– W pracy wykorzystuję bazy danych InStat albo Wyscout. Pozyskany materiał przenoszę do Excela, a następnie do oprogramowania statystycznego. Po zbudowaniu modeli analitycznych dostosowuję je pod poszczególne formacje czy zawodników. Tak, aby na podstawie umiejętności opisanych liczbami mogli w jak najlepszy sposób zrealizować zadania powierzone przez trenera – podkreśla Paweł Chmielowski, analityk sportowy.

Analityka sportowa to obszar, którym Paweł Chmielowski zajmuje się zawodowo od kilkunastu lat. Firmę Analityka Polska – wspierającą kadrę trenerską – założył 12 lat temu. Jest wykładowcą na studiach podyplomowych Menedżer Sportu na Uniwersytecie Ekonomicznym w Poznaniu. Socjolog, przedsiębiorca, specjalista z zakresu badań ilościowych i statystyki. Pracował dla klubów sportowych, wspierając działy analiz i scoutingu.

Analityka sportowa bardzo często kojarzona jest z futbolem amerykańskim. To tam pojawiło się pionierskie wykorzystanie metod analitycznych?

Nie tak od razu. Wszystko zaczęło się od nauki statystycznej nazywanej sabermetrią, która pojawiła się jako jedna z metod analitycznych w baseballu. Następnie przeniosła się na inne amerykańskie sporty, w tym futbol amerykański i koszykówkę.

Ciekawy przykład tego zjawiska pokazuje hollywoodzka kinematografia. Szczególnie polecam obejrzenie filmu pt. „Moneyball” z Bradem Pittem. Jest oparty na faktach i opowiada historię postaci autentycznej – Billy'ego Beane'a, menedżera klubu Oakland Athletics. Przejął on klub w totalnym rozkładzie. Z drużyny zaczęli odchodzić najlepsi zawodnicy, zespół popadł w długi. Pitt, grający Beane’a, postanawia zrezygnować z tradycyjnych metod prowadzenia drużyny i wykorzystać nowe analizy komputerowe.

W tym celu zatrudnił on analityka z Yale, który stworzył specjalny model doboru zawodników do drużyny. Byli to gracze niebrani pod uwagę przez inne kluby, ale każdy z nich miał jakąś cechę na wybitnym poziomie. Na zasadzie synergii stworzono zespół, który zawojował ligę. Owszem, film jest trochę przekoloryzowany, ale na bazie takich właśnie historii powstała nauka nazywana sabermetrią.

A jak się pojawiło to Pana zainteresowanie danymi w sporcie?

Na początku była pasja. Zawsze byłem blisko sportu – najpierw jako kibic, później jako analityk. Kocham liczby i od najmłodszych lat próbowałem wejść w tę rzeczywistość. Cieszę się, że udało mi się dotrzeć do osób, których analityka sportowa interesowała w nieco innym wymiarze. Dodatkowo film „Moneyball” i sabermetria wywarły na mnie spore wrażenie. Moim marzeniem jest tę sabermetrię rozpowszechnić w polskim sporcie. Mam nadzieję, że mi się to uda.

Jest Pan jednym z pionierów takich działań w naszym kraju. Jak to się zaczęło?

Nie nazwałbym się pionierem, bo brzmi to trochę nad wyraz. Trzeba jednak przyznać, że w Polsce tego typu rozwiązania na razie raczkują, a ja zaczynałem jako jeden z pierwszych. Kiedy wiele lat temu pomagałem przy jednym z zespołów kobiecych piłki koszykowej w Poznaniu, zacząłem bawić się liczbami w takich pobieżnych analizach. Wynikało z nich, że jedna z zawodniczek drużyny przeciwnej pod dużą presją podaje piłki w poprzek boiska. W kluczowym momencie meczu trener wziął moje notatki. Następnie skierował dwie nasze zawodniczki do mocnego krycia tej osoby. Z kolei trzecia z naszych zawodniczek była już przygotowana do przecięcia podania. Udało się przejąć piłkę w sposób, jaki oczekiwaliśmy. Nasz zespół wygrał.

To było zwycięstwo klubu, ale i z pewnością znaczący dla Pana sukces. Rozumiem, że wtedy analityka sportowa zaczęła Pana interesować w dużo większym wymiarze?

To był pierwszy moment, kiedy zakochałem się w metodach analitycznych. Stało się tak, ponieważ zauważyłem, że to podejście przynosi namacalne efekty. Zwycięstwo w ważnym meczu na poziomie play-offów dzięki mojej analizie i decyzji trenera stało się faktem.

Jak dużo osób w Polsce może powiedzieć, że analityka sportowa to ich specjalizacja?

Jak na razie niewiele. Jakiś czas temu kończyłem studia podyplomowe u dr. Łukasza Panfila, który prowadzi uczelnię we Wrocławiu. Kierunek studiów to „Analityka gry sportowej”, ale – co ciekawe – nie spotkałem tam nikogo, kto zajmowałby się liczbami w sporcie. Także trener i analityk Andrzej Gomołysek, który pracował w Śląsku Wrocław, wykorzystuje nieco inne metody niż ja w swoich analizach.

I jak Pan ocenia tę współpracę po doświadczeniu pracy w wielu klubach?

Z analityką próbowałem się przebić w różnych miejscach, m.in. w Lechu Poznań. Pracowaliśmy tam przy określaniu modelu gry i ocenie zawodników, którzy mają przychodzić do klubu. Natomiast należy pamiętać, że w piłce nożnej nadal dominuje wyczucie lub instynkt skauta, a nie twarde liczby.

Wyjątkiem w mojej karierze okazała się współpraca z trenerem Piotrem Tworkiem z Warty Poznań. Sztab i ówczesny dyrektor sportowy mi bardzo zaufali, dzięki czemu na każdy mecz udało się tworzyć modele, przygotowane pod danych przeciwników. W efekcie Warcie, która miała potencjał na środek tabeli I ligi, udało się w barażach awansować do Ekstraklasy.

Co polskie kluby myślą o takich przedsięwzięciach? Trenerzy mają raczej własny obraz drużyny, a tu nagle ktoś przychodzi z wnioskami na bazie danych analitycznych…

Nie chcę powiedzieć, że zawsze niechętnie, ponieważ jest kilka drużyn mocno wykorzystujących dane w swojej działalności sportowej – Lech Poznań, Legia Warszawa, wspomniana Warta. Natomiast jeśli chodzi o taką analitykę twardą, to myślę, że w Polsce jeszcze do końca tego nie ma. Oczywiście jest pewne oprogramowanie, które pomaga opisywać liczbowo dane sytuacje w meczu, przygotowywać się do spotkań. Natomiast ten obszar nadal kuleje.

Czasem jest to kwestia doświadczenia i wiedzy analityka, umiejętności jej przekazania czy nawet transformacji danych na pewne propozycje dla trenera. Nadal nie ma tej świadomości liczb w polskich zespołach sportowych, w tym w piłce nożnej. Poza tym dalej analiza jakościowa dominuje nad analizą ilościową. A rzetelną wiedzę można osiągnąć z tzw. triangulacji danych, czyli zwielokrotnienia źródeł. Na zachodzie to jest codzienność, w Polsce takie myślenie o danych dopiero się pojawia.

Jak analityka sportowa kształtuje codzienne obowiązki specjalistów?

Analitycy w sporcie nie są nowością, musimy o tym pamiętać. Od lat pracują w różnych zespołach i wielu dziedzinach sportu. Efekty ich pracy doskonale widać w siatkówce, kiedy siedzą podczas meczu nad zapisanymi kartkami czy wprowadzają nowe dane do komputera. Jeśli chodzi o siatkówkę, baseball czy futbol amerykański sprawa jest o tyle prostsza, bo dyscypliny te złożone są w zasadzie ze stałych fragmentów gry. W innych sportach drużynowych takich jak piłka nożna czy koszykówka jest dużo interakcji, przypadkowości, które bardzo trudno opisać liczbami. Zawsze występuje ta niewiadoma, która w jakiś sposób może zaburzyć analizę.

Dobra, to załóżmy, że już ma Pan wszystkie niezbędne dane. Co dalej można z nimi zrobić?

Można tworzyć prospekty, czyli analizę młodych zawodników. Niestety w tym przypadku problemem jest opis liczbowy. Dlatego cały proces polega na obserwacji i doświadczeniu skautów. Natomiast jeśli chodzi o sprowadzanie zawodników do klubu, którzy już są na rynku, zostali dobrze „opisani” i dotknęli tej piłki zawodowej, to wystarczy stworzyć odpowiednie modele gry, aby idealnie dopasowywać poszczególne elementy układanki.

W jaki sposób?

Załóżmy, że trener czy dyrektor sportowy mówi, że brakuje mu środkowego pomocnika. Wtedy ja jestem w stanie mu go dostarczyć. Na podstawie rozmów z trenerem i ustalenia odpowiedniego modelu wytypować takich zawodników, którzy idealnie będą pasowali do drużyny.

Staramy się również w trakcie takiej analizy statystycznej przeprowadzać testy psychologiczne. Wprowadzając gracza do drużyny, automatycznie dostaje on pakiet badań psychologicznych przez nas przygotowanych. Dzięki temu wiemy, że nie rozbije szatni od wewnątrz, dopasuje się do teamu i w odpowiedni sposób zareaguje na nowe środowisko.

W jakim stopniu możemy kreować politykę klubu i decyzje podejmowane przez trenera czy prezesa za pomocą danych?

Można stworzyć modele, które w odpowiedni sposób zwiększają prawdopodobieństwo tego, czy dany zawodnik zaskoczy w drużynie, czy będzie się rozwijał. Ciekawym przykładem jest klub Ajax Amsterdam, który słynie z „produkcji zawodników” i przez pewien czas oceniano ich np. na podstawie uwarunkowań fizycznych. Zestawiano zawodników z legendami klubu i biorąc pod uwagę proporcje ciała, podobny wzrost i wagę, wskazywano piłkarza jako np. lewego pomocnika, obrońcę, napastnika itd. Życie pokazało, że to się sprawdza. Natomiast trzeba wiedzieć, że za tym działaniem Ajaxu stoi dogłębna analiza danych swoich wychowanków plus odpowiedni model treningowy. Dane mogą kreować politykę klubu dużo bardziej, niż myślą o tym działacze czy trenerzy.

Z jakich narzędzi na co dzień korzysta analityk sportowy?

Ja przede wszystkim wykorzystuję bazy danych InStat albo Wyscout. To międzynarodowe firmy zajmujące się analizą wyników sportowych i dostarczaniem danych o zawodnikach, drużynach, ich potencjale. Pozyskany w ten sposób materiał przenoszę do Excela, a następnie z Excela do oprogramowania statystycznego. Na tej bazie buduję modele analityczne, począwszy od samej regresji. Następnie tworzę modele pod poszczególne formacje czy zawodników, dopasowuję ich do uprzednio stworzonych modeli. W taki sposób, by na podstawie umiejętności opisanych liczbami mogli w jak najlepszy sposób zrealizować zadania, które powierzy im trener.

Ten etap ma miejsce przed meczem?

Tak, natomiast po meczu powinna następować dodatkowa analiza, która jest przekazywana trenerowi. Ten przed kolejnym meczem nanosi odpowiednie poprawki, tak żeby nasze ewentualne rekomendacje znalazły się w treningu pod danego przeciwnika. Po meczu następuje też ewaluacja tego, co zrobiliśmy, a potem kolejna analiza pod kolejny mecz. Nie brzmi to aż tak mocno skomplikowanie, ponieważ skomplikowane nie jest. Natomiast kluczowy jest rytm pracy, aby był nieprzerwany i aby trener ufał swojemu analitykowi.

A co w takim razie ze statystykami?

Dla większości osób w sporcie analityka jest tożsama ze statystykami opisowymi. Wiadomo, że za tymi procentami kryje się dużo informacji, które należy pogłębić. Jednak same procenty mogą mylić. W sporcie zawodowym tego typu przekłamania oparte na procentach wynikających z danych statystycznych burzą zaufanie do analityki danych. Trzeba na to uważać.

Wspomniał Pan o programach dostarczających dane. Natomiast na Zachodzie wykorzystuje się szereg rozwiązań technologicznych, dzięki którym możemy mieć jeszcze więcej danych i lepiej je analizować.

Nie tylko na Zachodzie, w Polsce również. Przecież dane do oprogramowania typu InStat czy Wyscout nie pochodzą ze statystyk czy widzimisię analityka. Opierają się m.in. na automatycznym video trackingu. Dodatkowo zawodnicy często mają założone kamizelki, które w odpowiedni sposób oceniają szybkość, miejsce poruszania się na boisku, przyspieszenia, czas w poszczególnych etapach biegu. Takich danych jest naprawdę mnóstwo.

Miałem przyjemność uczestniczyć w zajęciach na studiach podyplomowych przy klubie FC Barcelona z analityki gry. Muszę przyznać, że kluby zachodnie w szerokim wymiarze wykorzystują takie innowacyjne narzędzia do pozyskiwania danych dla siebie. Na bazie video trackingu można skutecznie określać w dosyć automatyczny sposób pewne zachowania zawodników. Może nie pojedynczych, ale formacji. Dowiadujemy się dzięki temu, w jaki sposób te formacje się zachowują, jak się ustawiają, gdzie pozostawiają wolne miejsca, w jaki sposób powinny się ustawić, by tych wolnych miejsc dla drużyny przeciwnej było jak najmniej.

Co ciekawe, podobne rozwiązania są stosowane także m.in. w Lechu Poznań. W ogóle działacze tej drużyny bardzo pomysłowo podchodzą do wykorzystania liczb. Klub nawet przyciągnął do swojej akademii naukowców z Uniwersytetu im. Adama Mickiewicza w Poznaniu. Dzięki temu mogą w odpowiedni sposób przygotowywać zawodników do gry czy odkrywać talenty. Po to, aby wesprzeć pracę trenera z liczbami. Myślę, że Lech Poznań wyróżnia się na tle naszej piłkarskiej Polski i życzyłbym sobie, aby więcej klubów szło w tym kierunku.

Dlaczego analityka sportowa wciąż interesuje tak niewiele klubów?

Niestety wiele z nich nie widzi potrzeby zatrudniania osób od danych. To jest w gradacji klubu na bardzo odległym miejscu. Bardzo często sam trener lub jego asystenci przeprowadzają analizę danych. Jeśli są jacyś analitycy w klubie, to w większości opierają swoje dane na procentach czy na tabelach krzyżowych. Nie drążą tych danych głębiej, nie badają ich, nie dokonują ewaluacji. Przez to czasami te wdrożenia wniosków nie są do końca skuteczne.

Może problem tkwi też w mentalności trenerów?

Powiem tak: trener zawodowego klubu piłkarskiego powinien mieć przede wszystkim wizję i otaczać się osobami, które tę wizję będą pomagały mu realizować. Jeśli tego nie ma, nie ma analizy danych w klubie sportowym. Takie kluby jak Manchester City czy Liverpool mają swoje małe wydziały naukowe, gdzie pracują matematycy, fizycy, chemicy. Obserwują oni zawodników w trakcie treningu i potrafią ocenić nawet ryzyko wystąpienia kontuzji.

W Polsce brakuje mi tego, by w klubach pracowali naukowcy. Danych jest tak dużo, że asystenci trenerów nie są w stanie sami ich sortować. Często do głównego sztabu i do pierwszego trenera dociera niewielki wycinek danych. Albo odwrotnie – informacji jest tak wiele, że zawodnicy nie są w stanie ich przyswoić. Nie da się wdrożyć wszystkich rekomendacji w czasie meczu. Weźmy jeszcze pod uwagę, że występują emocje, naturalne zachowania zawodników, które blokują albo uniemożliwiają wypełnianie tych założeń. Do momentu, kiedy nauka nie wjedzie bardzo mocno w polską piłkę, to będziemy cały czas w tyle za Europą Zachodnią.

Jakich trudności przysparzają dane w branży sportowej i na co trzeba uważać?

W tych obszarach, o których rozmawiamy, danych jest naprawdę sporo i w odpowiedni sposób można już nimi zarządzać. Problemem jest to, że nadal nie można ich wyeksportować w całości w większych, podzielonych już klastrach. Wskazywałem też na brak świadomości i zaufania do liczb, także do analizy ilościowej. Oczywiście z zastrzeżeniem, że nie stawiałbym analizy ilościowej nad analizę jakościową. Konieczne jest jedno i drugie.

Nie możemy się również opierać wyłącznie na statystykach opisowych. Konieczne jest porządne i uczciwe modelowanie danych. Jeśli chodzi o analizę danych dotyczących kibiców, to przede wszystkim wyzwaniem jest pozyskiwanie danych i ich jakość. W większości klubów nie ma baz danych kibiców, na podstawie których można takie analizy prowadzić i trzeba trochę „szyć”, podobnie jak ma to miejsce w badaniach społecznych.

Czy analityka sportowa przyszłości to sztaby data scientistów, czy raczej aplikacja z interfejsem i modelem subskrypcyjnym?

Nawet jeżeli pojawiłyby się subskrypcje i oprogramowanie, to i tak do oceny końcowych efektów potrzebny jest człowiek, który zna specyfikę klubu. Nie chciałbym, żebyśmy mieli do czynienia z wojną botów do obsługi i analizy danych zawodników. Elementy ludzkie są ważne i przyciągają kibiców na stadiony.

Ciekawym przykładem przyszłości analityki sportowej jest duński klub FC Midtjylland, który poświęcił wszystko analityce. Tam każdy aspekt zarządzania klubem oparty jest na pogłębionych analizach danych. Co ciekawe, dzięki tym działaniom klub potrafił trochę zamieszać w tej średniej, europejskiej piłce. Zatrudniali piłkarzy, których teoretycznie nikt nie chciał u siebie w drużynie, a oni stworzyli modele, gdzie ci zawodnicy się niesamowicie rozwijali i dawali w grze dużą wartość.

Czyli powtórka z „Moneyball”?

Można tak powiedzieć. FC Midtjylland jest przykładem skrajnego wykorzystania analizy danych. Warto pamiętać, że same liczby nie osiągną sukcesu. Potrzebujemy również jakościowej analizy.

Zatem na jak dużą skalę analityka sportowa będzie wykorzystywana w przyszłości?

Mądry trener musi korzystać ze sztabu. W nim powinien być pierwszy, drugi trener, trenerzy bramkarzy, trenerzy od stałych fragmentów gry, analitycy. Najlepiej, żeby to byli analitycy od poszczególnych elementów, tak żeby jeden skupiał się np. na stałych fragmentach, inny na wyprowadzeniu piłki, jeszcze inny na obronie.

Dzięki temu, że będą skupieni tylko na jednym, maksymalnie dwóch aspektach, potrafią efektywnie nad nimi pracować. Efekty ich pracy później powinny spływać do asystentów. Jako łącznicy pomiędzy data scientistami a trenerami odgrywają bardzo ważną rolę. Muszą bowiem przesiewać informacje od analityków i mieć też wiedzę z tego zakresu. Liczę na to, że w przyszłości w każdym klubie będzie przynajmniej jeden data scientist pracujący na co dzień z danymi tylko dla tego klubu.