축구 분석: xG와 그 너머

Reep의 노트는 축구 최초의 데이터 집합이 되었습니다. 그의 분석 결론은 나중에 크게 비판받았지만, 경기 이벤트를 하나하나 체계적으로 기록하는 관행은 그에게서 시작되었습니다.

출처: 코칭 역사 / 분석 문헌 · 암기

Hughes는 1990년 「The Winning Formula」를 써서 Reep의 분석을 잉글랜드 FA 코칭 교리로 체계화했고, POMO 구역에서의 직접 플레이를 처방했습니다.

출처: FA 지도서 · 암기

Opta Sportsdata는 1996년에 운영을 시작해 잉글랜드 축구 이벤트 데이터의 기준 피드로 빠르게 자리 잡았고, 이후 중계와 베팅 시장으로 퍼졌습니다.

출처: Opta 역사 아카이브 · 암기

1995년에 설립된 Prozone은 1998년 Jim Smith의 더비 카운티에서 첫 잉글랜드 고객을 찾았고, 클럽 차원의 영상과 데이터 분석의 기본 틀을 세웠습니다.

출처: 코칭 역사 · 암기

2004년 이탈리아에서 출시된 Wyscout는 유럽의 거의 모든 클럽이 스카우팅 보고서, 상대 분석, 선수 영상 자료실에 쓰는 도구로 성장했습니다.

출처: 코칭 역사 · 암기

Benham은 2012년 브렌트퍼드를, 2014년 미트윌란을 인수해 두 클럽에서 선수 영입과 경기 준비에 배당률 방식의 통계적 추론을 적용했습니다.

출처: Business Insider / Financial Times 프로필 · 암기

Graham은 2012년부터 2023년까지 리버풀의 리서치 디렉터를 맡아 1980년대 이후 가장 성공적인 시기를 이끌었습니다. 2019년 챔피언스리그와 2020년 프리미어리그를 포함해 주요 트로피 6개를 차지했습니다.

출처: MIT Sloan Sports Analytics / Ludonautics · 암기

Knutson은 2013년 분석 블로그로 StatsBomb을 창업했고, 2018년 자체 이벤트 데이터를 출시했으며, 2024년 8월 Hudl이 회사를 인수할 때까지 CEO로 남았습니다.

출처: StatsBomb 아카이브 / Business Wire · 암기

Rudd의 2011년 논문은 전이 확률을 이용해 점유 상태 틀을 정의했습니다. 이후 Karun Singh이 2018년 블로그 글에서 “Expected Threat”라는 구체적인 이름을 널리 알렸습니다.

출처: 학술 및 업계 분석 역사 · 암기

Singh의 블로그는 xT를 경기장 구역별 가치 표면으로 제시했고, 전이 확률을 반복 계산으로 풀어 구했습니다. 이 글은 지금도 이 지표의 업계 표준 입문 자료입니다.

출처: karun.in / 분석 문헌 2018 · 암기

xG 모델은 과거 슈팅 결과를 거리, 각도, 슈팅 신체 부위, 플레이 유형 같은 특징에 맞춰 적합시킵니다. 더 발전된 모델은 트래킹 데이터의 수비수 위치까지 반영합니다.

출처: Opta / StatsBomb 문서 · 암기

PSxG는 슈팅이 유효 슈팅으로 날아간 궤적을 전제로 골키퍼가 실점할 확률을 모델링합니다. xG가 쓰는 모든 정보에 슈팅이 결국 어디로 향했는지를 더해 사용합니다.

출처: StatsBomb 문서 · 암기

xA는 패스한 선수에게, 그 패스로 이어진 슈팅의 xG만큼 점수를 부여합니다. 그래서 훌륭한 슈팅 위치로 연결한 좋은 패스는 마무리가 빗나가도 보상을 받습니다.

출처: Opta 문서 · 암기

Singh의 xT는 경기장 각 칸의 위협도를, 팀이 이후 소수의 연속 동작 안에 득점할 확률로 계산하고, 볼을 더 가치 높은 칸으로 옮기는 선수에게 점수를 부여합니다.

출처: karun.in / xT 문헌 · 암기

OBV는 수비 가로채기와 슈팅을 포함한 모든 이벤트에 가치를 매기는 StatsBomb의 독자적인 점유 가치 틀이며, xT의 한계를 보완합니다.

출처: StatsBomb 문서 · 암기

VAEP는 모든 이벤트를 가까운 미래의 득점 또는 실점 확률의 변화로 보고, 그에 따라 기여도를 부여합니다.

출처: KU Leuven Machine Learning Research Group · 암기

필드 틸트는 팀이 점유율을 얼마나 누리는지만이 아니라 점유가 어디서 이루어지는지를 측정해 지역 지배력을 포착합니다. 점유율이 60%여도 필드 틸트는 40%일 수 있습니다.

출처: 분석 문헌 · 암기

패킹은 패스나 볼 운반으로 경기에서 제외시킨 상대 선수의 수를 셉니다. Impect의 Stefan Reinartz와 Jens Hegeler가 개발했고, 유로 2016 때 독일 TV를 통해 널리 알려졌습니다.

출처: DFB 기술 보고서 · 암기

360 스냅샷은 온볼 이벤트마다 볼을 갖지 않은 선수 전원이 있던 위치를 채워, 순수 이벤트 데이터로는 확인할 수 없는 수비 대형과 패스 선택지 분석을 가능하게 합니다.

출처: StatsBomb 360 제품 문서 · 암기

PPDA는 일반 이벤트 데이터만으로 계산할 수 있는 전형적인 압박 대용 지표입니다. OBV와 360에서 파생된 지표는 독점 데이터나 트래킹 데이터가 필요한데, 순수 Opta 피드에는 들어 있지 않습니다.

출처: 분석 문헌 · 응용

Edwards는 2016~2022년 리버풀의 스포츠 디렉터(SD)였으며, 이 시기를 Graham은 “프리미어리그 최초의 데이터 사이언스 부서”라고 불렀습니다. 그는 2024년 FSG의 더 폭넓은 역할로 돌아왔습니다.

출처: Athletic / Ludonautics 프로필 · 암기

Comolli의 짧은 리버풀 재임은 당장의 성과로는 논란이 컸지만, Edwards가 나중에 확대한 데이터 중심 영입 체계의 씨앗을 뿌렸습니다.

출처: Athletic 프로필 · 암기

Ankersen은 Benham 시대의 대외적인 얼굴이었고, 챔피언십 경기 결과는 순위표가 시사하는 것보다 변동성이 더 크다고 주장해 이름을 알렸습니다.

출처: Athletic / Guardian 프로필 · 암기

Randall은 Knutson과 함께 StatsBomb을 공동 창업했으며, 두 사람은 2024년 8월 발표된 Hudl 인수 이후 회사를 떠났습니다.

출처: World Soccer Talk / Business Wire 2024 · 암기

Riddersholm은 2014/15시즌 미트윌란을 이끌고 클럽 첫 우승을 차지했는데, Benham 모델의 세트피스 루틴과 Knutson이 설계를 도운 분석 기반 스카우팅에 의존했습니다.

출처: 슈페르리가 아카이브 · 암기

Graham은 리버풀을 떠난 뒤 2023년 Ludonautics를 설립했습니다. 초기에 Michael Edwards가 비상임 이사로 발표되었습니다.

출처: Research Live / Training Ground Guru 2023 · 암기

Graham의 회고록 겸 분석서는 2024년에 출간되었으며, 클럽 차원의 축구 데이터 문화를 다룬 공개 문헌 중 가장 많이 인용되는 책 중 하나입니다.

출처: Penguin Books Australia / Aevitas 2024 · 암기

Decroos, Bransen, Van Haaren, Davis의 논문은 KDD 2019에서 VAEP를 소개했고, 학술 스포츠 분석에서 점유 가치 모델링의 기준이 되었습니다.

출처: KDD 2019 / KU Leuven ML Group · 암기

독일 기자 Christoph Biermann의 「Football Hackers」(2019년 영어판)는 미트윌란에서 리버풀, 브렌트퍼드에 이르기까지 분석 중심 클럽들의 부상을 기록했습니다.

출처: 출판사 기록 / SportsBook of the Year 2019 · 암기

Benham, Knutson, Graham의 사례가 기준 패턴입니다. 프로 축구 바깥에서 온, 계량 분석 중심 배경의 인물이 데이터 중심 클럽의 첫 분석 인력으로 거듭 영입되어 왔습니다.

출처: 코칭 동향 2013~26년 · 응용

골과 xG 사이의 큰 마이너스 격차는 표본이 커지면 대개 xG 쪽으로 수렴합니다. 기본 가정은 모델의 실패가 아니라 결정력의 변동입니다.

출처: 분석 문헌 · 응용

PSxG에서 골을 뺀 값은 표준적인 선방 대용 지표입니다. 25 - 18 = +7은 그가 맞은 슈팅이 예측한 것보다 7골을 덜 내줬다는 뜻입니다.

출처: StatsBomb 분석 · 응용

골 에어리어에 집중된 슈팅 맵은 먼 거리나 좁은 각도에서 슈팅 기회를 만들어서가 아니라, 공급받은 패스를 마무리해서 가치를 내는 스트라이커를 나타냅니다.

출처: StatsBomb / Wyscout 시각화 · 응용

전진 패스는 앞으로 나아간 거리(미터)를 셉니다. xT는 볼을 더 가치 높은 구역으로 옮기는 것을 보상합니다. 전진 패스량은 많은데 xT가 보통 수준이라면, 비교적 안전한 지역에서 거리를 쌓고 있다는 뜻입니다.

출처: 분석 문헌 · 응용

높은 필드 틸트에 낮은 xG는 경기 막판의 영역 압박은 있으나 침투가 없다는 특징적인 신호이며, 로 블록을 친 상대가 잘 버티고 있다는 고전적인 징후입니다.

출처: 분석 문헌 · 응용

높은 공격 OBV에 마이너스 수비 OBV는 공격적인 풀백의 전형입니다. 알폰소 데이비스나 트렌트 알렉산더아널드 같은 유형을 떠올리면 됩니다.

출처: StatsBomb OBV 문헌 · 응용

세트피스 xG가 8인데 득점이 4골뿐인 것은 회귀로 메워질 수 있는 그럴듯한 변동 격차입니다. 전면적인 변화에 앞서 비용이 가장 적게 드는 조치는 실행 방식을 점검하는 것입니다.

출처: 지도서 · 응용

중요한 것은 양보다 위치입니다. 깊은 지역의 드리블은 가치가 낮은 이벤트이며, 이 지도는 기술 부족이 아니라 역할 배치를 시사합니다.

출처: 분석 문헌 · 응용

하프 스페이스에서 볼을 받는 횟수와 정상급 볼 운반 기여는 인버티드 윙어 역할의 지문과 같으며, 아스널과 맨체스터 시티가 2022년 이후 특별히 영입해 온 유형입니다.

출처: 선수 영입 문헌 2022~25 · 응용

볼 없는 위협은 선수가 볼 없이 어디에 서 있었는지 알 때만 드러납니다. 찬스 순간의 위치 스냅샷이 필요한 구체적인 근거입니다.

출처: StatsBomb 360 활용 사례 · 응용

미트윌란의 2014/15시즌 우승은 클럽 역사상 처음이었고, Benham의 방법론을 다룬 공개 분석 글의 대표 사례가 되었습니다.

출처: 덴마크 슈페르리가 기록 / Football Hackers · 암기

브렌트퍼드가 2020/21시즌 챔피언십 플레이오프에서 승리해 74년 만에 처음으로 1부 리그에 올랐고, 이는 Benham 분석 모델의 승리로 널리 평가받습니다.

출처: 챔피언십 기록 2020/21 · 암기

레스터의 우승 시즌은 빈도는 낮고 변동성은 큰 결과에 모델이 허를 찔리는 현대의 전형적인 사례이며, 바로 Benham의 접근법이 대비하도록 설계된 위험 특성입니다.

출처: 프리미어리그 기록 / 분석 문헌 · 암기

Graham의 공개 회고는 살라를 부서의 가치를 가장 공개적으로 입증한 모델 기반 영입이라고 설명합니다. 그는 약 3,690만 파운드에 로마에서 왔고 리버풀에서 주요 트로피를 모두 들어 올렸습니다.

출처: Athletic / Ludonautics 프로필 · 암기

강등된 헐 시티에서 800만 파운드에 영입한 로버트슨은 데이터 스카우트의 대표 사례입니다. 기초 수치가 시장의 인식과 크게 어긋나 있었습니다.

출처: Athletic / Ludonautics 프로필 · 암기

2021년 리버풀과의 계약은 StatsBomb 360의 출시 사례였으며, 이 제품은 온볼 이벤트마다 주변 선수들의 위치 스냅샷을 추가합니다.

출처: Sky Sports / Business Wire 2021 · 암기

2022/23시즌 홀란의 프리미어리그 36골은 38경기 체제 시대의 한 시즌 최다 기록이며, 그 자체로 정상급인 90분당 xG 위에 쌓인 것이어서 보기 드문 조합이었습니다.

출처: 프리미어리그 기록 2022/23 · 암기

브라이턴의 데 제르비 시대는 분석 우선 영입 모델과 독특한 빌드업 대형을 결합했고, 전진 패스 프로파일링의 공개 기준 사례가 되었습니다.

출처: 프리미어리그 분석 2022~24 · 암기

이라올라의 본머스는 공격적인 압박 모델과 데이터 중심 영입 방식을 채택해, 2025/26시즌 유로파리그 진출로 클럽을 이끌었습니다.

출처: 프리미어리그 2023~26 · 암기

리즈의 데이터 기반 운영은 마르셀로 비엘사 체제에서 눈에 띄기 시작해 49ers 소유 아래에서 공개 분석 이야기가 되었으며, 특히 세트피스와 골킥 모델링에서 두드러졌습니다.

출처: 챔피언십 / 프리미어리그 분석 2020~25 · 암기

공개 xG 모델은 페널티킥에 약 0.76으로 수렴합니다. 대략 4번 중 3번이 득점으로 이어진다는 뜻입니다.

출처: Opta / StatsBomb 모델 문서 · 암기

오픈 플레이에서 골 에어리어 중앙의 슈팅은 오픈 플레이 상황 중 xG가 가장 높은 축에 속하지만, 페널티킥에는 미치지 못합니다. 구체적인 수치는 모델마다 다르지만 40%대 중반입니다.

출처: Opta / StatsBomb 모델 문서 · 암기

장거리 중앙 슈팅은 눈에 띄게 극적이지만 xG는 매우 낮습니다. 최고의 스트라이커조차 낮은 비율로만 득점합니다.

출처: Opta / StatsBomb 모델 문서 · 암기

StatsBomb은 자사 피드를 경기당 3,300~3,400개 이상의 이벤트로 설명했으며, 360 제품에서는 모든 이벤트에 위치 스냅샷이 추가됩니다.

출처: StatsBomb 문서 2021~24 · 암기

Singh의 모델은 경기장을 16x12 격자의 192개 구역으로 나누었고, 2017/18시즌 프리미어리그 데이터로 적합시켰습니다.

출처: karun.in 블로그 2018 · 암기

로버트슨 영입은 데이터 스카우팅 횡재의 상징적인 사례로 여겨집니다. 이후 세계적 수준의 풀백이 된 선수를, 나중에 그 시대 최고의 헐값 영입 중 하나라고 농담할 만한 금액에 데려왔습니다.

출처: Athletic 이적 기록 2017 · 암기

Opta와 StatsBomb의 여러 시즌 보고서로 뒷받침되는 업계 경험칙은, 대부분의 현대 리그에서 세트피스가 전체 득점의 대략 4분의 1에서 3분의 1을 차지한다는 것입니다.

출처: Opta / StatsBomb 시즌 요약 · 암기

xT는 도착 구역의 가치를 보상합니다. 페널티 에어리어로 들어가는 패스는 센터서클로 들어가는 패스보다 훨씬 가치가 큰데, 박스 구역에서는 이어지는 몇 번의 동작 안에 득점할 확률이 훨씬 높기 때문입니다.

출처: karun.in 블로그 / xT 문헌 · 암기

기저의 xG에 못 미치는 성과는 표본이 커지면 거의 항상 xG 쪽으로 수렴합니다. 필요한 조치는 전술의 전면 개편이 아니라 인내와 모니터링입니다.

출처: 분석 문헌 · 응용

병목 지점이 구체적으로 설명되어 있습니다. 팀은 위협을 만들지만 그것을 슈팅으로, 슈팅을 골로 전환하지 못합니다. 마무리 전문 선수는 위협에서 xG로 가는 빠진 단계를 직접 메웁니다.

출처: 지도서 · 응용

PSxG는 슈팅이 유효 슈팅으로 날아간 궤적을 조건으로 삼아, 골키퍼의 대응을 마무리 품질과 분리합니다. 선방을 평가하는 올바른 도구입니다.

출처: StatsBomb 문서 · 응용

xG 체인은 뒤에 슈팅이 이어질 때만 동작을 보상합니다. xT는 점유가 슈팅으로 끝나는지와 무관하게 볼을 더 가치 높은 구역으로 옮기는 모든 동작을 보상하므로, 영입 요구 조건에 더 가깝습니다.

출처: karun.in 블로그 / xG 체인 문헌 · 응용

볼 없는 움직임은 정의상 온볼 이벤트가 아니므로, 이를 측정하려면 스트라이커가 볼을 갖고 있지 않은 시점의 위치 데이터가 필요합니다.

출처: 분석 문헌 · 응용

수비수 위치를 더하면 모델의 예측이 정교해집니다. 같은 위치의 슈팅이라도 수비수가 슈터를 막고 있으면 득점 확률이 의미 있게 낮아집니다.

출처: StatsBomb / Opta 모델 문헌 · 응용

한 경기의 xG는 표본이 작은 값입니다. 시즌 합계와 견주면 경기 단위 수치는 훨씬 잡음이 큰 통계이고, 한 경기에서 나온 헤드라인 결론은 대개 유지되지 않습니다.

출처: 분석 문헌 · 응용

OBV는 슈팅과 수비 동작에도 가치를 매기며, 독점 피드에는 품질 보증과 범위가 따라옵니다. 아마추어가 만든 xT는 값싸게 시작하기에 유용하지만 완전한 영입 체계는 아닙니다.

출처: StatsBomb OBV 문서 · 응용

단순한 슈팅은 두 모델이 일치하는 단순한 특징을 가집니다. 불일치는 각 제공업체의 맥락 특징이 갈리는 복잡한 국면에서 커집니다.

출처: 분석 문헌 · 암기

빈도 지도는 양을 보여 줍니다. xG 지도는 위치의 질로 가중한 양을 보여 줍니다. 후자가 제기된 질문에 직접 답합니다.

출처: 분석 문헌 · 응용

상대가 볼을 점유하는 동안의 볼 없는 거리는 정의상 이벤트가 아니며, 연속적인 선수 위치 트래킹으로만 복원할 수 있습니다.

출처: 분석 문헌 · 암기

VAEP는 KDD 2019에 완전히 문서화되어 재현할 수 있고, OBV는 공급업체의 실시간 데이터 파이프라인에서 대규모로 가동됩니다. 둘 다 쓸모가 있지만, 투명성과 운영 편의성 사이의 맞교환입니다.

출처: KDD 2019 / StatsBomb 문서 · 응용

Hudl의 인수는 2024년 8월에 마무리되었습니다. Ted Knutson과 Charlotte Randall은 물러났고, 합쳐진 회사는 Hudl의 제품군 안에서 StatsBomb이라는 이름을 유지했습니다.

출처: World Soccer Talk / Business Wire 2024 · 암기

Ludonautics는 2023년에 출범했고, 출범 때 Edwards의 역할이 발표되었으며, Graham의 책이 2024년에 이어졌습니다.

출처: Training Ground Guru 2023 · 암기

Edwards는 2022년 스포츠 디렉터(SD)에서 물러난 뒤, 2024년 FSG에 더 폭넓은 축구 운영 역할로 돌아왔습니다.

출처: Athletic 보도 2024 · 암기

Graham의 2024년 책은 2019/20시즌 프리미어리그 우승으로 정점에 오른 리버풀 시대를 중심으로 구성되어 있으며, 이는 클럽의 30년 만의 첫 우승이었습니다.

출처: Penguin Books 2024 · 암기

알론소의 레버쿠젠은 2023/24시즌 클럽 사상 첫 분데스리가 우승을 무패로 달성하고 DFB-포칼까지 더했으며, 코칭과 데이터가 함께 작동한 사례로 분석 문헌 전반에서 인용됩니다.

출처: 분데스리가 기록 2023/24 · 암기

슬롯의 리버풀은 2024/25시즌 프리미어리그에서 우승해, 그의 부임 첫 시즌에 2019/20시즌 이후 처음으로 클럽에 우승을 안겼습니다.

출처: 프리미어리그 기록 2024/25 · 암기

2023~2026년 상위 클럽들의 양상은 트래킹 데이터와 이벤트 데이터(StatsBomb 360, Second Spectrum, Sportlogiq)가 기초 계층이고 나머지는 모두 그 위에 얹힌다는 것입니다.

출처: 분석 도입 동향 2023~26 · 응용

선행 지표에 관한 모든 주장은 변동성에 비추어 검증해야 합니다. 표본이 작으면 미들 서드 xT는 90분당 지표로서 잡음이 클 수 있습니다. 필요한 점검은 경력 확인이 아니라 안정성 분석입니다.

출처: 분석 문헌 · 응용

세트피스 xG에 관한 주장을 검증하려면 시간에 걸친 해당 지표가 필요하며, 일정 난이도를 보정해야 합니다. 보정 없는 단일 시즌 헤드라인 수치는 대개 결정적이지 않습니다.

출처: 분석 문헌 · 응용

한 경기에서 허용한 xG가 4라면 위험한 슈팅이 많이 통과했다는 뜻입니다. 무실점은 실제지만, 그 정도 품질의 슈팅량을 계속 수비하면 결국 실점하게 된다는 것이 그 밑에 깔린 신호입니다.

출처: 분석 문헌 · 응용

결정력은 아주 큰 슈팅 표본에서만 드러납니다. 슈팅 10개는 변동성이 지배합니다. 잘못은 모델이 아니라 표본 크기입니다.

출처: 분석 문헌 · 응용

수비 지역에서 보내는 시간이 더 많은 팀의 선수는 태클할 기회가 더 많습니다. 태클 횟수의 절대치는 실력과 노출을 뒤섞으므로, 해법은 기회당 비율로 보정하는 것입니다.

출처: 분석 문헌 · 응용

4시즌 연속 25%의 꾸준한 초과 성과는 그 선수의 결정력에 대한 믿음을 갱신하기에 충분한 증거입니다. 그 정도 기간에도 회귀를 고집하는 것은 또 다른 종류의 오류입니다.

출처: 분석 문헌 · 응용

특정 디비전에서의 임대 한 번은 작고 대표성 없는 표본입니다. 이를 결정적 입력으로 쓰는 것은 영입에서 교과서적인 과적합 위험입니다.

출처: 분석 문헌 · 응용

역할상 위험도 높은 동작을 강요받는 선수는 OBV가 크게 마이너스일 수 있습니다. 그의 OBV를 포지션별 기준과 비교하고 전술 지시를 감안하는 것이 점검 방법입니다.

출처: StatsBomb OBV 문서 · 응용

수비수 맥락이 없으면, 수비수 세 명이 골라인 위에 선 붐비는 골 에어리어 슈팅도 마크 없는 슈팅과 똑같이 취급됩니다. 이 모델은 설계상 붐비는 세트피스 슈팅을 과대평가합니다.

출처: 분석 문헌 · 응용

xT 값은 과거 데이터에서 학습됩니다. 현대 축구가 2017/18시즌 표본보다 하프 스페이스에 더 큰 비중을 둔다면, 재사용한 모델은 그 구역을 과소평가합니다.

출처: xT 문헌 · 응용

클러치 분석은 기저율 오류가 일어나기를 기다리는 고전적인 사례입니다. 막판 슈팅에는 자체 기저율이 있습니다. 구체적인 해법은 같은 선수의 비클러치 성과와 포지션별 기준선에 견주는 것입니다.

출처: 분석 문헌 · 응용

단일 공급업체 체계의 모델 위험은 구체적인 집중 위험입니다. 모든 모델에는 가정이 있고, 운영 전체를 한 공급업체에 거는 것은 그 편향을 통째로 들이는 일입니다.

출처: 위험 관리 문헌 · 응용

경기당 공중볼 경합 승률은 잡음이 심하기로 유명합니다. 단일 경기 구분은 대개 변동성이 지배하며, 그 구분에 기반한 예측은 교과서적인 소표본 오류입니다.

출처: 분석 문헌 · 응용

xG는 확률이지 보장이 아닙니다. 0.15짜리 슈팅은 충분한 시도를 거치면 약 15%의 비율로 득점합니다. 그것이 그 숫자가 담은 내용의 전부입니다.

출처: Opta / StatsBomb 문서 · 암기

xT의 핵심 동기는, 골이나 어시스트가 뒤따르지 않아 전통적 통계로는 전혀 보이지 않는 가치 있는 볼 이동 동작에 점수를 부여하는 것입니다.

출처: karun.in 블로그 / 분석 문헌 · 암기

2021년 발표된 리버풀의 다년 StatsBomb 계약은 StatsBomb 360 출시와 맞물려 있었으며, 구단은 이 도구를 Graham이 이끄는 자체 내부 부서와 함께 사용했습니다.

출처: Sky Sports / Business Wire 2021 · 암기

올바른 질문은 어느 동작의 기대 득점 가치가 더 높은가입니다. 마크 없는 선수에게 짧게 옆으로 내줘 12야드에서 때리는 슈팅은 보통 약한 발로 20야드에서 때리는 슈팅을 압도하며, 이 결정은 단순한 xG 극대화입니다.

출처: 분석 문헌 · 응용

표본 크기 점검은 데이터 기반 스카우팅 주장에 대한 가장 효과 큰 타당성 검사입니다. 500분을 바탕으로 한 멋진 차트는 같은 차트를 5,000분으로 그린 것과 다른 이야기를 합니다.

출처: 분석 문헌 · 응용

프로 축구 전체에서 세트피스 득점의 기저율은 스타일과 무관하게 약 25~35%입니다. 점유 주장은 그 기저율과 무관합니다.

출처: Opta / StatsBomb 시즌 요약 · 응용

xG와 xA를 합산하려면 90분당 분모와 포지션별 기준이 필요합니다. 둘 중 하나라도 없으면 합산 점수는 선수 개인의 질이 아니라 역할과 출전 시간을 반영합니다.

출처: 선수 영입 분석 · 응용

경기 단위 xG는 헤드라인은 만들지만 입증하지는 못하는 소표본 통계입니다. 한 경기의 격차에 대한 올바른 자세는 잠정적인 관심입니다.

출처: 분석 문헌 · 응용

브렌트퍼드와 미트윌란에서의 Benham-Knutson 조합은 현대의 데이터 우선 채용의 상징적 사례이며, 이후 Edwards와 Graham을 통해 리버풀에서 확대되었습니다.

출처: 코칭 / 분석 역사 · 암기

공개 모델은 유용한 선별 도구이지만, 독점 피드와 트래킹 피드가 제공하는 수비수 맥락과 볼 없는 구조가 없습니다. 영입 담당 부서가 업그레이드 비용을 내는 구체적인 이유입니다.

출처: 분석 문헌 2023~26 · 응용