혹은 1시즌 전체 득점 수를 추정할 수가 있다."

이해가 되었는가? 좋다. 이제는 양적인 통계 분석의 시대다. 이를 축구 빅데이터(Big Football Data)라 부르자. 지난 10년간 우리는 그 어느 때보다 심도있는 축구 분석에 익숙해졌다. 축구 빅데이터는 물류업과 소매업이 겪어온 것과 마찬가지의 도약을 하고 있다. 그런데 과연 구단과 각 구단의 서포터들은 "너의 의견은 존중하지만 데이터가 말하는 사실은 그렇지 않아" 란 말을 수용할 준비가 되어있을까? 

Statsbomb 웹사이트를 운영하는 테드 넛슨(Ted Knutson)은 고유의 분석 툴을 사용하며 이를 프로 구단들과 공유하길 원한다. 칼리와 마찬가지로 넛슨도 시카고 태생의 미국인이다. 하지만 그는 영국에 거주하고 있고 브렌트포드FC 구단주인 매튜 벤험(Matthew Benham)과 같이 대량의 수치를 처리하는 인물로 잘 알려져있다. 벤험은 데이터에 기반한 축구 구단 운영을 전도하는 인물이다. 넛슨의 트위터를 보면 때때로 그가 초자연적인 예언을 하는 것처럼 보인다. 넛슨은 새로운 데이터 지배자를 환영해야 한다고 말한다. 그는 데이터를 다루지 못하는 나머지들이 결코 두려워할 필요가 없다고 주장한다.

"경기에 직접 개입하는 사람들 중 일부가 데이터 수용을 꺼리는건 사실이다. 데이터에 대한 완고한 저항이 있는데 그들의 행동을 이해할 수 있다. 30년간 발로 뛰며 쌓아온 지식을 데이터가 부정하고 있는 것처럼 느낄 수도 있다. 하지만 첫째, 우리는 그들이 쌓아온 지식이 전적으로 무관하다고 주장하지 않는다. 둘째, 발전하기 위해서는 새로운 생각에 열린 태도를 지녀야 한다. 축구는 항상 수년간 경험에서 우러나오는 타당한 의견의 도움을 받았다. 그런데 애널리틱스는 경험을 보조해줄 수 있다."

xG의 탄생은 Opta의 발전과도 연관이 있을 것이다. 2001년부터 축구 분석을 담당한 데이터 회사로 수년간 모든 데이터를 저장해 신문이나 TV중계화면을 통해 간략하게 요약된 통계량을 제공한다. Opta의 2명의 분석가 샘 그린(Sam Green)과 데빈 플루러(Devin Pleuler)은 2000년대 후반 최초로 xG 모델링한 인물이다. 또 StatDNA의 미국인 사라 루드(Sarah Rudd)도 비슷한 시기에 유사한 모델링을 하고 있었다.

애널리틱스가 프로 경기에 어느 정도까지 침투했는지 살펴볼 경우, 2014년 아스날이 StatDNA를 인수한 것을 알 필요가 있다. StatDNA의 연구는 이제 큰 규모의 구단 의사결정에 있어 빠지지 않는 존재가 되었다. 그린은 아스톤 빌라에서 일하고 있으며, 플루러는 MLS의 토론토FC의 분석팀 대표이다. 또 리버풀이 새로운 스포르팅 디렉터(sporting director) 자리에 데이터 분석가인 마이클 에드워즈(Michael Edwards)를 임명한 것도 애널리틱스가 축구에 스며들고 있는 또 다른 예시라 할 수 있다. 넛슨은 데이터에 대한 저항이 자연스러운 행동이라 말했지만, 축구 빅데이터의 영향은 앞으로 커질 일만 남았다.

구단에 애널리틱스가 충분히 침투하고 있는 것 같은데, 그렇다면 팬들은 어떤가? 트위터 @11Tegen11을 운영하는 네덜란드의 축구 데이터 분석가는 매 주말마다 양팀의 xG값을 시각이미지로 전환해 게시하고 흥미로운 패스맵을 같이 첨부한다. 이 패스맵은 선수들의 평균적인 포지션과 선수들 사이의 패스 연결을 시각화한다. 이제는 TV 하이라이트 프로그램에서 비슷한 그림을 볼 수 있는 시대가 왔다. 지난 주 MLS는 모든 경기일정에 대해 xG 데이터를 기록할 것이라 발표했다. 축구 빅데이터는 이제 주류가 되어가고 있다.

칼리는 애널리틱스의 적용으로 사람들이 축구를 즐기는 방식에 변화를 줄 필요는 없다고 생각하지만, 넛슨은 빅데이터로 인해 축구를 보는 방식이 변할 것이라 믿는다. "나는 사람들이 점차 축구를 다른 시선으로 볼 것이라 생각한다. 데이터는 새로운 유형의 팬을 만들어낼 것이다. 그 데이터들은 풋볼 매니저와 판타지 리그를 즐기는 사람들의 정보와 겹칠 것이다. 선수에 대한 정보가 있다면 우린 그를 평가할 수 있다. 판타지 리그에서 더 좋은 성적을 내고 싶다면 데이터가 필요하고 미국에서는 모든 스포츠가 판타지 리그와 함께 성장해왔다."

출처 : https://www.theguardian.com/football/2017/mar/30/expected-goals-big-football-data-leicester-city-norwich?CMP=share_btn_tw

by David Sumpter

슈팅은 물론 슈팅을 시도하는 지점에서의 각도를 생각해보자. 슈팅을 시도할 때 더 많은 사항을 시야에 둘 수 있다면, 득점을 기록할 확률이 높아질 것이다. 10세가 되면 선수들은 각도를 줄이는 방법을 배우게 된다. 선수를 골문에서 멀어지게 하는 방법을 배우게 되는데 그말은 즉슨, 초등학생도 이 때부터 득점과 관계있는 슈팅 각도에 대한 지식을 갖게 된다는 것이다.

수학은 슈팅에서도 영향을 미치고 있다. 아래 그림은 3가지 슈팅 포지션과 각 지점에서 골포스트 사이의 각도를 나타낸 자료다. 가장 왼쪽에서 볼 수 있는 그림은 55도 각도를 유지하고 있으며 이 지점에서는 슈팅을 성공할 확률이 꽤 높을 것으로 생각해볼 수 있다. 중앙에 위치한 그림은 17도를 유지하고 있어 골이 들어갈 확률이 낮을 것으로 예상된다.

수학과 데이터는 기존 우리가 알고 있는 지식에 대해 보다 심도있는 통찰력을 불어넣어준다. 아래 그림은 슈팅 각도에 따른 득점 성공률을 시각화한 것이다. 지난 2시즌간 Opta 데이터를 가지고 만들어낸 시각 자료이다. 붉은색에 가까워질수록 그 지점에서 슈팅의 성공확률이 높아진다. 빨간색이 짙은 지점은 최소 20%의 슈팅 성공확률을 보장한다. 노란색 부분은 5% 미만의 성공확률을 기록하는 곳이고 주황색은 둘 사이의 확률을 기록한다. 멀어질수록 성공 확률은 급격하게 떨어진다.

확률을 계산하기 위해서는 통계적 모델을 적합시켜야만 하고 여기서는 득점 확률을 예측하기 위해 슈팅을 시도하는 지점과 골포스트 사이의 각도를 활용하게 된다. 즉 서로 다른 지점이더라도 골포스트와 형성하는 각도가 동일하다면, 동일한 슈팅 성공률을 예측하게 되는 모형이 만들어진다. 위에서 우리는 55도 각도와 17도 각도에 대해서 살펴봤었는데, 55도 각도 지점은 30%가 넘는 성공 확률을 보장하는 곳이고 17도 각도 지점은 6% 미만의 성공 확률을 기록한다. 각이 클수록 더 좋은 찬스라 할 수 있겠다.

이러한 분석은 xG 모델 (expected goal models)에 대한 시발점이 될 수 있다. 또한 단순히 슈팅을 시도하는 지점에서 골대와의 거리를 바탕으로 예측 모델을 만드는 것보다 더 좋은 효율성을 지닌 모델을 만들어낼 수 있을 것이다. 아래 그림은 슈팅하는 지점에서 골대와의 각도 및 거리를 계산하여 만들어낸 득점 확률 분포이다.

미묘한 차이지만, 이 자료는 슈팅 성공률에 대한 더 정확한 예측을 해낸다. 앞서 우리는 단순히 슈팅 각도만 가지고 예측을 시행했지만 지금은 슈팅 거리까지 고려하게 되었고 붉은 지점은 더 이상 원모양을 유지하지 않는다. 

바르셀로나는 '높은 슈팅 퀄리티'를 보장하는 지점에서 찬스를 만들어내는 것에 도가 텄다. 아래는 지난 2015/2016시즌 메시, 네이마르, 수아레즈가 시도한 슈팅을 보여준다. 굵게 표시된 것은 실제 골로 연결된 슈팅이다.

바르셀로나와 대조적으로 레알 마드리드는 슈팅의 퀄리티보다 슈팅의 양으로 승부한다고 할 수 있다. 아래는 같은기간 베일, 벤제마, 크리스티아누 호날두가 시도한 슈팅을 보여준다.

레알 마드리드와 바르셀로나는 슈팅 시도에 대해 서로 다른 전략을 유지하고 있다. 둘중에 하나는 희생해야 한다. 먼 지점에서부터 쉽게 슈팅을 시도할 수 있으나 낮은 성공 확률로 찰 것인가? 좋은 기회를 만들지만 그에 비례하여 슈팅의 시도를 줄일 것인가. 호날두가 중거리 슈팅으로 골을 기록하면, 그 장면은 반드시 경기 하이라이트에 잡히게 된다. 하지만 우리는 그러한 중거리 슈팅이 성공하기 이전에 수차례 실패가 동반된다는 것도 결코 잊지 말아야할 것이다.

골포스트와의 각도 θ를 계산하는 방법은 다음과 같다. 좌표 개념을 도입하여 x를 슈팅 지점에서 피치 끝부분까지의 거리, y를 피치 중앙과의 거리로 설정한다. 따라서 (0,0)에 해당하는 지점은 골문 바로 앞이 된다. 여기서 벡터 개념을 활용해 계산한 각도는 다음과 같다. 7.32는 골포스트의 사이 거리임을 생각하자. 고등수학 수준의 삼각법(trigonometry)을 사용하면 증명할 수 있다. 

슈팅 성공 확률 모델을 적합시키기 위해서 나는 로지스틱 회귀를 사용할 것이다. 2가지 모델을 만들 것인데 첫번째는 오직 각도만 사용해 모델을 만들 것이다. 두번째는 슈팅을 시도하는 곳에서 골라인까지의 거리를 고려할 것이며 각각 첫번째 히트맵과 두번째 히트맵을 만드는데 사용되는 회귀식이라 할 수 있다. 두가지 방법의 회귀 모형은 다음과 같다. 두번째 방법이 득점을 예측하는데 있어서 더 좋은 통계적 모델이라 할 수 있다.

출처 : http://sports.nordicbet.com/en/the-geometry-of-shooting/

by David Sumpter

축구와 관련하여 내가 가장 많이 받는 질문은 다음과 같다 : 축구에서 기술이 어느 정도의 비중을 차지하는지, 행운이 어느 정도의 비중을 차지하는지 알려달라. 축구 경기는 임의성에 어느 정도까지 영향을 받는 것일까?

리오넬 메시, 토마스 뮬러, 크리스티아누 호날두, 즐라탄 이브라히모비치, 웨인 루니같은 선수들을 보라. 축구에는 기술이 분명한 영향을 미친다. 지금 언급한 선수들은 빅매치에서 아주 큰 영향력을 행사하는 선수들이고 커리어 내내 계속 그래왔다. 이 선수들은 오랫동안 성공적인 축구 선수 인생을 걸어오고 있고 이것은 단순히 그들이 운이 좋았기 때문인 것은 아니라 할 수 있다.

좋은 방식으로든 나쁜 방식으로든 행운은 축구에 영향을 행사한다. 이번 여름 전까지 크리스티아누 호날두는 메이저 대회 트로피가 없었다. 포르투갈이 조별 리그에서 탈락하지 않은 것은 호날두에게 상당한 행운이었다. 결승전에서 호날두의 부상이라는 불운이 닥쳤지만 포르투갈은 대회 우승을 차지하게 되었다.

'임의성(randomness)'이 가장 크게 영향을 미치는 분야는 바로 득점 찬스다. 공격수가 골키퍼와 1:1 찬스를 맞이했다고 가정해보자. 공격수가 골을 넣게되면, 그가 기술적으로 골을 넣은 것처럼 보이게 된다. 마찬가지로 골키퍼가 선방해내면, 우리는 골키퍼가 상대 공격수의 슈팅을 읽어냈다고 본다. 그런데 이와같은 시선으로 접근하게 되면, 우리는 최종 결과물에 영향을 미치는 작은 요소 하나를 놓치게 된다. 골키퍼와 스트라이커 모두 자신의 포지션에 있어 상당한 기술력을 갖춘 선수들이다. 하지만 최종 결과물에는 행운이라는 아주 중요한 요소가 영향을 행사하게 된다.

시티는 에버턴을 상대로 몇골을 넣을 수 있을까?

축구 경기는 어느 정도의 임의성을 가질까? 맨체스터 시티가 에버턴보다 골을 2배 더 기록할 것이라는 가정을 해보자. 어떠한 행운의 요소도 영향을 미치지 않는다면, 우리는 홈에서 맨체스터 시티가 에버턴을 상대로 2골을 기록할 것을 에버턴이 원정에서 맨체스터 시티를 상대로 1골을 기록할 것을 기대할 수 있다. 맨체스터 시티의 2-1 승리에 베팅할 것인가? 우리는 임의성에 대해서 전혀 고려하지 않았기 때문에 임의성을 배제한 상태에서 시티의 2-1 승리에 베팅하는 것은 현명하지 못한 행동이라 할 수 있다. 도박사들은 경기 결과 모델을 만드는데 포아송 분포라는 수학적 도구를 사용한다. 

맨체스터 시티가 에버턴보다 골을 2배 더 잘 넣는다는 가정에서 출발하여 우리는 경기 결과 임의성을 추측하는데 포아송 모델을 사용한다. 아래 그림은 다가올 주말 경기에 대한 포아송 시뮬레이션 결과다.

가로축은 경기 결과가 발생할 확률을 나타낸다. 우선 우리는 2-1 스코어가 발생할 확률이 10%를 갓 넘기는 수준이라는 것에 주목할 필요가 있다. 시티가 에버턴보다 골을 2배 더 잘 넣는 기술을 가졌다고 가정한 상태에서 출발했지만, 거의 90%에 육박하는 수준으로 그것과 다른 스코어가 발생한다.

포아송 모델은 시티의 승리 확률이 61%라 말하고 있다. 무승부 확률은 21%, 에버턴의 승리 확률은 18%라고 말한다. 시티의 승률 61%와 에버턴의 승률 18%의 차이인 43%는 두 구단의 실력 차이에 의한 확률이라 할 수 있다. 하지만 여전히 57%에 육박하는 경기 결과에 영향을 미칠 행운이 남아있다.

현재 배당률은 맨체스터 시티가 1.49, 에베턴이 6.95를 받고 있다. 현재 시티가 3번 붙어서 2차례 이길 수 있다고 예상된다는 것이다. 지금 두 팀의 기술력 차이와 행운에만 의존해서 경기 결과를 예측했다. 정말 어려운 과제는 두 팀의 기술력 차이를 정확하게 측정하는 것이다. 정말로 맨체스터 시티는 에버턴보다 골을 넣는 능력이 2배 앞서고 있을까?

앞으로 우리는 각 팀의 기술력을 측정하는 다양한 방법에 대해 논의할 것이다. 60%에 가까운 확률로 행운이 영향을 미치지만, 진정한 우위를 만들어내느 40% 요소를 정확히 파악하는 것도 중요하다.

포아송 분포

포아송 분포는 경기 결과를 시뮬레이션하는 아주 간단한 방법이고 실제로도 효과가 있다. 이 모델을 활용하기 위해서 우리는 각 득점이 독립적인 사건이라 생각해야하고 경기 도중 어느 시간대라도 득점이 나올 확률은 동일하다고 가정해야 한다. 실제로도 경기 도중 골이 유별나게 많이 나오는 시간은 없다.

우선 우리는 1경기에서 나올 총 득점의 기대값을 λ로 설정해야 한다. 한 경기에서 k득점이 나올 확률 p는 (λ^k)*exp(-λ)/k! 이다. 우리가 앞서 언급했던 것처럼, 맨체스터 시티가 평균적으로 2골을 기록한다고 했을 때(λ=2), 시티가 3골을 기록할 확률은 18%가 된다. λ의 값이 꼭 자연수일 필요는 없다. 7라운드까지 맨체스터 시티의 평균 득점은 2.57골이고 위의 식에서 λ=2.57로 바꿀 경우, 시티가 3골을 기록할 확률은 21%로 상승한다.

포아송 분포가 이 논의의 출발점이지만 이것만으로 모든게 설명되는 것은 아니다. 도박사들은 무승부 확률에 대한 분포를 연구 중이기도 하다. 연구들이 합쳐지면 경기를 예측하는데 사용되는 가장 기본적인 모델이 더 좋은 추정을 하게될 것이다. 

출처 : http://sports.nordicbet.com/en/luck-skill-randomness/

by Michael Moruzzi (원문은 2014년 2월 3일에 작성되었습니다)

지네딘 지단의 멋진 기술을 단순한 드리블 1회 성공 통계로 평가절하하는 사람들은 축구를 즐길 자격이 없다.

토트넘 핫스퍼와 맨체스터 유나이티드의 경기 후 아주 이상한 매치 리포트가 Squawka 홈페이지에 올라왔다. Squawka는 자신들이 스스로 만들어낸 "퍼포먼스를 수치화하는 알고리즘을 통해 선수의 퍼포먼스를 체계적으로 분석" 한다고 말하지만, 이들이 내놓은 경기 분석은 굉장히 엉뚱한 결론을 내리고 있었다.

매치 리포트 작성자는 맨체스터 유나이티드가 미드필드 진영 싸움에서 이길 수 있었던 원인으로 필 존스와 톰 클레벌리가 모든 태클을 성공시켰다는 자료를 제시했다. 존스가 3번의 태클을 모두 성공했고 클레벌리가 2차례 태클을 모두 성공했다는게 작성자의 주장이었다. 하지만 경기를 직접 본 사람이라면, 이 분석에 기본적인 결점이 있다는 것을 알아챘을 것이다. 클레벌리는 스퍼스의 득점 장면에서 실수를 저질렀다. "상대에게 완벽하게 속아버린" 통계값은 기록하지 않기 때문에 클레벌리는 결점없는 기록을 남긴 채 경기를 마칠 수 있었다.

상황적 맥락이 없는 통계는 무의미하다. 맥락없는 통계는 팔에 문신한 선수가 오프사이드에 몇번 걸리는가? 수염이 잔뜩 난 선수가 몇개의 어시스트를 기록하는가? 처럼 중요하지 않은 숫자일 뿐이다. 

축구 통계 용어로 아주 빈번하게 사용되는 가로채기 역시 좋은 예시가 될 수 있다. 가로채기는 한 선수가 상대의 플레이를 얼마나 성공적으로 예측하는지 반영할 수 있으나 때로는 상대의 부주의한 패스 덕분에 가로채기를 쉽게 기록할 때도 있다.

본래 축구 통계는 퀴즈 컨텐츠 정도로만 활용되고 있었다. 하지만 통계 분석에 대한 열렬한 추종자가 급격하게 증가했고 이들은 한 손에 머니볼 책을 또 다른 한 손에는 데이터베이스를 쥐고 있다. 경험적 증거에 대해 의존하는 것이 증가하고 있으며 이는 어느 정도 논리적이라 할 수 있지만, 축구는 스포츠 중에서도 가장 유동성이 강한 종목이다. 축구에서 발생하는 모든 사건 하나하나를 코드화하는 것은 헛된 짓이다. 팀의 모멘텀은 매순간마다 변하고 관중은 그것에 반응한다. 그런데 이것에 대해서 설명해줄 통계량은 없다.

이제 데이터는 시각화되어 '히트맵' 형태로 제공되고 있다. 우리는 이제 히트맵을 MOTD에서 쉽게 마주하게 되는데 히트맵 역시 엉터리 약이라 할 수 있다. 아직까지 우리는 히트맵으로 아주 대단한 발견을 해내지 못하고 있다. MOTD에서는 파블로 사발레타의 오른쪽 측면에서의 존재감을 강조하기 위해 사발레타의 히트맵을 보여줬지만 그건 라이트백이라면 당연히 있어야할 위치에 불과했다.

가장 흥미로운 통찰력을 제시한 것은 로베르토 솔다도의 히트맵이었다. 맨체스터 시티를 상대로 솔다도는 센터서클에 가장 진한 히트맵을 남겼다. 사실 그 자리는 솔다도가 킥오프를 위해 6차례 머무른 자리기도 하다. 이렇게 재밌으면서 아무짝에도 쓸모없는 기록은 분석에 열성적인 안드레 빌라스-보아스에게도 결코 흥미로운 자료가 되지 못할 것이다.  

우리에게 통계와 그래프가 필요한 순간은 눈으로 목격했으나 분명하지 못할 때이다. 지네딘 지단의 아름다운 개인기를 두 눈으로 목격한 사람이라면 (드리블을 잘하는걸 두 눈으로 똑똑히 봤으니) 지단의 높은 드리블 성공률에 대해서 큰 관심을 보이지 않았을 것이다. 축구를 더 과학적으로 만들겠다는 것은 필요없는 개선책이다. 원래 우리는 선수의 가치에 대해서 이야기할 때, 우리 스스로 가지고 있는 통찰력을 바탕으로 이야기했다. 그런데 이제는 (통찰력이 없더라도) 어느 누구나 통계 자료를 내밀면서 자신의 주장을 펼치고 있다. 긍정적인 것에 박수를 보내기보단 통계를 바탕으로 부정적인 것에 집중하는 우울한 트렌드라고 할 수 있다.

발빠른 윙어가 풀백을 완벽하게 농락하는 것은 축구에서 볼 수 있는 가장 짜릿한 장면 중 하나다. 그런데 이 장면을 두고 애널리스트는 상대의 측면 위협을 억제하지 못한 총체적인 전술적 실패라고 말한다. 이런 사람들은 축구를 즐길 자격이 없다. 

모든 득점 장면에는 적어도 1차례 이상의 수비 실수가 동반되기 마련이다. 어느 누구도 실수를 저지르지 않는다면, 모든 경기는 비슷한 결과만을 남기게 될 것이다. 정적인 축구가 시행될 것이고 어느 누구도 그걸 분석하기 위해 고민하지도 않게될 것이다.

출처 : https://www.theguardian.com/football/when-saturday-comes-blog/2014/feb/03/statistics-football-analysis-miss-point-game

원문은 2015년 10월 15일에 작성되었습니다

클럽 내부 관계자가 아닌 우리는 종종 정보의 부족으로 인해 잘못된 분석에 빠지게 된다. 그래서 축구 데이터와 그 데이터에 대한 올바른 분석은 프로 구단 내부에서 어떠한 일이 진행되고 있는가에 대해 이야기할 수 있게 한다. 따라서 두 집단의 정보력의 차이를 좁히기 위해서는 양측 모두의 책임감 있는 태도가 필요하다 : 클럽 외부에서는 올바른 질문이 던져져야 하고 축구 클럽은 지금보다 더 많은 정보를 공유하는 것에 개방적인 태도를 보여줘야 한다.

프로 구단에서 데이터로 어떠한 일들이 이루어지고 있는지 알리기 위해서 나는 레스터 시티의 1군 퍼포먼스 분석가인 피터 클라크를 만났다. 피터는 10월 초 2:1 승리를 거둔 노리치전을 앞두고 기꺼이 시간을 내주었다. 여기서 나와 피터는 클럽이 데이터를 처리하는 과정, 데이터가 어떻게 클럽의 목표 달성에 기여하는지에 대해서 이야기를 나누었다.

레스터 시티 이야기 & 경기 준비

흔히 데이터 분석은 어느 누구도 원하지 않았던 크리스마스 선물이라 말한다 : 그저 방치되어 있다가 그저 필요한 순간에만 끌어다 사용되는 물건들처럼 취급 받는다. 그런데 노리치전을 앞둔 피터와 그의 동료인 앤디 블레이크(수석 1군 퍼포먼스 분석가)의 업무량을 보아하니 적어도 레스터에서는 데이터가 쓸모없는 취급을 받지 않는다는 확신을 가질 수 있었다. 

레스터에서는 2명의 퍼포먼스 분석가가 같이 작업한다. 이 팀의 가장 핵심적인 작업은 바로 경기를 준비하는 것이다. 앤디의 주된 작업은 앞으로 다가올 경기에 대한 분석이며 피터의 역할은 경기 데이터를 수집해 경기 후 그에 대한 평가를 내리는 것이다. 앞으로 진행되는 이야기는 레스터 시티 데이터 분석실의 작업 과정이다.

축구에서 데이터에 중점을 둔 분석을 시도할 때, 결론을 압축적이면서도 세련되게 말하는 것은 상당히 어려운 일이다. 생각보다 간단한 결론일지라도 그것을 듣는 사람에게 명확하게 전달하기란 쉬운게 아니다. 피터는 분석을 들어주는 사람의 태도 역시 상당히 중요하다는 점을 언급한다.

"우리의 분석을 귀담아 듣는 사람은 주로 감독과 코치, 선수입니다. 따라서 그들과 같은 사무실을 사용하는 것이 큰 차이를 만들어냅니다. 우리는 언제나 가까이 있기 때문에 서로의 아이디어를 공유할 수 있습니다. 또한 새로운 선수를 탐색하는 부서와도 그렇게 긴밀히 업무를 공유하고 있습니다."

"우리 부서는 선수들이 각기 다른 방식으로 축구를 배워왔다는걸 인지하고 있습니다. 그래서 우리는 보고서를 작성할 때도 그 점을 고려합니다. 지난 3시즌간 선수들이 우리가 iPad를 통해 제공하는 데이터에 어느 정도의 피드백을 보여줬는가에 대해 체크했습니다. 데이터와 부가적인 코멘트 그리고 경기의 장면 일부를 포함해서 선수들에게 경기 전후로 제공해 상호작용을 체크하는 것은 현재 많은 선수들에게 긍정적으로 받아들여지고 있습니다."

듣는 사람을 이해시키는 것 역시 중요하다. 피터와 앤디는 앞으로 준비할 경기, 이미 지나간 경기에 대해 차고 넘치는 자료를 가지고 있지만 가장 핵심적인 통계 수치와 팀, 유닛, 개인 단계로 나누어 데이터를 정리한다. 이 자료들은 굉장히 고급 정보로 프로 구단 외부 사람들에게는 앞으로도 쉽사리 공유되지 않을 분석 기법일 것이다.

레스터 시티의 과정은 이렇다. 앤디는 레스터 시티가 다음에 상대할 팀의 최근 3경기 영상을 시청하고 그 팀에 대한 데이터를 수집한다. 전반적인 평가, 상대팀의 최근 경기력 수준, 가능성 높은 라인업, 경기 스타일과 전술에 대한 보고서를 작성해 감독과 코치에게 정보를 제공한다. 코치진에 빠르게 데이터가 넘어갈수록 다음 경기를 준비하는 것이 수월해진다. 코칭 스태프는 분석팀이 제공하는 데이터를 소화할 수 있고 그렇게 데이터 분석의 중요성은 강화된다.

"앤디의 보고서에는 상대팀의 최근 경기 스타일에 대한 이야기가 포함됩니다. 상대가 어떻게 빌드업을 시도하는가? 공수 전환 과정에서 어떤 선택을 하는가? 수비 조직 형성법과 세트피스 전술에 대한 이야기를 다룹니다." 

그렇다면 왜 이 특정한 사항들이 선택되어 감독과 코칭 스태프에게 제공되는 것일까?

"오늘날 압박이야말로 가장 중요한 것입니다. 그래서 상대가 어떻게 빌드업을 시도하는가, 상대가 어떤 순간에 압박을 들어가는가를 분석하는 것은 상당히 중요합니다. 그리고 우리 레스터 시티의 가장 강력한 무기가 역습이기 때문에 상대가 공수 전환을 어떻게 시행하는가에 대해서도 분석합니다. 또한 세트피스는 굉장히 위협적인 무기가 될 수 있고 우리는 훈련장에서 이에 대한 충분한 준비를 할 수 있습니다."

모든 트레이닝 세션을 녹화하고 경기 역시 마찬가지로 녹화한다. 그리고 그곳에서 수집한 데이터 역시 보고서와 프레젠테이션에 포함된다. 선수들이 비디오 영상에 쉽게 접근하도록 만들어 경기를 준비하는 마지막 순간까지 사소한 사항들까지도 리뷰할 수 있다. 

"우리는 훈련장에 카메라 시스템을 설치해 실제 경기 뿐만 아니라 훈련영상에서도 정보를 따낼 수 있습니다. 그저 상대에게만 집중하지 않기 위함입니다. (우리의 플레이 자체를 더 개선시키려한다) 선수들은 우리가 전달하고자 하는 의미를 잘 파악해주고 우리는 그들의 발전을 지원해주기 위해 노력하고 있습니다."

"라니에리 감독 역시 스스로 상대팀의 경기를 지켜봅니다. 그리고 감독 스스로 캐치한 사항들을 우리에게 이야기 하면서 특정 기록을 더 찾아봐달라고 요청합니다. 자기 나름대로 경기를 지켜보고선 우리에게 둘 중 어느 풀백이 더 많은 크로스를 시도하는가? 두 미드필더 중에서 어떤 선수가 더 위협적인 패스를 시도하는가에 대해서 확인해달라고 요쳥합니다."

"예를 들어서 노리치와의 경기를 준비한다면, 과거 노리치전 보고서도 요청합니다. 그 경기의 향방을 결정지은 순간들에 대한 복기를 하고 그 때 무엇을 잘했었는지 확인할 수 있으며 또 어떤 점을 보완해야하는지 알 수 있습니다."

토요일 경기를 앞두고 라니에리는 금요일마다 선수들에게 프레젠테이션을 진행하며 더욱 요약적이면서 구체적인 분석을 제공한다. 

경기장에서의 분석

레스터는 홈구장에서 보다 더 편리하게 데이터를 수집할 수 있다. 지난해 레스터는 킹파워 스타디움에 분석 전문가룸을 만들었는데 이곳은 바로 라커룸과 연결되어 있어 하프타임에 선수단은 즉각적으로 전반전에 대한 데이터를 제공받을 수 있다. 데이터를 현장에서 즉각적으로 활용하는 것은 상당히 어려운 일이다. 

15분 사이에 선수들은 휴식도 취해야하고 스트레칭도 해야하고 수분보충도 해야한다. 그런데 거기에 데이터 분석팀이 들어가서 장황하게 이야기를 한다? 

"우리는 즉각적인 분석을 시행합니다. 현실적으로 이 상황에서 우리는 감독에게 방대한 정보를 제공해줄 수 없습니다. 그 순간 우리는 몇가지 특정 데이터만 제공해줄 수 있습니다. 만약 한 선수가 1:1 싸움에서 계속 지고 있다면 우리는 그에 대한 기록을 증거로 감독에게 제공해줄 수 있습니다.또한 상대가 비슷한 상황을 통해 기회를 만들어낸다면 그것 역시 감독에게 알려줄 수 있습니다."

경기 후 분석

경기 종료 휘슬이 울리는 순간부터 데이터 처리가 시작된다. 그 날의 경기는 Opta의 실시간 데이터와 부가적인 수학적 기법 등을 통해서 코드화된다. 이렇게 변환된 코드에는 공이 없는 순간에 상대를 어떻게 압박했는지, 공격 상황에서 어떻게 페너트레이션을 진행했는지에 대한 이야기가 담겨있다. 종료 휘슬은 일요일부터 분석을 실시할 준비가 되어있다는 것을 의미하며 경기 하이라이트와 분석해야할 특정 장면들은 월요일 아침에 있을 브리핑에 반드시 포함되어야만 한다.

보통 다음 경기는 7일 후에야 돌아오지만 시간은 항상 타이트하다. 보고서 작성은 감독과 코치가 팀의 퍼포먼스 준비하는 것에 도움을 주기 때문에 보고서 작성이 가장 우선적으로 처리되어야할 사항이다. 보고서에 대한 명확한 처리는 데이터 분석가와 코칭 스태프 사이의 유대감 형성에도 상당히 중요한 역할을 한다. 

또한 시간의 부족은 분석가들이 기존의 체계에 새로운 아이디어와 새로운 기법을 활용하는 것을 어렵게 만든다. 시즌을 치르는 도중에 새로운 분석 기법을 적용하는 것은 쉬운 일이 아니다. 물론 성공한다면 그것은 청중이 알아듣기 쉬운 큰 이점을 가져다 주겠지만 어쨌든 그건 쉬운 일이 아니다. 어쨌든 새로운 분석법은 클럽이 축구에 대한 또 다른 관점을 가질 수 있게 만들 것이다. 시즌 중에 시행하는 것이 어려울 뿐이다.

감독과 코치진에게 전해지는 피터의 경기 보고서에는 날 것의 데이터가 아닌 해석이 들어간다. 특히 경기를 준비하는데 있어서 앤디가 중요하다고 미리 언급했던 데이터들 (찬스 메이킹 및 차단, 공수전환, 세트피스 등) 에 대한 분석이 추가된다. 

"보고서에는 일종의 양식이 있습니다. 경기 후 보고서에는 경기를 준비하기 전에 이야기했던 사항에 대해서 반드시 언급을 하는데 그렇게 우리는 똑같은 문제가 계속 반복되는지를 체크할 수 있고 경기를 잘했다면 그 데이터 속에서 성공적으로 경기를 펼쳤다는 것을 알아낼 수 있습니다. 라니에리 감독이 특정 데이터에 대해서 분석을 요구한다면 그것 역시 포함됩니다."

최근 경기 후 보고서에는 팀 유닛에 대한 이야기도 포함된다. 예를 들자면, 레스터 시티 2명의 중앙 미드필더는 2명의 유닛에 대한 보고서를 받을 수 있고 그것을 통해서 스스로 경기를 되돌아볼 수 있다. 언론 보도에 따르면, 맨체스터 시티의 경우는 뱅상 콤파니가 백4라인 선수들과 함께 비디오 분석 세션을 진행한다고 한다. 콤파니 수준까지는 아니지만 레스터 시티 선수들은 점차 스스로 분석을 하려는 노력을 한다.

"모든 선수들이 데이터 분석에 적극적인 자세를 보입니다. 선수들이 데이터 분석에 긍정적인 자세를 보여주기 때문에 우리는 선수들을 소집해 우리의 관점을 충분히 이야기해줄 수 있습니다. 우리는 데이터를 활용해 선수들과 상담을 합니다. 특히 대니 드링크워터는 우리가 나누어주는 통계 자료에 많은 관심을 보입니다. 선수들이 그렇게 적극적으로 나서주면서 참여율이 늘어납니다." 

선수들이 경기 후 개인 보고서에 대해서 피드백하는 것이 지금 수준까지 도달하는데까지 무려 2시즌이 소요되었고 그것은 라니에리 아래서 더욱 강화되었다. 라니에리는 비디오 클립에서 말하고자하는 바를 보충설명해주기 위한 데이터를 요구하고 있으며 통계 자료들은 선수들에게 전달된다. 또 선수들은 그 자료들을 활용해 자신의 퍼포먼스를 평가하게 된다. 새롭게 디자인된 선수 피드백용 경기 후 보고서는 그 경기에서 선수 기록 뿐만 아니라 시즌 평균 데이터를 동시에 제공한다. 선수에게 맞춤 제공되는 이 데이터는 선수 포지션 별로 서로 다른 이야기를 포함한다. 예를 들면 공격쪽 선수에게는 찬스 메이킹 자료가 포함되는 것이다. 

(레스터 시티 선수에게 맞춤 제공되는 데이터)

데이터 분석에 대한 클럽의 문화

훈련장에서 데이터를 어떻게 활용하는가에 대한 이야기를 마쳤고 추가로 피터는 클럽에서 데이터 분석에 대한 어떤 분위기를 형성하는가가 중요한 역할을 한다고 이야기한다. 데이터 분석가 뿐만 아니라 감독, 코칭 스태프, 스포츠 과학자, 선수 영입팀, 선수들 모두가 데이터를 받아들이는 분위기가 중요하다고 말한다.

"설령 논의할 사항이 사소한 것일지라도 매일 아침마다 모든 부서가 같이 회의를 합니다. 그리고 그것이 차이를 만들어냅니다. 우리는 감독이 가능한 많은 것을 인지하고 있는 상태에서 결정을 내리도록 유도해야 합니다. 그래서 언제나 정보가 준비되어 있도록 유지하는 것이 중요합니다. 우리는 항상 주도적으로 유용하다고 생각하는 자료들을 항시 대기시켜 놓습니다. 주도적으로 자료를 준비하는 것이 우리 팀 퍼포먼스에 영향을 준다고 믿습니다. 우리는 감독과 코칭 스태프들로부터 일방적인 지시를 전달받는 것이 아니라 그들과 가까이서 호흡하며 데이터에 대한 피드백을 받고 있습니다."

스포츠 과학 부서도 클럽의 데이터 활용에 대한 문화와 결코 떨어질 수 없다. 데이터 분석실에서 스포츠 과학 부서에게 트레이닝 퍼포먼스에 대한 보고서를 전달하고 스포츠 과학부서는 이를 선수단이 사용하는 공간에 게시해 선수 스스로가 트레이닝 성과를 되돌아보게 만든다.

"선수들을 데이터에 자주 노출시키는 것은 이 클럽의 문화 중 하나입니다. 선수들은 점차 데이터에 익숙해져가고 있으며 자연스레 데이터에 대한 통찰력을 얻고 있습니다."

선수들에게 지속적으로 끊임없는 데이터가 제공되고 있다. 날 것의 데이터 뿐만 아니라 동료 선수 혹은 상대팀 선수와의 비교자료, 시즌 평균과의 비교자료, 다가오는 경기에 대한 압축적인 자료 제공은 선수들이 그 분석을 수용하여 경기장에서 긍정적인 피드백을 보이게 유도한다.

다른 클럽도 마찬가지로 레스터 시티처럼 데이터에 기초한 분석을 시행한다. 허나 분명한 것은 레스터는 데이터 활용에 대해서 굉장히 진취적인 태도를 지닌 클럽이라는 것이며 데이터 활용에 대해 연구할만한 아주 뛰어난 클럽 중 하나라는 것이다. 각 부서가 수평적인 관계를 유지하면서 새로운 방법(데이터에 기반한 분석)을 긍정적으로 받아들였고 각 과정들을 데이터에 근거하여 지속적으로 평가하고 있다. 킹 파워 스타디움에서 데이터 분석은 당당히 한 축을 차지하고 있다.

출처 : http://www.optasportspro.com/about/optapro-blog/posts/2015/blog-inside-leicester-city/