Jak analizujemy mecz: nasze dane, liczby i granice tej metody

Ten tekst jest inny niż pozostałe poradniki. Nie tłumaczy rynku ani pojęcia, tylko odpowiada na pytanie, które powinno paść przy każdym serwisie publikującym liczby: skąd je bierzecie i co dokładnie z nimi robicie. Poniżej cała metoda, razem z jej granicami.

Skąd bierzemy dane

Nie zbieramy danych sami i nie mamy własnego trackingu meczów. Korzystamy z publicznych źródeł, a wybór każdego z nich wynika z tego, co realnie udostępnia.

Understat dostarcza modele xG dla pięciu największych lig europejskich: Premier League, La Liga, Bundesligi, Serie A i Ligue 1. Stamtąd biorą się wartości xG stworzonego i straconego oraz dane o strzałach.

Oficjalne API Ekstraklasy obsługuje polską ligę, w tym xG oraz PPDA, czyli miarę intensywności pressingu. To istotne, bo dane o Ekstraklasie są w serwisach zagranicznych albo szczątkowe, albo spóźnione.

football-data.org uzupełnia terminarze, wyniki i podstawowe statystyki tam, gdzie poprzednie dwa źródła nie sięgają.

Dwie uwagi o tym, czego w tym zestawie nie ma. Nie mamy danych o rzutach rożnych, kartkach ani faulach, więc nie prognozujemy tych rynków. Nie mamy też własnego modelu xG: korzystamy z cudzych, co oznacza, że nasze liczby dziedziczą ich założenia. Różni dostawcy podają dla tego samego strzału trochę inne wartości i to normalne.

Co liczymy przed każdym meczem

Zestaw jest stały, żeby zapowiedzi dało się porównywać między sobą.

Forma punktowa z ostatnich spotkań, ale traktowana jako kontekst, nie jako argument sam w sobie. Trzy wygrane po jednym golu z rzutu karnego to inna forma niż trzy wygrane 3:0, choć w tabelce wyglądają identycznie.

xG stworzone i stracone w przeliczeniu na mecz. To jest oś całej analizy. Zespół tworzący sytuacje warte dwie bramki na mecz i tracący warte jedną jest w innym miejscu niż zespół z odwrotnym bilansem, niezależnie od tego, co mówi ostatnia kolejka.

Rozkład minutowy goli, czyli w których fragmentach meczu drużyny strzelają i tracą. Ta informacja decyduje o sensowności rynków takich jak łamaki czy typy na połowy.

Bilans bezpośrednich starć wraz z tym, jak te mecze wyglądały, oraz kontekst kadrowy: kontuzje, zawieszenia, rotacja przed meczem pucharowym, zmiana trenera.

Dla przykładu, w zapowiedzi meczu Cracovia i Pogoń punktem wyjścia było to, że obie drużyny nie strzeliły gola w pierwszej kolejce, przy czym jedna oddała dziewięć strzałów, a druga dziesięć przy wyraźnie wyższej celności. To zupełnie inna sytuacja niż dwa zespoły, które po prostu nie kreują okazji, i właśnie ta różnica przekłada się potem na szacunek szans.

Jak pilnujemy, żeby liczby się zgadzały

Obowiązuje u nas zasada, która brzmi banalnie, a wycina większość problemów: żadnej statystyki nie wolno wymyślić ani oszacować „mniej więcej”. Liczba trafia do tekstu tylko wtedy, gdy pochodzi ze wskazanego źródła albo z rachunku, który da się odtworzyć na tej samej stronie.

Do tego dochodzi warstwa automatyczna. Przed publikacją każdy tekst przechodzi zestaw kontroli, które sprawdzają między innymi, czy prawdopodobieństwa trzech wyników sumują się do stu procent, czy rozkład minutowy goli sumuje się poprawnie, czy w treści nie pojawia się nazwa operatora oraz czy nie użyliśmy języka obiecującego wygraną. Tekst, który nie przechodzi tych kontroli, nie jest publikowany.

Osobna rzecz to spójność w czasie. Kursy referencyjne podajemy z datą, bo zmieniają się z dnia na dzień, a szacunki modelu aktualizujemy, gdy pojawia się istotna informacja kadrowa. Jeśli poprawiamy opublikowaną analizę, zaznaczamy to, zamiast po cichu podmieniać liczby.

Dlaczego nasze xG bywa inne niż w innym serwisie

To pytanie wraca regularnie, więc odpowiedź wprost: bo xG nie jest jedną, uniwersalną wartością. Każdy dostawca trenuje własny model na własnym zbiorze strzałów i uwzględnia trochę inne czynniki. Ten sam strzał z tej samej pozycji może dostać 0.09 u jednego i 0.12 u drugiego.

Praktyczny wniosek: porównywanie xG między serwisami co do drugiego miejsca po przecinku nie ma sensu. Sens ma kierunek i rząd wielkości, a także konsekwentne używanie jednego źródła w obrębie jednej analizy, czego pilnujemy.

Jak powstaje nasze prawdopodobieństwo i czym ono nie jest

Na podstawie powyższych danych szacujemy szanse trzech wyników i podajemy je przy każdej zapowiedzi. Sumują się do stu procent, bo opisują komplet możliwości.

Trzeba jasno powiedzieć, czym ten szacunek nie jest. Nie jest przepowiednią wyniku. Jeśli piszemy, że gospodarze mają 42 procent, to znaczy, że w naszej ocenie taki mecz kończyłby się ich zwycięstwem mniej więcej cztery razy na dziesięć, a nie że wygrają. Pojedyncze spotkanie nie weryfikuje takiego szacunku, bo w pojedynczym meczu zdarza się wszystko.

Nie jest też wyrocznią co do rynku. Model widzi liczby o grze, a nie kontuzję ujawnioną godzinę przed meczem ani atmosferę w szatni. Dlatego przy każdej zapowiedzi opisujemy czynniki, których liczby nie obejmują, zamiast udawać, że model wie wszystko.

Jak zestawiamy własną ocenę z rynkiem

Dopiero po policzeniu własnego szacunku patrzymy na kurs. Kolejność jest celowa: gdyby było odwrotnie, ocena podświadomie dopasowałaby się do wyceny.

Kursy podajemy jako referencyjne i bezmarkowe, bo nie mamy umowy z żadnym operatorem i nie wskazujemy, gdzie grać. Służą wyłącznie za punkt odniesienia. Kurs przeliczamy na procenty, dzieląc 100 przez jego wartość, i zestawiamy z własną liczbą.

Warto przy tym pamiętać o marży. W naszych zapowiedziach przeliczone kursy trzech wyników sumują się zwykle do 104-114 procent, więc rynek z definicji wycenia zdarzenia wyżej, niż wynikałoby z czystego prawdopodobieństwa. Rozjazd między naszą oceną a wyceną opisujemy wprost, ale nie nazywamy go okazją, bo wartość zakładu rozstrzyga się na dużej próbie, a nie w jednym meczu.

Zobacz to na trzech różnych układach: Newcastle i Liverpool, gdzie rynek wycenia gości wyraźnie wyżej niż nasz model, Arsenal i Coventry z bardzo niskim kursem na faworyta oraz Cracovia i Pogoń jako mecz otwarty.

Czego nie robimy i dlaczego

Nie publikujemy skuteczności naszych typów. To decyzja świadoma, choć wygodniej byłoby inaczej, bo licznik trafień dobrze wygląda w nagłówku. Statystyka skuteczności zachęca do traktowania zapowiedzi jak systemu do zarabiania, a one nim nie są. Wolimy, żeby czytelnik oceniał rozumowanie, a nie kibicował licznikowi.

Nie typujemy na żywo. Nasza wartość polega na policzeniu meczu wcześniej i na spokojnie; reagowanie w czasie rzeczywistym to inna dyscyplina.

Nie prognozujemy rynków, których nie mierzymy, czyli rożnych, kartek i fauli.

Nie wskazujemy operatora. Dopóki nie mamy podpisanej umowy, w tekstach nie pojawiają się nazwy bukmacherów, a kursy są referencyjne. Gdy umowa powstanie, oznaczymy to wprost jako współpracę reklamową, zamiast wplatać ją w treść analizy.

Gdzie ta metoda ma granice

Uczciwy opis metody musi zawierać jej słabe punkty, więc wymieniam je wprost.

Mała próba na początku sezonu. Po jednej czy dwóch kolejkach xG mówi bardzo mało, bo pojedynczy mecz potrafi przesunąć średnią o kilkadziesiąt procent. W takich momentach opieramy się mocniej na poprzednim sezonie i na kontekście kadrowym, i zaznaczamy to w tekście, zamiast udawać, że dwie kolejki wystarczą.

Beniaminkowie i zmiany kadrowe. Drużyna, która awansowała albo przebudowała skład, ma dane opisujące zespół, którego już nie ma. Model tego nie widzi, człowiek owszem.

xG nie ocenia obrony wprost. Niskie xG rywala może znaczyć świetnie ustawiony blok albo rywala, który po prostu nie próbował. Rozróżnienie wymaga obejrzenia meczu, a nie tylko tabeli.

Nie mierzymy czynników pozaboiskowych. Motywacja, atmosfera w klubie, presja przed zwolnieniem trenera bywają rozstrzygające, a w liczbach nie istnieją. Opisujemy je w prozie i traktujemy jako korektę, nie jako wskaźnik.

Wymieniam to nie z ostrożności, tylko dlatego, że metoda, której granic nie znasz, jest groźniejsza niż brak metody. Liczba na ekranie wygląda pewniej niż zdanie, a ta pewność bywa złudna.

Jak czytać naszą zapowiedź

Każda analiza ma tę samą budowę i można ją czytać wybiórczo. Sekcja o kontekście mówi, o co toczy się mecz. Dwie sekcje o formie pokazują, jak obie drużyny do niego doszły. Bezpośrednie starcia dają tło historyczne, sekcja taktyczna opisuje, co zdecyduje na boisku, a część „co mówią liczby” zawiera model, rozkład goli i porównanie z rynkiem.

Na końcu są trzy typy z uzasadnieniem i kursem referencyjnym. Trzy, a nie jeden, bo dotyczą różnych rynków i różnych poziomów ryzyka, i nie są rekomendacją, tylko podsumowaniem tego, co wynika z liczb.

Jeśli chcesz sprawdzić tę metodę w praktyce, weź dowolną naszą zapowiedź i spróbuj odtworzyć drogę od danych do wniosku. Jeśli w którymś miejscu się z nami nie zgodzisz, to znaczy, że tekst zadziałał: ma dawać narzędzia do własnej oceny, a nie gotowe odpowiedzi. Graj rozsądnie i z głową.