作者：王毓健（TSNA專欄作家）
英國足球記者Rory Smith本月出版新書《期待的進球：數據如何征服足球與永遠改變比賽的故事》(Expected Goals: The Story of How Data Conquered Football and Changed the Game Forever)，提及數據統計觀念如何進入全球第一運動並且細化、深化過程。但是，如雨後春筍誕生的各種數據，真的改變了足球嗎？
在不少棒、籃球轉播中，經常可聽到數據或紀錄就是職業運動最重要部分之一。不過在足球世界裡，這種觀念長期僅限於幾個特別項目，冠軍、積分、進球、失球，甚至在1990年代以前，每場比賽官方所提供數據也僅包括進球、射門、角球、犯規、黃牌、紅牌，以及進球者、替補出賽者等事件發生的時間。
很大原因是進一步數據首先就面臨定義困難的問題。下個難關是，那些數據才有助於解讀比賽？此外，足球與棒、籃、排、網球等運動不同，大部分數據都不具有正、反二元性。
其實光以助攻為例，定義到底是什麼？有多家豪門客戶的西班牙足球數據公司Driblab創辦人Salvador Carmona指出，助攻概念是NBA在1960年代開始統計後，才進入運動領域，但足球上定義除了是進球者接獲的最後一傳外，其餘條件都很模糊；Rory Smith也同意此看法，並指出1994年美國在舉辦世界盃時首度使用此數據後，曾引起廣泛討論。
足球數據公司Opta的助攻定義是，隊友接球後射門進球前最後一次傳球，這家饒富聲望的公司在認定上從寬，除了傳球以外，在隊友補射進球前被對方守門員撲救、中門柱或門楣的射門，以及贏得12碼罰踢並且最後造成進球的動作者也能記助攻，但傳球之外的這些情況在FIFA統計中，通常都不會認定是助攻。
事實上，即使是助攻概念發源的籃球，定義也有許多模糊空間。FIBA(國際籃球總會)定義是接球者始終保持得分企圖，且得分手段不因接球產生變化，則最後傳球者可獲助攻，換言之，如果接球者還必須突破防守者，即使沒有運球只是用假動作將人引誘開，可能也不算助攻；NBA定義相對簡單，活球狀態下，得分前最後傳球造成直接得分，就算助攻，但這部分其實也看紀錄人員對「直接得分」的理解與認定。
其次是那些數據才有助於解讀比賽？足球在近年不段嘗試新統計，例如利用科技統計出球員跑動距離與活動熱區，但光看這些數據，很難判斷綠茵場上實際情況。一位跑了10公里的球員，我們或許可說他勞苦，但功高就未必了，也許其作用還不如一名球員在禁區橫向跑動10公尺拉開防守者為隊友創造單刀進球機會。
最後是足球的數據並非每樣都是正反二元性。例如棒球打擊率0.300，可以表示打者有30%打數能擊出安打，剩下70%是出局；責失分率則表示投手每9局會因為自己責任丟掉的分數，相當明確。
足球則不然，有正反二元性數據也許是傳球成功率、過人成功率、爭頂成功率等，但這些數據是否越高越有優勢？未必。另個明顯例子可能是持球率，80%持球率也可能輸給20%持球率，因為橫向或向後傳球，同樣算在持球時間中，而持球少的球隊可能1次有效傳球就換得進球。越位同樣如此，我們該把越位多的球隊解讀為更有進攻企圖？或是對方越位陷阱製造得成功？更別說考慮到越位與進球機會未必正相關。
最初足球數據只有寥寥幾項不無原因，因為除了那些項目，其餘大部分量化都很困難，而且這是種牽涉到更多團隊配合的運動。例如前西班牙中場Cesc Fbregas效力切爾西時，2014-15、2015-16賽季的預期助攻(最後一傳製造出輕鬆破門機會)，但2014-15有18次助攻，2015-16卻下降至7次，扣除認定定義誤差，我們也只能認定原因之一是主要負責進攻的中鋒(Striker)人選換人。
補救方式是增加更多更細數據，例如預期進球(expected goals)、預期助攻(expected assists)、潛在威脅(expected threat)、有威脅傳球(killer pass)等，但多半情況是重複了前述3個問題，也許對解讀比賽發揮一定作用，但也帶來更多爭議與定義困擾。
歐洲、美國雖然廣義上文化系出同源，但始終有不同傳統，例如學術上長期以來美國偏向量化研究，歐洲更傾向質化研究與經驗歸納，不同傳統特點也出現在起源於這兩處的運動。當然足球必須與時俱進，現在看來也離不開數據，但數據是否征服並永久改變這項運動？下定論恐怕為時尚早。
關於助攻，在足壇最知名的有趣小故事可能來自於阿根廷中場Héctor Enrique。1986年世界盃8強戰他在後場把球短傳給Diego Maradona，後者透過奔跑和盤帶穿越球場，在11次觸球中甩開包括英格蘭守門員在內6人，攻進20世紀最佳進球。
Enrique總是這麼開玩笑：「那是必進球。那麼精妙的一腳傳過去，Diego怎麼可能不進球！」儘管所有人看來那都是Maradona個人完成的進球，但無可否認，Enrique那腳看來無關緊要的傳球找對了人，也是進球前最後一傳。那麼，這該算助攻嗎？
更多專欄：MLB總教練不再握權 Maddon：不懂棒球的在主管
本文為《TSNA》授權刊登，不代表TVBS立場。
英國足球記者Rory Smith本月出版新書《期待的進球：數據如何征服足球與永遠改變比賽的故事》(Expected Goals: The Story of How Data Conquered Football and Changed the Game Forever)，提及數據統計觀念如何進入全球第一運動並且細化、深化過程。但是，如雨後春筍誕生的各種數據，真的改變了足球嗎？
在不少棒、籃球轉播中，經常可聽到數據或紀錄就是職業運動最重要部分之一。不過在足球世界裡，這種觀念長期僅限於幾個特別項目，冠軍、積分、進球、失球，甚至在1990年代以前，每場比賽官方所提供數據也僅包括進球、射門、角球、犯規、黃牌、紅牌，以及進球者、替補出賽者等事件發生的時間。
很大原因是進一步數據首先就面臨定義困難的問題。下個難關是，那些數據才有助於解讀比賽？此外，足球與棒、籃、排、網球等運動不同，大部分數據都不具有正、反二元性。
足球數據公司Opta的助攻定義是，隊友接球後射門進球前最後一次傳球，這家饒富聲望的公司在認定上從寬，除了傳球以外，在隊友補射進球前被對方守門員撲救、中門柱或門楣的射門，以及贏得12碼罰踢並且最後造成進球的動作者也能記助攻，但傳球之外的這些情況在FIFA統計中，通常都不會認定是助攻。
事實上，即使是助攻概念發源的籃球，定義也有許多模糊空間。FIBA(國際籃球總會)定義是接球者始終保持得分企圖，且得分手段不因接球產生變化，則最後傳球者可獲助攻，換言之，如果接球者還必須突破防守者，即使沒有運球只是用假動作將人引誘開，可能也不算助攻；NBA定義相對簡單，活球狀態下，得分前最後傳球造成直接得分，就算助攻，但這部分其實也看紀錄人員對「直接得分」的理解與認定。
其次是那些數據才有助於解讀比賽？足球在近年不段嘗試新統計，例如利用科技統計出球員跑動距離與活動熱區，但光看這些數據，很難判斷綠茵場上實際情況。一位跑了10公里的球員，我們或許可說他勞苦，但功高就未必了，也許其作用還不如一名球員在禁區橫向跑動10公尺拉開防守者為隊友創造單刀進球機會。
最後是足球的數據並非每樣都是正反二元性。例如棒球打擊率0.300，可以表示打者有30%打數能擊出安打，剩下70%是出局；責失分率則表示投手每9局會因為自己責任丟掉的分數，相當明確。
足球則不然，有正反二元性數據也許是傳球成功率、過人成功率、爭頂成功率等，但這些數據是否越高越有優勢？未必。另個明顯例子可能是持球率，80%持球率也可能輸給20%持球率，因為橫向或向後傳球，同樣算在持球時間中，而持球少的球隊可能1次有效傳球就換得進球。越位同樣如此，我們該把越位多的球隊解讀為更有進攻企圖？或是對方越位陷阱製造得成功？更別說考慮到越位與進球機會未必正相關。
補救方式是增加更多更細數據，例如預期進球(expected goals)、預期助攻(expected assists)、潛在威脅(expected threat)、有威脅傳球(killer pass)等，但多半情況是重複了前述3個問題，也許對解讀比賽發揮一定作用，但也帶來更多爭議與定義困擾。
歐洲、美國雖然廣義上文化系出同源，但始終有不同傳統，例如學術上長期以來美國偏向量化研究，歐洲更傾向質化研究與經驗歸納，不同傳統特點也出現在起源於這兩處的運動。當然足球必須與時俱進，現在看來也離不開數據，但數據是否征服並永久改變這項運動？下定論恐怕為時尚早。
關於助攻，在足壇最知名的有趣小故事可能來自於阿根廷中場Héctor Enrique。1986年世界盃8強戰他在後場把球短傳給Diego Maradona，後者透過奔跑和盤帶穿越球場，在11次觸球中甩開包括英格蘭守門員在內6人，攻進20世紀最佳進球。
Enrique總是這麼開玩笑：「那是必進球。那麼精妙的一腳傳過去，Diego怎麼可能不進球！」儘管所有人看來那都是Maradona個人完成的進球，但無可否認，Enrique那腳看來無關緊要的傳球找對了人，也是進球前最後一傳。那麼，這該算助攻嗎？
本文為《TSNA》授權刊登，不代表TVBS立場。
◤Blueseeds永續生活◢
