今天，我们能通过科学技术掌握球员与球接触的数量、他们跑动的距离、双人对抗的情况以及其他种种数据信息。这些信息可以帮助我们更好地准备与对手球员之间的抗衡，也就是知己知彼，才能百战百胜这个道理——因此，怎样利用和掌握数据就显得格外重要。
2011年10月29日，拜仁慕尼黑和纽伦堡球队踢了一场球赛。球赛以拜仁的4:0胜利为结果。巴斯蒂安·施魏因施泰格的比赛结果大致可以这样描述：射了一次门，参与了另外两个射门的准备并完成了70分钟的比赛。当然也可以换种方法来描述：施魏因施泰格总88次与球接触，跑了8.6千米并进行了6次短跑冲刺。足球中，数据总是很有说服力。通过数据，人们能够更清楚的掌握比赛情况，尤其是掌握对手球员的情况。
今天，在比赛数据的提取和分析中，录像技术、数据处理与计算更多了取代了过去的书面记录或证人报告。多亏了现代技术，我们几乎能得到从触球数量到所谓的“表现数据”如跑动距离、速度、跑动路径等所有可能的数据。通常，俱乐部能够获得这类数据，而相关人员则为数据的提取付费。自2011/2012赛季的德甲起，德甲的俱乐部都能够得到所有比赛的原始数据。供应商Impire和德甲基金会在合同框架下通过录像和球探分析了球场中产生的数据。
▲2011年10月29日，拜仁慕尼黑在安联球场以4：0大胜纽伦堡。
▲其中施魏因施泰格射中了4球之一并参与了其他两次射门。他以8.6公里的跑动距离相比于其他球员来说成绩只在中等。原因：在第71分钟时他被换下。
▲球队中最长的跑动距离是由防守的中场球员阿纳托利·季莫什丘克完成的，他总共跑了10.9公里。而跑动路径显示，他多次冲向前方。
▲纽伦堡球队中，跑动距离最长的球员是威尔森（Wilson Kamavuaka）。他主要在中场中部活动，也多次向前跑动，但并没有像阿纳托利·季莫什丘克那样形成了很多路径。他的跑动距离为12.2公里。
▲在接触球的数量上，这一点看上去又有所不同。威尔森共接触球25次，而阿纳托利·季莫什丘克共接触球97次。威尔森的接触球次数在自己的球队中也只处于平均值。而同一队伍的马尔文·普拉滕哈特拥有最高的接触球次数，为47次。
▲这一天比赛中，接触球次数最多的是拜仁球队的后卫丹尼尔·范比滕，共135次。此外，他也以122次的数量创造了最高的传球数。
▲拉姆总体现出10次短跑。通过跟踪技术我们能够描绘出他的路径。
▲控球数量比较：不动的球员在大部分比赛中排名最后。两支球队中排名最前的一般都是防守球员。值得注意的是，拜仁慕尼黑的接触球次数要比纽伦堡高得多。两支球队只有在两名前锋戈麦斯（Gomez）和佩克哈特（Peckhart）身上才大致体现出相似的成绩。
▲通过跟踪技术我们获得了跑动距离的概览数据。很清楚的是，纽伦堡球员平均比拜仁球员跑的要多。但是跑动距离并不能体现出球员的真正水平。纽伦堡球员较少的控球次数表明，他们更长的跑动距离很可能是因为防御行为或对各自位置的掌握较差造成的。
Impire的数字系统
两个摄像机
通过在球场中安装两个摄像机来分别帮助获得每个半场的数据。摄像机负责将所有球员纳入到镜头中。一种电脑软件能同时把所有的球员标注出来，Impire公司和其他公司的区别在于安装摄像机的数量。
五个人
一场比赛中共有五名工作人员参与工作。对于经典的数据如二人对抗来说，采用真正的人通常是最重要的。一名员工将传球、香蕉球或二人对抗的数据通过耳机听筒传给第二名工作人员并由他进行数据输入。另一名工作人员则需要不停的用鼠标点击以标出球的位置。在球员跑动的路径方面，采取的方法则不太一样。只有在分配出现问题的时候，才会有工作人员介入。问题可能出现在任意球时候的人墙上，Impire公司董事霍尔茨先生表示。“当两名球衣颜色相近的球员很紧密的站在一起时，技术就不管用了。系统自带的分配技术就不再起作用而需要人员介入。”这种情况大概需要两名工作人员。
3000个动作
一场比赛一般能涵盖3000个动作——从控球到传球。工作人员在这样的情况下非常重要。“我们虽然有很多计算技术来帮助工作人员，但是人仍然是最具有决定因素的，”霍尔茨这样认为。按照他的看法，问题是比赛的“语义学”。因为计算技术不能识别所有的动作。他举了一个例子：某球员没有正确的反应一个外围传中球，而球却滚向了球门。每一个人都能看出球员本来是想对这个球做出反应的，但是机器却看不出来。”所以人们正在改进技术，以期待未来这些计算机程序能够自动识别出角球或者发出的外界球等。
3000000个位置数据
跟踪系统能够传输3000000个横竖坐标轴的位置数据。人们因此可以跟踪球员的跑动路径以及计算他们的速度、冲刺状况以及跑动距离。而这些测量点如何结合起来则是非常关键的问题。德甲俱乐部对Impire公司的总数据其实并不很感兴趣，霍尔茨透露说。“他们更关注的其实是特定的一些问题。这也是我们分析人员的工作。在球场分析的基础上，我们通常还会搜寻一些特定的场景并进行更仔细、更深入的分析。”至于具体需要哪个部分、哪个点的数据，主要跟教练的需求相关。
但是，只有相关的数据并不能帮助人们得知比赛将会如何发展。因此2011/2012赛季的第一条新闻，即卢卡斯·波多尔斯基是联赛中最懒于跑动的球员，虽然数据上是正确的，但是人们却不能因此得出他成绩不好的论断。“跑的多成绩就好,这样的推断是错误的”，拜仁教练尤普·海因克斯在媒体发布会上这样说道。数据流越大，人们就越需要知道，到底需要通过数据干什么以及怎样应用这些数据。
拜仁对纽伦堡
2011年10月29日比赛的热点图
▲图中红色的部分表面球员停留的几率更大，黄色部分则是球员很少涉及的部分
“当前最大的问题是，人们需要找到正确的过滤器。我们需要隔离出一些特定的场景并为这些场景做出特别的分析”，慕尼黑工业大学体育信息技术的教授马丁莱姆斯这样认为。因此，比赛过后需要观察的是，自己球队在得到球之后的跑动速度是怎样的。这样一种情况下，人们需要采用质性分析而不是量性分析。怎样才能从原始数据过渡到正确的分析上？这条道路上其实有很多供应商提供分析帮助。
创造力足球工作室 林亚彤/译