تنها دو روز پس از پیروزی آرسنال در لیگ برتر، ورزشگاه امارات دوباره رقابتی داغ را به خود دید. با اینکه بازیکنان تیم اصلی برای تعطیلات تابستانی رفته بودند، ۲۲ بازیکن جوان در برابر مربیان آکادمی باشگاه جمع شدند تا تواناییهای خود را نشان دهند.
به گزارش سرویس ویژه واندا اسپورت این بازیکنان نوجوان بر اساس دادههایی دعوت شده بودند که توسط یک حسگر کوچک جیپیاس ثبت شده بود. این حسگر، که در یک کاور مشکی بین دو کتف بازیکنان قرار میگرفت، با همکاری آرسنال و شرکت «اِستَهاسپورتس» (STATSports) ساخته شده بود. هر کسی با خرید این دستگاه به قیمت ۳۵۰ دلار، فرصت پیدا میکرد تا با ارسال دادههای خود، شانس دعوت شدن به باشگاه را امتحان کند.
این گجت که مورد تأیید فیفا است، مجهز به شتابسنج، ژیروسکوپ و مغناطیسسنج است و دادههای مربوط به ۱۶ معیار کمی و کیفی را ثبت میکند. این دادهها با مربیان آرسنال به اشتراک گذاشته میشد و بازیکنان میتوانستند در اپلیکیشن آن، عملکرد خود را با بازیکنان آکادمی مقایسه کنند. این کار هم انگیزهای برای پیشرفت در بازیکنان ایجاد میکرد و هم استعدادهای پنهان را به باشگاههای بزرگ معرفی میکرد.
از نگاه مربیان و استعدادیابها
بری واترز، رئیس علوم ورزشی در STATSports، میگوید: «مهمترین ویژگی یک بازیکن فوتبال، توانایی فنی و تاکتیکی اوست. اما پرسش اینجاست: آیا او از نظر بدنی هم توانایی رقابت در سطح بالا را دارد؟» پیشرفت فناوری جیپیاس به استعدادیابها کمک کرد تا در کنار تماشای بازی، دادههای بدنی بازیکنان را هم در نظر بگیرند.
این تحول بزرگی در روشهای استعدادیابی بود. کریس بارنز، کارشناس علوم ورزشی یوفا، میگوید در گذشته استعدادیابی فقط با حضور گروهی از مردان مسن در کنار زمین و یادداشتبرداری از بازی انجام میشد. اما در ۱۵ سال گذشته، استفاده از دادههای دقیق و عینی برای جذب بازیکن به یک روش معمول تبدیل شده است.
امروزه برندهای مختلفی مانند STATSports، Catapult، Sports Performance Tracking و FieldWiz در بازار جیپیاسهای ورزشی رقابت میکنند. دستگاههای کَتَپولت (Catapult) در آکادمیها برای اندازهگیری مواردی مانند فشار تمرینی، سرعت و استقامت بازیکنان به کار میروند.
فراتر از باشگاههای بزرگ
لورنس استوارت، مدیر فنی باشگاه موناکو، میگوید: «در گذشته دسترسی به دادههای فیزیکی بازیکنان بسیار دشوار بود. من معتقدم داشتن کمی اطلاعات بهتر از بیاطلاعی کامل است، به شرط اینکه بتوانیم اطلاعات را در بستر درست آن تحلیل کنیم.»
کریس بارنز برای اولین بار در سال ۲۰۲۰ به نیجریه سفر کرد تا مدیر علوم ورزشی باشگاه «وَنْدْرِزِر» شود. او با معرفی دستگاه PlayerTek شرکت Catapult، این باشگاه را به اولین تیم نیجریهای تبدیل کرد که از ردیابهای جیپیاس استفاده میکند. آنها حتی از دوربینهای هوشمند Veo هم برای تحلیل عملکرد بازیکنان بهره گرفتند.
بازیکنانی مانند فلیکس اولویه و ساموئل اِدوهو، با کمک این فناوری، به سرعت مورد توجه باشگاههای اروپایی قرار گرفتند. دادههای PlayerTek نشان داد که این دو بازیکن از نظر فیزیکی توانایی رقابت در سطح باشگاههای دانمارکی و لهستانی را دارند.
امروزه سیستمهای ردیابی پیشرفتهای مانند Second Spectrum، ChyronHego و Hawk-Eye در لیگهای بزرگ به کار میروند. حتی لیگهای کوچکتر مانند لیگ دانمارک و MLS نیز به سمت استفاده از این فناوریها حرکت کردهاند تا بتوانند استعدادهای بیشتری را شناسایی کنند.
از ویدیو تا تحلیل داده
شرکتهایی مانند اسکیلکُرنِر (SkillCorner) با استفاده از هوش مصنوعی، دادههای بدنی بازیکنان را تنها از طریق ویدیوهای پخشزنده استخراج میکنند. لیورپول اولین مشتری این شرکت بود و اکنون این فناوری میتواند دادههای ردیابی را از ۵۰ لیگ در سراسر جهان تولید کند. پل نیلسون، مدیر SkillCorner، میگوید: «اگر به بازیکنی در اروگوئه نگاه کنید، در گذشته هیچ راهی برای بهدست آوردن اطلاعات او نبود. اما حالا میتوانیم دادههای فیزیکیاش را استخراج کنیم و بفهمیم او چگونه در موقعیتهای مختلف تصمیمگیری میکند.»
ادغام دادههای ویدیویی با دادههای فیزیکی نیز اهمیت زیادی دارد. شرکت هادل (Hudl)، ارائهدهنده ابزارهای تحلیلی، با خرید شرکت «ویمو» (Wimu) که ردیابهای پوشیدنی تولید میکند، هر دو نوع داده را زیر یک چتر آورد. همچنین شرکت اِستَتسبامب (StatsBomb) با ترکیب بینایی کامپیوتری و ورود دادههای دستی، معیارهای ویژهای برای تحلیل عملکرد بازیکنان ابداع کرده است.
رقابت در سطح جوانان
در پاییز امسال، برنامهای به نام «لیگ نخبه ۶۴» (Elite 64) در آمریکا آغاز میشود که ۱۷۵۰۰ بازیکن جوان را گرد هم میآورد. در این برنامه، بازیکنان دادههای عملکردی خود را با استفاده از فناوریهای ProScore و STATSports دریافت میکنند و میتوانند این اطلاعات را با مربیان دانشگاهی به اشتراک بگذارند.
به گفته واترز، این یک مرز جدید برای گجتهای پوشیدنی در آمریکاست. او معتقد است با گذشت زمان، دادهها میتوانند به مربیان مجازی تبدیل شوند و به بازیکنان کمک کنند تا درک بهتری از سطح عملکرد خود داشته باشند. برای مثال، یک بازیکن میتواند بفهمد برای رقابت در بوندسلیگا یا لیگهای برتر آمریکا باید به چه سطحی از آمادگی بدنی برسد.
با ادغام دادههای جیپیاس و دادههای ویدیویی، آینده استعدادیابی فوتبال روشنتر از همیشه به نظر میرسد. حالا دیگر مربیان و استعدادیابها میتوانند از ابزارهایی دقیق و علمی برای کشف ستارگان آینده استفاده کنند.
