Uno dei giornalisti sportivi più letti e seguiti in Grecia, Vasilis Sambrakos, ha intervistato il CEO di Comparisonator, Tarkan Batgün, e l’intervista è stata pubblicata su Sport24. Ecco alcuni dei titoli principali:
Vasilis Sambrakos discute con il fondatore della piattaforma di scouting Comparisonator, Tarkan Batgün, sulla rivoluzione che l’analisi dei dati e la tecnologia AI hanno portato nel modo in cui i club calcistici effettuano i trasferimenti.
Tarkan Batgün è una figura riconoscibile nel campo dello scouting moderno e dell’analisi delle prestazioni.
Con oltre vent’anni di esperienza in quattro continenti, ha lavorato come Direttore dello Scouting e Responsabile dell’Analisi delle Prestazioni in club professionistici, ha insegnato in federazioni e organizzazioni educative e attualmente è il CEO della piattaforma Comparisonator, uno degli strumenti più avanzati al mondo per valutare e confrontare i giocatori di calcio attraverso i dati e l’AI.
La sua carriera lo ha portato al centro del dibattito internazionale sul futuro dello scouting, in quanto combina conoscenze calcistiche, competenze tecnologiche e una profonda comprensione delle differenze tra i mercati, dall’Europa alla Turchia, dall’Australia agli Stati Uniti. Con questo background, è uno degli interlocutori più autorevoli su come il calcio si sta evolvendo nell’era dei big data e dell’Intelligenza Artificiale.
Nella nostra discussione, Batgün fa riferimento ai giovani calciatori greci che giocano fuori dalla Grecia e che si distinguono oggi. E spiega come lo scouting moderno si stia trasformando grazie alla tecnologia digitale, al processo decisionale guidato dai dati e ai modelli AI che stanno cambiando il modo in cui le squadre identificano, valutano e prevedono i talenti.
-Lei ha lavorato nel campo dell’analisi calcistica e dello scouting in diversi continenti, dall’Australia alla Turchia e all’Europa. In che modo questa esperienza internazionale ha plasmato il suo modo di approcciare i dati e l’identificazione dei talenti oggi?
“Lavorare nel calcio in quattro continenti mi ha insegnato una verità fondamentale: i dati non significano nulla senza un contesto culturale. Un giocatore in Australia, Turchia o Belgio può presentare gli stessi numeri, ma l’ambiente, il ritmo del campionato e la cultura tattica cambiano completamente il significato di quei numeri.
Il mio periodo in Australia mi ha aiutato a capire la sistematicità e la tecnologia; in Turchia mi sono concentrato sullo sviluppo dei giocatori e sul lato umano dello scouting; e in Europa ho imparato ad allineare questi due mondi. Ecco perché in Comparisonator, la nostra AI non si limita a fare calcoli, ma si adatta al ‘linguaggio’ del calcio in ogni Paese.
Questo equilibrio tra comprensione locale e confronto internazionale è ciò che rende la nostra tecnologia utile a livello globale e che mi fa appassionare alla costruzione di ponti tra le culture calcistiche attraverso i dati”.
-Lei è intervenuto in eventi globali e forum sul calcio, ha coordinato numerosi panel su dati, AI e scouting da Milano, Londra, Barcellona alla Serbia, all’Australia e alla Turchia, ed è stato consulente di club e federazioni. Cosa pensa che le abbia portato questo livello di rispetto e riconoscimento internazionale nella comunità calcistica?
“Il rispetto nel calcio non viene dai titoli, ma dalla coerenza e dalla dedizione. Per oltre due decenni, ho lavorato per collegare tre mondi che raramente parlano la stessa lingua: il calcio, il mondo accademico e la tecnologia.
Dalla creazione del primo modello di Laboratorio di Scouting, alla collaborazione come consulente con aziende di dati internazionali come Wyscout, Sportstec, Hudl, SoccerLab, ho sempre cercato di costruire sistemi in grado di resistere al di là degli individui. Quando parlo ai forum internazionali – sia al Social Football Summit di Roma, sia a DealDone Serbia, sia al Forum ungherese sul calcio – il mio obiettivo non è quello di ‘vendere’ tecnologia.
Si tratta di condividere le reali conoscenze calcistiche tradotte in dati e logica AI. Le persone in questo spazio lo apprezzano, perché sanno che proviene dal lavoro sul campo e dietro lo schermo. In fin dei conti, il calcio è un linguaggio universale. La mia missione era quella di garantire che i dati lo parlassero in modo fluente”.
-Quali giovani greci si distinguerebbero se qualcuno cercasse giovani calciatori che partecipano a campionati lontani dalla Grecia?
“Utilizzo il modulo del Comparisonator Recruitment Shop per identificare i giovani giocatori che entrano nei campionati U17-U19 o professionali in qualsiasi parte del mondo, tramite l’AI Player Finder.
Una volta inserita una categoria di età e il filtro della nazionalità e del passaporto – ad esempio, la Grecia in questo caso – il sistema visualizza automaticamente un elenco di giocatori in ogni posizione che hanno il passaporto greco, insieme a statistiche selezionate per trovare il talento giusto.
Seguo personalmente molti di questi giovani giocatori greci in tutto il mondo. Alcuni nomi particolarmente interessanti sono:
- Theofanis Bakoulas (2005) – Rio Ave (Portogallo)
- Theodoros Sakoufakis (2007) – Union Berlin U19 (Germania)
- Christos Kostoglou (2009) – Dortmund U17 (Germania)
- Andreas Poulopoulos (2009) – Werder Bremen U17 (Germania)
- Alexandros Zaverdinos (2007) – Sydney FC (Australia)
- Grigoris Politikis (2006) – Torino U20 (Italia)
- Philippos Tsapipis (2008) – Horsens U19 (Danimarca)
Seguo anche diversi importanti giocatori U23 di origine greca, come ad esempio:
- Nektarios Triantis (2003) – Minnesota United (USA)
- Michalis Kosidis (2002) – Zagleby Lubin (Polonia)
- Aidy Jaiko (2002) – Cherkasy (Ucraina)”.
-Dal suo punto di vista, qual è il più grande cambiamento nello scouting calcistico negli ultimi cinque anni grazie ai dati e all’intelligenza artificiale?
“Il cambiamento più grande è il passaggio dal giudizio alla giustificazione. Cinque anni fa, lo scouting si basava principalmente sulle opinioni. Ora, ogni osservazione deve essere supportata da prove di dati. L’AI ha reso possibile tutto questo, trasformando l’intuizione in qualcosa di misurabile e ripetibile.
Oggi gli scout non si limitano a descrivere i giocatori, ma li “convalidano” con metriche come i punti AI, la coerenza dei trend e l’adattamento al ruolo. Non ha sostituito l’esperienza umana, ma l’ha migliorata, dando struttura a ciò che una volta era istinto”.
-Quali tipi di dati ritiene siano gli indicatori più affidabili delle prestazioni future di un giocatore?
“I dati più affidabili sono quelli che spiegano i modelli, non i momenti. Noi di Comparisonator abbiamo imparato che il trend di consistenza, l’efficienza decisionale e la ripetibilità fisica di un giocatore sono indicatori più forti delle prestazioni future rispetto ai singoli momenti salienti.
“Inoltre, ci basiamo molto sui Punti Fitness AI per misurare la sostenibilità delle prestazioni di un giocatore nel tempo, non solo la sua bravura di una volta. Quando questo viene combinato con le prestazioni e l’idoneità al ruolo adattate al contesto, si inizia a vedere il vero futuro di un giocatore, non solo il suo passato”.
-Come può l’AI aiutare i club a ridurre il rischio quando investono in giocatori provenienti da mercati meno conosciuti o sottovalutati?
“L’intelligenza artificiale consente ai club di sostituire le ipotesi con le prove. Quando si seguono giocatori provenienti da mercati meno conosciuti o sottovalutati, il rischio maggiore è l’incoerenza dei dati: campionati diversi, stili di gioco diversi e lacune nel contesto rendono quasi impossibile il confronto.
È qui che entra in gioco l’AI. Attraverso piattaforme come Comparisonator, l’AI normalizza e traduce le prestazioni di ogni giocatore in un linguaggio calcistico universale, in modo che un terzino della USL League possa essere efficacemente confrontato con uno della Lega Pro belga.
I modelli AI valutano non solo le statistiche, ma anche le difficoltà contestuali, come la forza del campionato, la qualità della squadra e l’ambiente tattico. Questo processo trasforma i giocatori sconosciuti in profili quantificabili. I club possono vedere come le metriche di un giocatore potrebbero teoricamente funzionare se giocasse in un ambiente più impegnativo – questa è quella che io chiamo tecnologia di “Trasferimento Virtuale”.
Aiuta i team di reclutamento a simulare il rischio prima della firma, utilizzando la modellazione predittiva invece dell’intuizione. In breve, l’AI non sostituisce lo scouting umano, ma lo migliora, consentendo agli scout di prendere decisioni più rapide, sicure e informate, soprattutto nei mercati in cui lo scouting tradizionale è limitato o parziale”.
-Quando i club utilizzano Comparisonator, a quali punti di dati o metriche danno priorità durante lo scouting?
“Ogni club utilizza i dati in modo diverso, ma la priorità principale è la chiarezza, la comprensione del motivo per cui un giocatore sta ottenendo risultati, non solo di quanto sta ottenendo. Quando utilizzano Comparisonator, gli allenatori e gli scout in genere iniziano con le metriche basate sul ruolo, piuttosto che con i numeri grezzi.
Per esempio, invece di chiedere semplicemente “chi ha il maggior numero di tackle”, si chiede: “chi si comporta come un terzino difensivo?” o “chi si adatta al profilo di un centrocampista box-to-box?”.
Ecco perché la piattaforma di Comparisonator converte oltre 700 parametri statistici in punti AI e indici specifici per ruolo, consentendo agli utenti di valutare i giocatori in base alla loro posizione funzionale all’interno di un sistema.
I club danno priorità a indicatori come:
- Punti AI (Indice di prestazione globale)
- Punti AI Fitness (Indice di efficienza fisica)
- Adattamento al ruolo posizionale %
- Curve di consistenza e di tendenza
- Difficoltà del campionato e regolazione del contesto della squadra
Queste metriche permettono ai club di vedere l’efficacia reale di un giocatore, non solo il numero di passaggi o di tackle effettuati. Le aree più utilizzate sono i moduli Giocatore contro Giocatore e la funzione Trasferimento Virtuale”.
-Come si normalizzano i dati tra campionati di diversa capacità e quanto è affidabile questa normalizzazione nel prevedere l’adattamento di un giocatore?
“Si tratta di una delle sfide più grandi dell’analisi calcistica: confrontare i giocatori di campionati che operano a livelli completamente diversi. La piattaforma Comparisonator utilizza un motore di normalizzazione guidato dall’AI che regola le prestazioni di ogni giocatore in base alla difficoltà del campionato, alla forza della squadra e alla qualità dell’avversario.
Nel corso del tempo, i modelli di apprendimento automatico imparano da migliaia di trasferimenti ed esiti, migliorando continuamente le ponderazioni. Il risultato non è teorico, ma predittivo”.
-Come si assicura che i suoi modelli di intelligenza artificiale evitino le distorsioni derivanti dalla forza del campionato, dallo stile di gioco delle squadre o dalla scarsità di dati?
“Il pregiudizio è il nemico silenzioso dei dati sul calcio. Per ridurlo al minimo, i modelli AI di Comparisonator sono addestrati su set di dati multi-campionato e multi-stagione. Tutto viene normalizzato attraverso una ponderazione contestuale: forza del campionato, stile della squadra, tasso di possesso, livello dell’avversario.
In caso di scarsità di dati, il modello passa alla previsione basata sui trend, invece di creare conclusioni errate”.
-Come si convalidano le previsioni guidate dall’AI rispetto ai risultati effettivi delle prestazioni?
“La convalida è il punto in cui la tecnologia incontra la realtà. In Comparisonator, ogni previsione dell’AI viene testata rispetto alle prestazioni effettive dopo i trasferimenti. Tracciamo il modo in cui i giocatori si adattano effettivamente, confrontando i punti AI previsti prima del trasferimento con i loro risultati post-trasferimento.
Questo ciclo di feedback consente al modello di autocorreggersi, imparando quali variabili sono davvero importanti per la regolazione delle prestazioni”.
Clicchi qui per leggere l’intervista originale: https://www.sport24.gr/football/aftoi-einai-oi-nearoi-ellines-podosfairistes-pou-xexorizoun/
