乔伊斯：说服签下雨果的数据[并不简单]
俱乐部研究与模型显示，尽管预期进球（xG）存在缺陷，但这位法国人仍是欧洲顶级年轻天才——且他在安菲尔德迅速站稳脚跟 [不愧是你]
先用左脚停球，再用右脚摆脱防守创造空间，随后一脚精准射门打入球门死角。
几天后，一次幸运的反弹机会出现，他冷静将球打进。
若说第一印象可能具有欺骗性，那雨果·埃基蒂克显然不想让这种情况发生。代表利物浦出战两场比赛（对阵水晶宫和伯恩茅斯），他便攻入两球。接下来，他将迎来与纽卡的激烈对决——后者今夏也曾争夺过他的签约权。
事实上，若说埃基蒂克有什么“迷惑性”，或许是上赛季那些如今足球圈常见的核心数据：预期进球（xG）已成为足坛术语的一部分，而在他身上，这项数据勾勒出一幅耐人寻味的图景。
上赛季埃基蒂克在欧洲五大联赛的非点球预期进球数排名第三（19.3），仅落后于塞尔胡·吉拉西（19.6）和罗伯特·莱万多夫斯基（24），但这位法兰克福前锋的实际进球数比预期少了5个，是全欧预期进球亏欠最多的球员。
对于一支正计划送走努涅斯的俱乐部而言，埃基蒂克从表面看似乎并非合适选择——努涅斯在安菲尔德的三年里，英超预期进球亏欠达8.5个，仅次于多米尼克·卡尔弗特-勒温。
那么，多年来一直走在分析型引援前沿的利物浦，为何会花费6900万英镑（最高可达7900万英镑）签下这位23岁球员？
首先，这支卫冕冠军认为预期进球（xG）存在缺陷，因其缺乏更广泛的背景信息。他们的追踪模型远不止关注射门数据，通过背景调研可知，埃基蒂克在比赛的其他环节表现尤为出色。
显然，这些研究的具体内容是高度机密，但空间创造和持球推进是利物浦关注的领域之一，传球执行力与决策能力是另一重点。此外，利物浦研究总监威尔·斯皮尔曼还提出了“pitch control”概念（假设球处于某一位置时，球员能够控制该球的概率），这与球员速度相关——埃基蒂克是德甲速度最快的球员之一，时速达35.5公里。
他们的深入调研还纳入了对手实力、过往表现（例如上赛季之前的发挥）等因素。
利物浦还会通过历史数据对比，为分析增添更多背景与参考。
在2020-21赛季以来（他们拥有最完整详细追踪数据的时期），23岁以下的顶级前锋包括当时效力多特蒙德的埃尔林·哈兰德、皇家社会的亚历山大·伊萨克以及巴黎圣日耳曼的基利安·姆巴佩。
据悉，埃基蒂克在多维度评估中得分优异，与这些巨星并列，这让俱乐部推进转会的决心更加坚定。
Opta分析师马特·弗尼斯今年夏天的一篇文章揭示了埃基蒂克的部分优势。
回顾2024-25赛季德甲，埃基蒂克的运动战机会创造次数排名联赛第七。他擅长带动队友参与进攻，上周五4-2战胜伯恩茅斯的揭幕战中，他的跑动与助攻帮助科迪·加克波破门，便是明证。
2024-25赛季欧洲五大联赛中，埃基蒂克是仅有的四位出场至少1500分钟、且场均射门超4次（4.1次）、场均对手禁区触球超7次（7.2次）的球员之一。
其他三位是谁？拉明·亚马尔、姆巴佩和奥斯曼·登贝莱。“物以类聚”在此得到了完美诠释。
加盟利物浦后，埃基蒂克已有错失机会的例子：对阵伯恩茅斯时，他本应接加克波传中头球破门，至少也该将球打在门框范围内。
但前锋总会浪费一些机会，利物浦相信，考虑到他的年龄，以及如今身处精英环境、师从顶级教练，他必将取得进一步提升。
利物浦自1月起就与埃基蒂克团队保持联系。斯洛特上赛季末曾与球员交谈，这戳破了“纽卡斯尔在最后时刻被截胡”的说法。
纽卡此前求购利亚姆·德拉普、若昂·佩德罗、马特乌斯·库尼亚均告失败，随后将目标转向埃基蒂克，同时还在与约安·维萨、奥利·沃特金斯、本杰明·塞斯科周旋。
迪奥戈·若塔的离世、葬礼及后续事宜，让利物浦一度暂停转会操作。
这反而帮了他们——让纽卡看似主导埃基蒂克争夺战，因为他们知道竞价会推高球员身价。而当球员几乎要加盟圣詹姆斯公园时，理查德·休斯出手了。
显然，若塔的离世迫使利物浦重新审视计划。此后，利物浦需要补充两名攻击手，至少要分担进攻端的负荷。
埃基蒂克上赛季为法兰克福出场3644分钟，创下职业生涯新高，这对未来是利好，但利物浦上赛季踢了56场比赛，这意味着至少需要5040分钟的进攻端出场时间。
斯洛特追逐伊萨克的风波（1.1亿英镑报价失败）给他们带来了难题。就目前而言，埃基蒂克似乎是一个货真价实的解决方案。
…………………………………………………………………………
2020年4月有一篇威廉·斯皮尔曼的文章：利物浦如何构建“pitch control”模型
斯皮尔曼是将高等数学与物理学引入英格兰足球的先锋实践者之一。
这位美国人在哈佛大学攻读博士期间，研究的是粒子物理学以及希格斯玻色子的质量与宽度——这可不是教练们通常会关注的领域。自2018年3月起，他担任利物浦首席数据科学家，也是俱乐部传奇研究团队成员伊恩·格雷厄姆麾下的核心人物。
足球领域的数据科学往往显得抽象而理论化，与传统的教练和战术世界相去甚远。正因如此，斯皮尔曼本周早些时候在“追踪数据爱好者”YouTube频道的演讲才格外受欢迎。
在这段32分钟的启发式演讲中，他一步步讲解了如何构建“pitch control”模型并量化空间创造。
他的同事蒂姆·沃斯克特去年圣诞节在英国皇家研究院的讲座中曾提及“pitch control”，但斯皮尔曼此次进行了更详尽的拆解。无需数学天才也能明白，比赛中空间创造至关重要，而这类模型能如何应用于实际场景也显而易见。
事实上，“pitch control”模型已被（至少）英超少数顶尖球队应用于比赛中的替补席实时分析；在赛前、赛后分析中也发挥着重要作用；还能用于评估潜在引援目标……
“pitch control”定义
斯皮尔曼将“pitch control”定义为“假设球处于某一位置时，球员能够控制该球的概率”。
追踪数据是关键，沃斯克特在他的圣诞讲座中已对此作出清晰阐释。
“对于英超比赛，我们会获取所谓的追踪数据，”他说，“这是由球场四周的一组摄像头实时监测所有球员和球的位置得来的。
这些摄像头每秒捕捉25帧画面，覆盖全场90分钟，最终能产生约150万个数据点。
借助沃罗诺伊图（图5），斯皮尔曼将球场划分为多个相邻的区域。在计算“pitch control”时，他重点关注球员到达球所在位置所需的时间，而非与球的距离。
他通过球员的最大速度和加速度计算到达时间，同时引入不确定性因素——毕竟足球比赛中鲜有绝对确定的事情。这些步骤让斯皮尔曼能够算出不同球员对球的控制程度。
在体育数据分析公司Hudl，这位数据科学家开发了一款以视频形式展示控球权的工具，能动态呈现比赛中空间如何被压缩或打开。但在此基础上还需构建不同模型，否则它“不过是个可视化工具”。
背景因素
“pitch control”占比更高并不一定意味着球队表现更好。例如，当球队控球时，门将的“pitch control”占比很高，通常意义不大。
关键在于“相关控球权”，这需要聚焦于球附近的空间来计算。球的运动轨迹也是重要因素，比如罗伯一脚长传转移到另一侧，球可能需要三秒才能到达特伦特脚下，而此时场上局势很可能已发生变化。
此外，球场各区域的价值并不均等。例如，对方防线身后的空间远比球队控球时门将身前的空间更具价值，这一点也会被纳入考量。
“控制力度”指球员完成有效触球的概率——90%的情况下，球员只需一秒就能完成有效触球。
斯皮尔曼将控制力度拆解为不同时间步长，同时结合球员个人最大速度和加速度，计算他们到达“拦截点”所需的时间。
综合所有这些因素，就能算出每位球员接到传球的概率，从而“全面整体地判断传球可能的落点和接球人”。
“得分机会模型”会结合距球门的距离和当前时段的得分概率；“无球得分机会”则标注出得分链中下一次传球可能来自的球场区域（通过将各点位的控球权乘以得分概率计算得出）。
利用所有这些信息，就能绘制出得分机会分布图。
实际应用
其中一些内容相当复杂——本文已对斯皮尔曼的精彩演讲进行了大量精简——但其应用意义重大。
自2018年世界杯起，教练已被允许在替补席通过平板电脑实时使用这些模型。在比赛进行中，了解哪里可以创造空间、哪里存在防守漏洞，极为实用。
但有一个重要警告需注意：比赛中的追踪数据通常存在7分钟延迟，且“实时”数据的准确性也存在问题。
比赛结束后，追踪数据会经过重新处理，准确性大幅提升。此外，俱乐部还拥有过去三到四个赛季英超所有球队的追踪数据库，这使得该模型能成为赛前分析对手的重要工具。
该模型对赛后分析本队表现也很有价值，斯皮尔曼在演讲中提到了右后卫的“球员趋势机会”（图6）。
引援是另一关键应用领域。沃斯克特在圣诞节时解释道：“优势在于我们能同时分析所有球员，这意味着我们可以评估英超所有球员以及全球其他联赛的大量球员。这为我们提供了宝贵信息，帮助判断哪些球员表现出色、哪些可能成为未来的引援目标。”
流程末端的视频转化通常至关重要，因为教练和经理们往往更愿意观看比赛画面，而非数据或计算机模拟结果。
