Один из самых читаемых и читаемых спортивных журналистов Греции, Василис Самбракос, взял интервью у генерального директора Comparisonator Таркана Батгюна, которое было опубликовано на сайте Sport24. Вот некоторые из ключевых заголовков:
Василис Самбракос обсуждает с основателем скаутской платформы Comparisonator Тарканом Батгюном революцию, которую аналитика данных и технология искусственного интеллекта произвели в том, как футбольные клубы осуществляют трансферы.
Таркан Батгюн – узнаваемая фигура в области современного скаутинга и анализа производительности.
Имея более чем двадцатилетний опыт работы на четырех континентах, он работал директором по скаутингу и руководителем отдела анализа эффективности в профессиональных клубах, преподавал в федерациях и образовательных организациях, а в настоящее время является генеральным директором платформы Comparisonator, одного из самых передовых инструментов в мире для оценки и сравнения футболистов с помощью данных и искусственного интеллекта.
Его карьера привела его в центр международных дебатов о будущем скаутинга, поскольку он сочетает в себе футбольные знания, технологический опыт и глубокое понимание различий между рынками, от Европы и Турции до Австралии и США. Благодаря этому он является одним из самых авторитетных собеседников по вопросам развития футбола в эпоху больших данных и искусственного интеллекта.
В нашей беседе Батгюн говорит о молодых греческих футболистах, которые играют за пределами Греции и выделяются сегодня. Он также объясняет, как современный скаутинг трансформируется благодаря цифровым технологиям, принятию решений на основе данных и AI-моделям, которые теперь меняют способы выявления, оценки и прогнозирования талантов в командах.
-Вы работали в области футбольной аналитики и скаутинга на разных континентах, от Австралии до Турции и Европы. Как этот международный опыт повлиял на то, как Вы сегодня подходите к работе с данными и выявлению талантов?
“Работа в футболе на четырех континентах научила меня одной фундаментальной истине – данные ничего не значат без культурного контекста. Игрок в Австралии, Турции или Бельгии может показывать одни и те же цифры, но окружающая среда, темп игры и тактическая культура полностью меняют значение этих цифр.
Время, проведенное в Австралии, помогло мне понять систематизацию и технологии; в Турции я сосредоточился на развитии игроков и человеческой стороне скаутинга; а в Европе я узнал, как совместить эти два мира. Вот почему в Comparisonator наш ИИ не просто выполняет расчеты, он адаптируется к “языку” футбола в каждой стране.
Этот баланс между местным пониманием и международным сравнением – то, что делает нашу технологию полезной во всем мире, и то, что поддерживает во мне страсть к наведению мостов между футбольными культурами с помощью данных”.
-Вы выступали на мировых мероприятиях и футбольных форумах, координировали многочисленные дискуссии по вопросам данных, искусственного интеллекта и скаутинга в Милане, Лондоне, Барселоне, Сербии, Австралии и Турции, а также консультировали клубы и федерации. Как Вы думаете, что принесло Вам такое международное уважение и признание в футбольном сообществе?
“Уважение в футболе не приходит от титулов – оно приходит от постоянства и преданности делу. Более двух десятилетий я работал над тем, чтобы соединить три мира, которые редко говорят на одном языке: футбол, научные круги и технологии.
Начиная с создания первой модели скаутской лаборатории и заканчивая сотрудничеством в качестве консультанта с такими международными компаниями, предоставляющими данные, как Wyscout, Sportstec, Hudl, SoccerLab, я всегда старался создавать системы, способные выдержать не только отдельных людей. Когда я выступаю на международных форумах – будь то на Саммите социального футбола в Риме, или на DealDone Serbia, или на Венгерском футбольном форуме – моя цель не в том, чтобы “продать” технологию.
Речь идет о том, чтобы поделиться реальными знаниями о футболе, воплощенными в данных и логике ИИ. Люди, работающие в этой сфере, ценят это – потому что они знают, что это результат работы как на поле, так и за экраном. В конце концов, футбол – это универсальный язык. Моя задача заключалась в том, чтобы данные говорили на нем свободно”.
-Какие молодые греки выделялись бы, если бы кто-то искал молодых футболистов, выступающих в чемпионатах далеко за пределами Греции?
“Я использую модуль Comparisonator Recruitment Shop для поиска молодых игроков, выходящих в U17-U19 или профессиональные лиги в любой точке мира с помощью AI Player Finder.
Как только я ввожу возрастную категорию и фильтр по национальности и паспорту – например, Греция в данном случае – система автоматически отображает список игроков на каждой позиции, имеющих греческий паспорт, вместе с выбранными статистическими данными, чтобы найти нужный талант.
Я лично слежу за многими из этих молодых греческих игроков по всему миру. Вот некоторые особенно интересные имена:
- Теофанис Бакулас (2005) – Рио Аве (Португалия)
- Теодорос Сакуфакис (2007) – Union Berlin U19 (Германия)
- Кристос Костоглоу (2009) – Дортмунд U17 (Германия)
- Андреас Пулопулос (2009) – Вердер Бремен U17 (Германия)
- Александрос Завердинос (2007) – ФК Сидней (Австралия)
- Григорис Политикис (2006) – Торино U20 (Италия)
- Филиппос Цапипис (2008) – Хорсенс U19 (Дания)
Я также слежу за несколькими известными игроками U23 греческого происхождения, такими как:
- Нектариос Триантис (2003) – Миннесота Юнайтед (США)
- Михалис Косидис (2002) – Zagleby Lubin (Польша)
- Айди Джайко (2002) – Черкассы (Украина)”
-С Вашей точки зрения, что больше всего изменилось в футбольном скаутинге за последние пять лет благодаря данным и искусственному интеллекту?
“Самое большое изменение – это переход от суждений к обоснованию. Пять лет назад скаутинг в основном основывался на мнениях. Теперь каждое наблюдение должно быть подкреплено данными. ИИ сделал это возможным, превратив интуицию в нечто измеримое и повторяемое.
Сегодня скауты не просто описывают игроков, они “подтверждают” их с помощью таких показателей, как очки ИИ, согласованность тенденций и соответствие роли. Это не заменило человеческий опыт, а расширило его, придав структуру тому, что когда-то было инстинктом”.
-Какие типы данных Вы считаете наиболее надежными индикаторами будущих результатов игрока?
“Самые надежные данные – это те, которые объясняют закономерности, а не моменты. В Comparisonator мы поняли, что тенденция к постоянству, эффективность принятия решений и физическая повторяемость игрока являются более сильными индикаторами будущих результатов, чем отдельные яркие моменты.
“Мы также в значительной степени полагаемся на очки фитнеса ИИ, чтобы измерить, насколько устойчива производительность игрока с течением времени, а не только то, насколько хорош он был когда-то. Когда это сочетается с результативностью с поправкой на контекст и соответствие роли, Вы начинаете видеть истинное будущее игрока, а не только его прошлое”.
-Как искусственный интеллект может помочь клубам снизить риск при инвестировании в игроков с малоизвестных или недооцененных рынков?
“Искусственный интеллект позволяет клубам заменить предположения доказательствами. При отслеживании игроков с менее известных или недооцененных рынков самым большим риском является несогласованность данных – разные лиги, разные стили игры и пробелы в контексте делают сравнение практически невозможным.
Именно здесь на помощь приходит искусственный интеллект. С помощью таких платформ, как Comparisonator, искусственный интеллект нормализует и переводит показатели каждого игрока на универсальный футбольный язык, так что защитника из Лиги USL можно эффективно сравнить с защитником из бельгийской Про-лиги.
Модели искусственного интеллекта оценивают не только статистические данные, но и контекстные сложности, такие как сила лиги, качество команды и тактическая обстановка. Этот процесс превращает неизвестных игроков в количественно измеримые профили. Клубы могут увидеть, как теоретически будут выглядеть показатели игрока, если он будет играть в более сложных условиях – это то, что я называю технологией “виртуального трансфера”.
Он помогает командам по подбору персонала моделировать риски перед подписанием контракта, используя прогнозирующее моделирование вместо интуиции. Короче говоря, ИИ не заменяет человеческий скаутинг, но улучшает его, позволяя скаутам принимать более быстрые, безопасные и обоснованные решения, особенно на рынках, где традиционный скаутинг ограничен или предвзят”.
-Когда клубы используют Comparisonator, какие данные или метрики они ставят во главу угла при проведении скаутинга?
Каждый клуб использует данные по-своему, но главный приоритет – это ясность, понимание того, почему игрок показывает высокие результаты, а не только то, сколько он показывает”. При использовании Comparisonator тренеры и скауты обычно начинают с ролевых показателей, а не с сырых цифр.
Например, вместо того, чтобы просто спрашивать “у кого больше всего захватов”, они спрашивают: “кто выступает в роли защитника?” или “кто соответствует профилю полузащитника Box-to-Box?”.
Именно поэтому платформа Comparisonator преобразует более 700 статистических параметров в показатели AI Points и ролевые индексы, позволяя пользователям оценивать игроков, исходя из их функционального положения в системе.
Клубы отдают предпочтение таким показателям, как:
- AI Points (общий индекс эффективности)
- AI Fitness Points (индекс физической эффективности)
- Соответствие позиционной роли %
- Последовательность и кривые тренда
- Регулировка сложности лиги и командного контекста
Эти показатели позволяют клубам увидеть, насколько эффективен игрок на самом деле, а не только количество сделанных им пасов или захватов. Наиболее часто используемые области – модули “Игрок против игрока” и функция “Виртуальный трансфер””.
-Как Вы нормализуете данные между лигами разной мощности и насколько надежна эта нормализация для предсказания адаптации игрока?
“Это одна из самых больших проблем в футбольной аналитике – сравнивать игроков из лиг, которые работают на совершенно разных уровнях. Платформа Comparisonator использует механизм нормализации, управляемый искусственным интеллектом, который корректирует показатели каждого игрока в зависимости от сложности лиги, силы команды и качества соперника.
Со временем модели машинного обучения учатся на тысячах переводов и исходов, постоянно улучшая весовые коэффициенты. Результат не теоретический, а предсказательный”.
-Как Вы убедитесь, что Ваши модели искусственного интеллекта не допускают предвзятости, обусловленной силой лиги, стилем игры команды или нехваткой данных?
“Предвзятость – молчаливый враг футбольных данных. Чтобы свести его к минимуму, модели искусственного интеллекта Comparisonator обучаются на наборах данных нескольких лиг и нескольких сезонов. Все нормализуется с помощью контекстного взвешивания – сила лиги, стиль команды, процент владения мячом, уровень соперника.
При нехватке данных модель переключается на прогнозирование на основе тенденций, а не делает неверные выводы”.
-Как Вы проверяете прогнозы, основанные на ИИ, на фактических результатах работы?
“Проверка – это место, где технология встречается с реальностью. В Comparisonator каждое предсказание ИИ проверяется на реальные показатели после трансферов. Мы отслеживаем, как игроки на самом деле адаптируются – сравнивая прогнозируемые AI очки до трансфера с их результатами после трансфера.
Этот цикл обратной связи позволяет модели самокорректироваться, узнавая, какие переменные действительно важны для корректировки производительности”.
Нажмите здесь, чтобы прочитать оригинал интервью: https://www.sport24.gr/football/aftoi-einai-oi-nearoi-ellines-podosfairistes-pou-xexorizoun/
