سام گریگوری که نزدیکی مونترال در کانادا ساکن است، زندگی اش در فوتبال رشد کرد وتغییر یافت. “او می گوید فوتبال بازی کردم، داوری کردم و درنهایت مربی شدم. تمام این دوران را من کاملاً با وسواس و ریز بینی نسبت به فوتبال سپری کردم.” وی در دوران فعالیت ورزشی اش همواره به آمار تیم اهمیت داده است. او هرگز فکر نمی کرد که شغلی را پیدا کند که دو فعالیت مورد علاقه اش یعنی ورزش و ریاضی درآن وجود داشته باشد. امروز ، او یک دانشمند حوزه آمار و داده پردازی برای ورزش در مونترال است. او و همکارانش داده ها ی آماری و ریاضی را در مورد فوتبال ، هاکی روی یخ و سایر ورزشهای تیمی تجزیه و تحلیل می کنند.
گریگوری یکی از افرادی بود که به ورزش تیمی علاقه داشت و تلاش میکرد برای آن اصول و ضوابطی را با تحلیل آماری طراحی کند. البته بیشترورزشکاران همراه او درک نمی کردند که ریاضی چگونه به تصمیم گیری و موفقیت تیم موردعلاقه اشان می تواند کمک کند. یا اینکه این امر چگونه مربیان را راهنمایی می کند که بازیکنان چگونه آموزش ببینند و از چه تجهیزاتی باید استفاده کنند. البته ، تیم هااین فعالیت را یک روش “ریاضی” نمی نامیدند. آنها این کارها را با عناوین آنالیز ورزشی ، آمار تیم یا فناوری دیجیتال ،می شناختند. اما همه این اصطلاحات عددی وضعیت یک ورزشکار را به صورت جزیی و دقیق تعیین میکرد.
امروزه در ورزش مدرن دنیا دانشمندان آمار (دادها )مانند گریگوری اغلب بر عملکرد یک تیم متمرکز هستند. آنها تمام جزییات ریز یک مسابقه مانند ،تعداد ضربات وارده بر توپ، یا تعداد خطاهای صورت گرفته، نوع خطاها و مانند آن را اندازه میگیرند. این آمار ممکن است برای بازی هایی باشد که بدون آسیب دیدگی یا گل پایان پذیرفته و یا یا انواع آسیبها وتعداد گل زیاد خاتمه می یابد.
به تدریج مربیان دریافتند که چنین آماری با ارزش است. آنها می توانند یر اساس آن راهبردهایی برای مقابله و پیروزی برای حریف بعدی داشته باشند. آنها همچنین ممکن است پیشنهاد کنند که کدام تمرینات یا روال بازیابی به بازیکنان کمک می کند تا در مسابقه بعدی بهترین عملکرد را داشته باشند.
این فناوری فقط برای ورزشکاران حرفه ای مفید نیست. همچنین به بقیه افراد ورزشکار حتی مبتدیان این امکان را می دهد تمرینات خود را ضبط کرده و بر اساس تجزیه و تحلیلهای آماری عملکرد خود را بهبود بخشند.
از بیس بال گرفته تا فوتبال
افراد غالباً از داده و اطلاعات به صورت متقابل استفاده می کنند. در حقیقت ، آنها یکسان نیستند. داده ها صرفاً اندازه گیری یا مشاهده هستند. تحلیلگران این داده ها را جستجو می کنند تا به دنبال چیزی معنی دار باشند. که اغلب به محاسبات رایانه ای نیاز دارد. نتیجه نهایی اطلاعات ، یعنی روندها یا دستورالعملهایی است که ما را نسبت به کاری که می خواهیم انجام بدهیم ،آگاه می کند.
در ابتدا آنالیز ورزشی با بیس بال شروع شد. در اینجا ، میانگین ضربان،فعالیتهای بازیکنان و اقدامات مشابه بیش از یک قرن ردیابی شده است. در حدود 2000 نفر از ورزشکاران در این سالها مورد بررسی قرار داشته اند.از این آمار بهره برداری های مختلفی شده است. آنها اطلاعاتی را برای شناسایی و استخدام بازیکنان با استعدادی که سایر تیمها تا حد زیادی نادیده گرفته بودند ، جمع کردند. این به یک تیم بیس بال اجازه می دهد تا با بودجه اندک ، فهرستی را ایجاد کند که بتواند با شناسایی بازیکنان مستعد و توانا،تیم های ثروتمندتری را شکست دهد. مایکل لوئیس در سال 2004 در مورد آن یک کتاب با عنوان Moneyball (که فیلمی نیز با همین نام ساخته شد) نوشت.
سایر ورزش های توپی نیز متکی به شیوه ورزش- آمار تحلیلی شدند. باشگاه های ثروتمند در لیگ برتر انگلیس اولین کسانی بودند که گروههای کارشناس تحلیل آمار را برای فوتبال ساختند .بعدا در سایر لیگ های اروپایی و آمریکای شمالی این فعالیتها دنبال شدند. جیل الیس ، مربی فوتبال ، که هدایت تیم ملی زنان آمریکا را در مسابقات قهرمانی جام جهانی بر عهده داشت . اعتبار بخشی از موفقیت آن تیم رادر سال 2015 و 2019 به این آنالیز آماری می دهد.
مشاغل عالی: علم ورزش
امروز ، شرکت هایی در این زمینه تاسیس شده که به بسیاری از باشگاه های فوتبال کمک می کنند تا برای بازی های آینده آماده شوند. یعنی تجزیه و تحلیل عملکرد قبلی حریف را انجام داده و بر اساسش پیشنهاداتی را ارایه می کنند. تحلیلگران نرم افزار رایانه ای را برای “تماشای” تعداد زیادی از بازیها آماده میکنند. این نرم افزار می تواند اطلاعات را سریعتر،دقیق تر از افراد پردازش کرده و از هر تعداد بازی که نیاز باشد، گزارش خلاصه شده، تهیه کند.
این خلاصه ها به باشگاه ها کمک می کنند تا بازیکنان اصلی را که برای محافظت از آنها احتیاج دارند، شناسایی کنند. این اطلاعات حتی به مجموعه بازیکنانی اشاره می کنند که با هم خوب کار می کنند.لذا می توان ترکیب هر بازی و بازیکنان را با روش علمی و آماری تدوین کرد. همچنین آنها بخش های مختلف میدان فوتبال را که تیم مقابل تمایل به حمله یا فشار آوردن دارد ، می بینند.
از این روشها در مسابقات بسکتبال NBA نیز به صورت مستمر استفاده می شود.در حوزه بسکتبال ون بومل شناخته شده است او قبلا بازیکن بسکتبال حرفه ای بوده و در کانادا بزرگ شده است.وی نیز در بسکتبال تلاش کرده روش ریاضی را ترویج کند .
بر این اساس مربیان آمارهای مختلف مثل پرتابهای 2 امتیازی و 3 امتیازی، امتیازات سریع و خلاصه تمام عوامل شکست یا پیروزی بررسی می کنند.” رایانه ها تمام این اطلاعات را در مورد هر بازی در نمودارها خلاصه می کنند. مربیان به سرعت این نمودارها را اسکن می کنند تا در حالی که یک بازی در حال انجام است ، تنظیمات تاکتیکی انجام دهند.
پردازش اطلاعات جمع آوری شده از فیلم های بازی مدت زمانی طول می کشد. اما این بررسی های بعد از بازی امکان بررسی دقیق داده ها رامی دهد. با تحلیل داده ها و بر اساس نمودارها ،مربیان می توانند برای کمک به بازیکنان با تمرکز و دقت تمرینها را طراحی کنند.
تا سال 2014 ، هر تیم NBA دوربین هایی را در زمینهای ورزش خود نصب کرده بود تا حرکت همه بازیکنان و توپ را ردیابی کند. این دوربین ها هر هفته مقادیر زیادی از داده های پیچیده تولید می کنند. تمام این اطلاعات الهام بخش متخصصان تجزیه و تحلیل آمارها و همکارانش است. آنها همواره روشهای جدیدی را برای تبدیل این داده ها به اطلاعات مفید ابداع می کنند.
مربیان و مدیران همچنین از آنالیزها برای جذب بازیکنان جدید برای تیمها استفاده می کنند. این تحلیلها در طول فصل در مورد بازیکنان مختلف انجام میگیرد ، آنها بر اساس نحوه عملکرد این ورزشکاران بهترین بازیکن رابرای تیم ها انتخاب می کنند.
در مورد تجهیزات چطور؟
نکته جالبتر اینکه تحلیل این داده ها به طراحی مجدد تجهیزات نیز منجر شده اند – از کلاه ایمنی فوتبال گرفته تا توپ های فوتبال. مثلا دانشمندان نقش چرخش و زبری سطح توپ بیس بال بررسی کرده اند. آنها اصطکاک را در مسیری که به نظر می رسد خیلی اندک است را نیز اندازه گیری کرده اند. در برخی از ورزشها عملکرد نیز به تجهیزات و از جمله توپ بستگی دارد. به عنوان مثال این موضوع شامل نه تنها بیس بال ، بلکه هاکی و کریکت نیز می شود.
به گفته فیل اوانز یک کارشناس تحلیل آماری ورزش ، کریکت به همان اندازه در هند محبوب است که فوتبال در اروپا است. اما یک تفاوت وجود دارد. بیشتر بچه های اروپا می توانند توپ فوتبال را تهیه کنند. ایوانز می گوید: “میلیون ها کودک در هند توانایی پرداخت پول خرید ابزار مناسب کریکت را ندارند.” وی دانشمند چوب شناس در دانشگاه بریتیش کلمبیا در ونکوور است. او با بررسی های دقیق تصمیم گرفت به دنبال جایگزینی کم هزینه تر باشد. وی اظهار داشت: صنوبر بسیار شبیه به بید است. بنا بر این با استفاده از داده ای آماری میتوان با چوب ارزانتر یک ابزار مناسب برای کریکت در هند طراحی کرد.
در نهایت کارشناسان تحلیل داده های آماری و رایانه مدعی اند : “اجرای کد رایانه ای و تجزیه تحلیل دادها به مدت 72 ساعت تقریباً با تجزیه و تحلیل یک انسان نابغه مطابقت دارد.”
گروه ترجمه