Geek讲足球：什么是机会创造

在竞技体育里，我们经常可以看到一些关于某位球员或者某支球队的数据分析。而在足球比赛中，人们较为关注的，是一个球员对进球的贡献情况。不过，由于进球的基数小，并且不是按规律发生的，就导致了数据缺乏一定的准确性。

因此，我决定针对单一球员开发一种数据，它将具备对比球员“机会创造贡献值”或者“进球贡献值”的功能。受棒球运动的数据分析影响，我针对足球场上的进攻贡献值，开发出了一系列的对比数据，在这里称它为“机会创造数据"。

棒球模型

“棒球数据分析之父”比尔-詹姆斯（Bill James)，曾经开发出一套名为“Runs Created”的数据（简称RC）。由于深受追捧的RBI数据歪解了球员对于球队进攻的真实贡献值，因此RC数据应运而生。

作为棒球界最具影响力的数据之一，RC在最基本的形式下，通过将单个球员的垒打数（total bases）与上垒率（on-base-percentage ）相乘，得出这名球员的贡献值。判断RC是否科学很简单，如果一支球队的RC总值，在大概5%的误差范围内可以和全队得分总值大概相同的话，那么RC数据就是有说服力的。

RC数据诞生后，一共经历了2次重大改进。第一个改进是，设立“Runs Created Plus” 数据（简称RC+)——将一般球员的价值定为100，如果RC+是115的话，就说明这名球员的分值比一般球员多出了15%；第二个改进是，对一些其他可量化的因素进行了加权处理，比如“Weighted Runs Created Plus” （简称wRC+)。

根据以上方法，我开发出3类独立存在的数据：机会创造（Chances Created，简称CC)，机会创造+（Chances Created Plus,简称CC+），以及加权机会创造+（Weighted Chances Created Plus，简称wCC+)。这套数据在足球中的作用与它在棒球中差不多，那就是，找到一种度量标准，在进球、助攻数据的基础上，进一步地阐明球员在进攻端的贡献情况。

机会创造数据（CC）

在足球比赛中，不管射正与否，一次机会都要对应一次射门，一次关键传球和一次射门都要算作是一个机会。CC数据的核心内容是，累计球员每90分钟的射门次数和关键传球次数。

下一步就是创造一个标准化的数据，使得平均数值达到100。问题是，在机会创造方面，什么样的足球运动员才是标准球员？

在棒球中，每一个球员都有同样的机会进行击打，但是在足球比赛中，不同位置的球员会有不同的进攻输出。因此，我将足球比赛中的球员分成了4个位置：守门员，防守队员，中场队员，以及前锋。显然，这会引起不少争论：“这些位置的具体职责是什么？”“如果一名球员一个赛季出现在了不同位置上该怎么计算？”为了尽可能的保持客观性，规定球员的位置与他们最初登记时的情况保持一致——我承认这不是一个完美的解决方案，但确实可以作为一个不错的基准点。

在定义“标准球员”的过程中，那些对于球队来说并不重要（出场次数极少）的球员被我排除在外，因此数据中只涵盖了代表俱乐部参加过至少一半赛程的球员（对于英超来说，一半赛程是19场）。

最后，我试图通过加权机会创造数据来解释射门质量问题。不论是射门还是射门机会，虽然在比赛中都不具有规律性，但是，机会创造数据可以反映这些机会（被创造出来的）的质量。另外，我对助攻率（助攻和关键传球的比）和进球率（进球和射门的比）进行了加权处理。由于我引用了整个赛季的数据，所有样本数量足够大，这使得误差进一步减小。举个例子，如果一名球员习惯性地浪射，那么他的CC+值就会很高，但是由于他的进球率非常低，他的wCC+值就会因此相应地降低。

检验数据

我的观点是，一组数据要想做到具有相关性和实用性，那么就必须具备以下3个要素：解释能力；可重复性；便于理解。

解释能力：如果一支球队中，拥有最高CC、CC+以及wCC+的球员，没有创造出最高的进球数量，那么这个数据便因为脱离实际情况而失去了参考价值。

事实证明，球队在一年内的进球数，与球员CC+、wCC+的平均值之间的相关系数较高。下表统计了2012-13赛季以及2013-14赛季英超联赛中，球员数据和球队进球数之间的相关系数。正如我们之前所预想的那样，wCC+要比CC+更具有解释能力。

有趣的是，如果我们将每支队伍中的防守球员，中场球员、前锋以及总平均数作为研究对象，再将球队的总进球数做回归分析，那么每个位置上的具体价值并没有显著地体现在数据上，因此可以看出，数据受到了全组平均的影响。简单地说，即使一支球队里前锋的wCC+值比中场高，也无法说明前锋可以有更多的进球，因为wCC+是全队所有位置取平均数的结果。

可重复性：数据必须具备可预测的价值。也就是说，这套数据必须涵盖每个赛季的的实际数值，形成走势图，只有这样我们才能通过球员CC,CC+或者wCC+的走势，预测球员下赛季的表现。

下图中，2012-13和2013-14赛季，英超联赛的wCC+值之间的相关系数为0.78。其中，散落的圆点显示了wCC+的走势。

便于理解：对比球员数据时，CC+和wCC+必须一目了然。如果将每个位置的基准点定为100，当我们观察一位球员在进攻端的贡献时，不论高于100还是低于100，球员的数据必须明确易懂。最好的情况是，即使没有任何足球知识背景，看到这套数据也能知道一个大概意思。

英超联赛wCC+排行榜

2012-13赛季 防守球员

2012-13赛季 中场球员

2012-13赛季 前锋球员

2013-14赛季 防守球员

2013-14赛季 中场球员

2013-14赛季 前锋球员

像科拉罗夫和许尔勒这样的球员，虽然在位置上分别定义为后卫和中场，但实际上他们经常扮演攻击手的角色。同时，这几个排行榜也显示出了这套数据的一个缺点：只能针对同位置的球员进行对比。

正如大家所想的那样，对防守球员位置的定义要比中场和前锋宽泛得多，这是因为，在比赛中握有主动权的球队通常站位比较靠前。同时这也反映出了一个事实，那就是，由于进攻意图的不同导致扮演角色的不同，防守队员的机会创造数据，比前锋的数据范围更广。比如，科拉罗夫尽管CC+较高，但是他在机会创造方面并没有苏亚雷斯优秀，只是说，在同位置的数据对比中，科拉罗夫的机会创造能力比苏亚雷斯更好一些。

这当然也说明了苏亚雷斯近两年的表现的确比其他英超前锋更好。还有库蒂尼奥，他在2013-14赛季的数据足以证明他在利物浦队的重要性。另外还有曼联队中的韦恩-鲁尼，他的wCC+值在过去两年分别为147和148，均维持在较高水准。

下一步计划

到目前为止，我仅仅使用了2012-13以及2013-14赛季英超联赛的球员数据。为了检验CC+和wCC+的广泛适用性，我们也会引进世界上其他联赛的数据。在我看来，数据分析过程中的加权处理方法还有待进一步改善，助攻率和进球率的分析方法也都略显简单。

不过，如果要加入“期望进球/每次关键传球”和“期望进球/每次射门”的话，我们则需要更为丰富的数据组的支持。希望在未来的日子里，数据的加权算法能够得到改善。

这是我第一次在这个领域做这方面的尝试，为了进一步检验CC+和wCC+的参考价值，欢迎大家提出意见、建议以及检验方法。