京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在阿根廷vs冰岛一战中,梅西的表现引来无数吐槽,不仅射丢点球,全场大部分时间还在“散步”。但基于数据的分析显示,梅西即使是走路,也比大多数人跑步效果更好。他就像一台高效的机器,搞清楚了如何用很少的能量占据更有价值的场地。
葡萄牙和阿根廷无疑是世界杯上很受瞩目的两支球队,而它们的球员——C罗和梅西也是很受瞩目的明星球员之一。
C罗和梅西都已经完成2018世界杯的亮相。但是,两人的表现却天差地别:C罗在与西班牙队的比赛中上演帽子戏法,帮助葡萄牙3-3战平西班牙;而梅西则在对阵冰岛的比赛中罚丢点球,让球队错过了胜利的机会。
不仅如此,还有一组数字:C罗在对战西班牙时全场跑动8.7千米,最高速度达到了33.98千米/时。而梅西在面对冰岛队时,跑动距离只有7.6千米,全场83%的时间都是在“散步”,最高时速也没有超过25千米。
梅西全场11脚射门,只有3脚射中,没有进球。而且,他还踢丢了一枚点球。
2018世界杯,阿根廷vs冰岛,梅西踢丢点球,最终比分定为1:1
梅西,在球场上“散步”的前锋
在他的整个职业生涯中,梅西都因为他在场上“走路”而不是“跑步”而饱受批评。
2017年12月,在巴塞罗那与皇家马德里之间的一场经典大赛之后,媒体广泛报道的一件事是,梅西在场上移动了大约5英里的距离,其中83%是在“走”(跟这次世界杯对战冰岛一样)。 尽管如此,那场比赛梅西不但进球,还参与了助攻,巴塞罗那3-0获胜。
本赛季欧冠(唯一公布了基本跑步数据的比赛),梅西也比其他精英前锋都跑得要少,平均每90分钟少5英里的距离。
当然,跑动的距离很大程度上取决于你效力的球队和你在球队中的角色。采取防守战略的球队,往往会跑更远的距离,而有的战术风格则会让前锋跑更多——采取高压逼(high-pressing)战术的利物浦队前锋罗伯托·菲尔米诺,每90分钟将近跑了7英里。
但是,皇家马德里跟巴塞罗那一样,也是不会特别在对手的半场展开逼压战术,但C罗跑动的距离比梅西多1/5英里。
一台高效的机器:只有梅西搞清楚了如何比别人少跑来赢球
在2017-18欧冠赛季中,贡献至少5个进球和助攻的前锋中,每90分钟跑动的距离与进球和助攻贡献率的比例
实际上,我们已经很清楚梅西的这个特点:在2014年世界杯的报道中,Ken Early表示:“只有梅西搞清楚了怎么比别人少动来赢得比赛。
”
在阿根廷在决赛中输给德国队以后,Benjamin Morris给FiveThirtyEight写了一篇分析,流行的解释是,梅西在关键时刻用走(而不是跑)来节省能量,就像是一台非常高效的机器。
但新研究表明,就算是梅西在走路的时候,他也远远没有空转。NBA篮球队、萨克拉门托国王队的战略和分析副总裁Luke Bornn和巴塞罗那足球俱乐部数据科学家Javier Fernandez,在今年MIT Sloan体育分析会议上介绍了他们的研究成果,帮助我们了解这一现象。
基于位置数据分析足球赛:梅西的“被动”场地获取策略
足球本质上是场地和移动的游戏,因此,Bornn和Fernandez利用位置数据设计了模型,评估球员对场地的占有和生成的情况。
Bornn和Fernandez的分析报告
“我们可以在每个瞬间看到每个球员和球的位置,并由此推断球员的运动如何为他们自己和其他人创造场地,”Bornn说:“我们还可以看出他们是主动还是被动地做到这一点,‘主动’就是指主动跑进空旷的场地,‘被动’则是在战况转移的时候占据高价值位置。”
Bornn提到的“高价值位置”(high-value locations),指的是他们研究的另一部分,他们量化了球场上每个区域对双方球队的价值。一个基本的衡量标准就是与球门的距离,但与巴塞罗那专家讨论后,Bornn和Fernandez意识到,球场上场地的价值会根据球员和球的位置动态发生变化。
于是,他们采取了全新的方法,基于防守一方的球队的行为提取场地价值。总体而言,处于防守一方的球员会考虑去切断那些相对于球的位置来说很危险的区域。
下面的动图展示了梅西在进攻时如何被动地为巴塞罗那右翼占据场地。注意对比Bornn和Fernandez的动态分析:
梅西被动地帮助球队占据场地
将2017年1月西甲联赛中巴塞罗那队和比利亚雷亚尔队的数据用在这些模型里,Bornn和Fernandez发现,为巴塞罗那队获取场地最多的,是布斯克茨(中场)、伊涅斯塔(中场)和梅西(前锋)。
他们将这种场地增益分为两种类型:“主动”和“被动”,前面一种情况球员是以跑动的速度在移动,而后面一种情况则不是。
伊涅斯塔和布斯克茨分别在43%和52%的时间里是被动的,而梅西的这个数值是大约66%。换句话说,梅西在场上大部分时间都在走路,但是即使只是在走,梅西也是在有价值的地方走动,守住场地来帮助球队,等待球接近他。
Bornn和Fernandez还研究了场地的生成和接收,也就是一个移动中的球员,通过将对方球队的后卫带过来,为自己的队友创造场地。
在同场比赛中,梅西、苏亚雷斯和内马尔,是巴萨罗那很能创造场地的三大球员。他们三人在巴塞罗那强大的4-3-3阵式中在场上散开,迫使防守队员紧紧跟随他们。Bornn和Fernandez还发现,梅西和苏亚雷斯有着“特殊的联系”,彼此都为对方创造了相当大的场地。
比赛中场地占有和生成的情况。从左到右:左边第一幅图,伊涅斯塔往后退,占据一个有价值的场地,并拥有更高的控制权。中间第二幅图,伊涅斯塔观察到了一个开放/空白的场地来进攻。他往那里移动,带动了三名防守队员。右边第三幅图中,三名被带走的防守队员给梅西留出了一个空位,让梅西可以接到球,与此同时苏亚雷斯跑向球门线,得到一个传球。
即使是走,也比大多数人跑得更好
梅西是否有意识地决定用走而不是跑来被动地赢取场地,这一点很难确定。
“我们能不能说梅西是通过在场上不怎么跑而获得了更多的场地?能,这正是我们的研究所表明的。”Bornn说。“但他是故意这么做的吗?这就只有问梅西本人了。”
2018年世界杯,如果阿根廷出线,梅西将得到比以往更多的关注和审查。这次射丢点球无疑让很多人失望。我们已经习惯了看他令人眼花缭乱的传球、带球过人和精准的射门。
但当球不在梅西那里时,我们也应该关注他,尤其是在他慢慢移动的时候——梅西在场上从来都不是在“走”;
他只是伺机而动,等待出手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23