Der tales om tal næsten overalt, hvor fodboldfolk samles — på trænerbænken, til taktikmøde, endda helt ude på de små, nørdede onlinefora. Det er ikke længere kun inde på stadionet; også hjemme foran skærmen fletter data sig ind blandt fans og gamblere. Ja, man ser det tydeligt: datafolk har, på en eller anden måde, fået plads ved siden af de klassiske trænere. Det sniges ind alle steder.
Kunstig intelligens præger pludselig oddsmarkedet på måder, som for ti år siden havde lydt småskøre. Klubber tygger på begreber som expected goals og presintensitet, mens spillere følges tæt — nærmest i sekundintervaller. Selv i bettingmiljøet brygges der på nye matematiske modeller for at fiske enhver lille fordel op. Det går hurtigt, det hele. Dataanalyse er ikke længere luksus for de rige — det er blevet noget nær nødvendigt, hvis man vil holde sig med i kampen om toppen.
Datadrevet fodbold hver dag
Hos de store klubber i Europa, der er datastrømmen nærmest uendelig. Man må næsten sige, at alt måles: afleveringer, løb, skud — alt bliver talt op, hurtigt, og bunker af det endda. Der er nok ikke mange Superliga- eller Premier League-hold, som ikke har flere analytikere rendende rundt og lægger rapporter på trænerbordet både før og midt under kampene. I dag sætter ting som xG, heatmaps og til tider beregninger af odds hos Betinia ikke bare retning for træning, men også hvilken taktik eller udskiftning man hiver op ad ærmet på undervejs.
Brentford og FC Midtjylland? De bliver ofte brugt som eksempler på, hvor meget man faktisk kan opdage med det rigtige dataoverblik — ingen gider vel betale overpris for spillere, der ikke passer ind. De har endda sat værktøjer op til at vurdere hele transfermarkedet mere nøgternt, for at skære risikoen ned. På akademierne tester man ikke kun spillerne på fysik og teknik længere; det hele smeltes sammen med personlighedsprofiler og data, så træning balanceres mere skræddersyet. Altså, det der for få år siden virkede lidt som niche-nørderi – det har snedigt sneget sig ind, nærmest overalt.
Dataanalyse og online odds
Bettingindustrien har længe samarbejdet med statistikere og softwareudviklere; nu er machine learning og automatisering blevet afgørende. Bookmakere justerer odds næsten i realtid – på baggrund af form, skader, boldbesiddelse, vejr og flere tusinde datapunkter, nogle gange fra så små ligaer som U19 i Danmark. Spillere benytter selv store datasæt fra f.eks. football-data.co.uk for at spotte værdifulde fejl i oddsmarkedet og analysere årtiers kampresultater i Excel. Mulighederne for at omsætte data til fordele er aldrig set større.
Man kan vel sige, at open source-værktøjer som Python og R egentlig har udlignet spillet lidt. Selv den lille klub — eller bare den ivrige fan — kan i dag bygge solide modeller uden at tømme kontoen på eksterne eksperter. Både tempo og præcision i datahåndteringen har fået et nyk opad. Kunstig intelligens gør det, trods alt, muligt at fange tendenser, som man før måske kun havde en fornemmelse af. Så det er måske ikke forkert at sige, at der nærmest er et slags kapløb mellem bookmakere og gamblere om, hvem der læser tallene bedst – ingen ved vel rigtigt, hvor det ender.
AI ændrer fodboldens landskab
Man fristes til at tro, det kun handler om betting, men kunstig intelligens sætter også spor på selve banen. AI kan, så vidt jeg forstår, tygge sig igennem ufattelige mængder sæsondata fra flere ligaer på et øjeblik. Dataanalytikere – de er nærmest blevet fast inventar i trænerstaben flere steder. Under kampene sendes realtidsindsigter ned til bænken via tablets, så trænerne kan agere næsten med det samme, hvis noget stikker ud.
Det betyder, at beslutninger, som tidligere var baseret på mavefornemmelse, ofte nu træffes med noget mere tal på bordet – ja, i hvert fald hvis alt kører, som det skal. Også på ungdomshold kan små udsving i spilleres bevægelser pludselig afsløre skjult talent eller advare om skader, før nogen når at gøre alvor af det. “At have næse” for fodbold er der stadig brug for, men den næse bakkes nu op af algoritmer og rapporter – om det altid gør det lettere? Det kan vel diskuteres.
Demokratisering og nye muligheder
Det er ikke længere kun storholdene eller de store selskaber, der har adgang til alt det avancerede. Nu er det faktisk sådan, at med open source, API’er man bare kan finde online, og små kodeeksempler, kan stort set alle lave forudsigelser eller afprøve egne idéer mod markedets konklusioner. Denne udvikling gør, at selv én godt funderet model kan ændre mere, end man umiddelbart tror.
I betting, ja, nogle vil sige, at marginen mellem gevinst og tab nu næsten er forsvindende lille. Når folk tager egne analyser og tilsætter åbne databaser samt AI-værktøjer, så ligner det lidt, at heldspillet får svært ved at klare sig uden struktur. Udviklingen ser ikke ud til at trække i bremsen. Sportslig succes eller drømmen om at “slå markedet” — dem, der for alvor lærer at bruge data, virker til at stå bedst rustet. Måske.
Ansvarlighed i en ny dataalder
Det bliver hurtigt teknisk, men ansvarlighed må faktisk ikke smutte i svinget. Blot fordi analyser og optimeringer rykker grænserne, bør man alligevel holde fast i det sikkerhedsnet, der sikrer, at spillet ikke tager overhånd. Man tror måske nogle gange, at data giver fuld kontrol, men intet system kan tage risikoen væk helt — uanset hvad nogen lover. Det kan være gavnligt at have øje for egne grænser, kigge på vaner og faktisk tage det alvorligt, hvis man mærker, at det glider. Data og nye værktøjer gør det sjovere – men der er (for at sige det lidt banalt) stadig brug for omtanke undervejs.
Foto: https://pixabay.com/photos/soccer-playing-field-stadium-1859046/
