Tělesná kultura e2022.002 | DOI: 10.5507/tk.2022.002

Sportovní datová analýza: Porovnání české a dánské nejvyšší fotbalové soutěže

Michal Tomíček, Natalie Pelloneová
Ekonomická fakulta, Technická univerzita v Liberci, Česká republika

Východiska: Fotbal je jedním z nejpopulárnějších sportů na světě a použití statistických modelů k analýze dat je předmětem velkého zájmu trenérů, sportovních manažerů, fanoušků, novinářů a samozřejmě i samotných sportovců. V posledních letech využívají fotbalové kluby velice často služeb společností, které se zabývají analýzou sportovních dat. Pomocí datové analýzy je možné zjišťovat informace, které nelze prostým pozorováním hry zjistit. Z tohoto důvodu je v současné době o sportovní datové analýzy veliký zájem, a to především mezi fotbalovými kluby, které na základě nich činí důležitá strategická rozhodnutí.

Cíle: Pomocí statistických analýz porovnat dvě profesionální evropské fotbalové soutěže a určit jejich hlavní podobnosti a rozdíly.

Metodika: K ověření výzkumných otázek formulovaných v tomto výzkumu byly použity metody statistické analýzy dat. Databáze byla vytvořena na základě proměnných získaných od společnosti InStat, která se zabývá analýzou výkonnosti sportovců a sportovních týmů. K výpočtům byl použit statistický software Statgraphics Centurion XVIII.

Výsledky: Dánský fotbal vychází ze srovnání s českým fotbalem jako méně soubojový, kreativnější a pro diváka atraktivnější z pohledu většího množství vstřelených branek. Dánský fotbal má větší zastoupení cizinců mezi hráči. U obou analyzovaných soutěží byla prokázána pozitivní středně silná závislost bodového zisku na celkovém počtu fanoušků na stadionu pro klub. Českým klubům s růstem celkové návštěvnosti rostl celkový bodový zisk na konci sezony rychleji než dánským klubům. U obou analyzovaných soutěží byla prokázána středně silná korelace tržní hodnoty hráčů v poli a jejich výkonnosti. U českého hráče v poli rostla jeho tržní hodnota v závislosti na herních výkonech rychleji než u hráče dánské soutěže.

Závěry: Ve výzkumu byly porovnány dvě evropské fotbalové soutěže s vysokým potenciálem podobnosti pomocí statistické datové analýzy. Datovou analýzu ve sportu lze doporučit v rozhodovacích procesech zejména z důvodu jejích ekonomických i sportovních benefitů.

Klíčová slova: fotbal; korelační analýza; regresní analýza; tržní hodnota fotbalových hráčů; sportovní analýza

Sports data analysis: Comparison of the Czech and Danish top football competitions

Background: Football is one of the most popular sports in the world and the use of statistical models to analyse data is of great interest to coaches, sports managers, fans, journalists and, of course, the athletes themselves. In recent years, football clubs have very often used the services of companies that analyse sports data. With the help of data analysis, it is possible to find out information that cannot be ascertained simply by observing the game. It is no wonder that there is currently a great deal of interest in sports data analysis, especially among football clubs, which make important strategic decisions based on them.

Objective: Use statistical analysis to compare two professional European football competitions and identify their main similarities and differences.

Methods: Methods of statistical data analysis were used to verify the research questions formulated in this research. The database was created based on variables obtained from InStat, which analyses the performance of athletes and sports teams. Statgraphics Centurion XVIII statistical software was used for the calculations.

Results: Danish football is based on a comparison with Czech football as less competitive, more creative and more attractive for the spectator in terms of a larger number of goals scored. Danish football has a higher proportion of foreigners among the players. In both analysed competitions, a positive moderate dependence of point gain on the total number of fans at the stadium for the club was demonstrated. With the growth of total attendance, the Czech clubs grew their overall points at the end of the season faster than the Danish clubs. In both analysed competitions, a medium-strong correlation between the market value of players in the field and their performance was demonstrated. For a Czech player in the field, his market value grows faster depending on the game performance than for a player in a Danish competition.

Conclusions: The research compared two European football competitions with a high potential for similarity using statistical data analysis. Data analysis in sports can be recommended in decision-making processes, mainly due to its economic and sports benefits.

Keywords: football; correlation analysis; regression analysis; market value of football players; sports analysis

Vloženo: listopad 2021; Revidováno: březen 2022; Přijato: duben 2022; Zveřejněno online: květen 2022  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Tomíček, M., & Pelloneová, N. (2022). Sportovní datová analýza: Porovnání české a dánské nejvyšší fotbalové soutěže. Tělesná kultura, 45, Article e2022.002. https://doi.org/10.5507/tk.2022.002
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Zobrazit celý článek

    Reference

    1. 3F Superliga. (2021). Superliga.dk: Performance Center. https://www.superliga.dk/performance-center-superliga-2020-2021
    2. Binder, J. J., & Findlay, M. (2012). The effects of the bosman ruling on national and club teams in Europe. Journal of Sports Economics, 13(2), 107-129. https://doi.org/ 10.1177/1527002511400278 Přejít k původnímu zdroji...
    3. Bold. (2021). bold.dk: 3F Superliga - Tilskuere. https://www.bold.dk/fodbold/danmark/3f-superliga/2015-2016/
    4. Broich, H., Mester, J., Seifriz, F., & Yue, Z. (2014). Statistical analysis for the first Bundesliga in the current soccer season. Progress in Applied Mathematics, 7(2), 1-8. https://doi.org/ 10.3968/4886 Přejít k původnímu zdroji...
    5. Calleja-González, J., Los Arcos, A., Mejuto, G., Casamichana, D., San Roman Quintana, J., & Yanci, J. (2015). Reproducibilidad de test de aceleración y cambio de dirección en fútbol. Revista Internacional de Ciencias del Deporte, 11(40), 104-115. http://dx.doi.org/10.5232/ricyde2015.04001 Přejít k původnímu zdroji...
    6. Delgado-Bordonau, J. L., Doménech-Monforte, C., & Guzmán, J. (2013). Offensive and defensive team performance: Relation to successful and unsuccessful participation in the 2010 Soccer World Cup. Journal of Human Sport and Exercise, 8(4), 894-904. https://doi.org/10.4100/jhse.2013.84.02 Přejít k původnímu zdroji...
    7. dos Santos, C. A., Dani, A. C., & Hein, N. (2016). Relationship between the Brazilian soccer confederation rankings and the economical-financial indicators of soccer teams. Podium-sport Leisure and Tourism Review, 5(3), 41-59. http://dx.doi.org/10.5585/podium.v5i3.161 Přejít k původnímu zdroji...
    8. Fortuna:Liga. (2021). FortunaLiga.cz: Statistiky. https://www.fortunaliga.cz/statistiky?unit=1¶meter=1
    9. Frick, B. (2009). Globalization and factor mobility: The impact of the "Bosman-ruling" on player migration in professional soccer. Journal of Sports Economics, 10(1), 88-106. https://doi.org/10.1177/1527002508327399 Přejít k původnímu zdroji...
    10. Gardasevic, J., & Bjelica, D. (2020). Body composition differences between football players of the three top football clubs. International Journal of Morphology, 38(1), 153-158. https://doi.org/10.4067/S0717-95022020000100153 Přejít k původnímu zdroji...
    11. Glass, D. B. (2003). Fair-weather fans: The correlation between attendance and winning percentage. The Baseball Research Journal, 21, 81-84.
    12. Harper, J. (2021, March 5). Data experts are becoming football's best signings. BBC News. https://www.bbc.com/news/business-56164159
    13. He, M., Cachucho, R., & Knobbe, A., & He, M. (2015). Football player's performance and market value. In J. Davis, J. Van Haaren, & A. Zimmermann (Eds.), Proceedings of the 2nd workshop of sports analytics, European conference on machine lLearning and principles and practice of knowledge discovery in databases (ECML, PKDD). (pp. 87-95). https://www.researchgate.net/publication/321623604_Football_player%27s_ performance_and_market_value
    14. Hendl, J. (2012). Přehled statistických metod: Analýza a metaanalýza dat (4th ed.). Portál.
    15. Hindls, R. (2007). Statistika pro ekonomy. (8th ed.). Professional Publishing.
    16. InStat. (2020, September). Objective performance rating for players & teams. https://instatsport.com/football
    17. Kim, Y., Nam Bui, K. & Jung, J. J. (2019). Data-driven exploratory approach on player valuation in football transfer market. Concurrency and Computation Practice and Experience, 33(3), e5353. https://doi.org/10.1002/cpe.5353 Přejít k původnímu zdroji...
    18. Kirschstein, T., & Liebscher, S. (2018). Assessing the market values of soccer players - a robust analysis of data from German 1. and 2. Bundesliga. Journal of Applied Statistics, 46(7), 1336-1349. https://doi.org/10.1080/02664763.2018. 1540689 Přejít k původnímu zdroji...
    19. Konter, E., & Yurdabakan, I. (2010). Nonverbal intelligence of soccer players according to their age, gender and educational level. Social and Behavioral Sciences, 2(2), 915-921. https://doi.org/10.1016/j.sbspro.2010.03.126 Přejít k původnímu zdroji...
    20. Konter, E. (2010). Nonverbal intelligence of soccer players according to their level of play. Social and Behavioral Sciences, 2(2), 1114-1120. https://doi.org/10.1016/j.sbspro. 2010.03.126 Přejít k původnímu zdroji...
    21. Lago-Ballesteros, J., & Lago-Peñas, C. (2010). Performance in team sports: Identifying the keys to success in soccer. Journal of Human Kinetics, 25(2010), 85-91. https://doi.org/10.2478/v10078-010-0035-0T Přejít k původnímu zdroji...
    22. Maderer, D., Holtbrügge, D., & Schuster, T. (2014). Professional football squads as multicultural teams: Cultural diversity, intercultural experience, and team performance. International Journal of Cross Cultural Management, 14(2), 215-238. https://doi.org/10.1177/1470595813510710 Přejít k původnímu zdroji...
    23. Majewski, S. (2016). Identification of factors determining market value of the most valuable football players. Journal of Management and Business Administration, 24(3), 91-104. https://doi.org/10.7206/jmba.ce.2450-7814.177 Přejít k původnímu zdroji...
    24. Moura, F. A., Barreto Martins, L. E., & Cunha, S. A. (2014). Analysis of football game-related statistics using multivariate techniques. Journal of Sports Sciences, 32(20), 1881-1887. https://doi.org/10.1080/02640414.2013.853130 Přejít k původnímu zdroji... Přejít na PubMed...
    25. Müller, O., Simons, A., & Weinmann, M. (2017). Beyond crowd judgments: Data-driven estimation of market value in association football. European Journal of Operational Research, 263(2), 611-624. https://doi.org/10.1016/j.ejor.2017.05.005 Přejít k původnímu zdroji...
    26. Oberstone, J. (2009). Differentiating the top English Premier League football clubs from the rest of the pack: Identifying the keys to success. Journal of Quantitative Analysis in Sports, 5(3), Article 10. https://doi.org/10.2202/1559-0410.1183 Přejít k původnímu zdroji...
    27. Parker, S. D. G. (2016). Correlation between the National Football League draft and player performance. Robert D. Clark Honors College.
    28. Peters, D. (2011). Winning percentage and attendance in the NHL. St. John Fisher College.
    29. Redkva, P. E., Paes, M. R., Fernandez, R., & da-Silva, S. G. (2018). Correlation between match performance and field tests in professional soccer players. Journal of Human Kinetics, 62(1), 213-219. https://doi.org/10.1515/hukin-2017-0171 Přejít k původnímu zdroji... Přejít na PubMed...
    30. Sandgren E., Karlsson, M., & Ji-Guo Y. (2013). Correlation analy­sis between soccer game world ranking and player league distribution. Sport and Art, 1(2), 34-40. https://doi.org/ 10.13189/saj.2013.010202 Přejít k původnímu zdroji...
    31. Swanepoel, M. J., & Swanepoel, J. (2016). The correlation between player valuation and the bargaining position of clubs in the English Premier League (EPL). International Journal of Economics and Finance Studies, 8(1), 209-225.
    32. Transfermarkt. (2021). Transfermarkt.com: Intern. https://www.transfermarkt.com/intern/stellenangebote
    33. Yi, Q., Gómez, M. A., Liu, H., & Sampaio, J. (2019). Variation of match statistics and football teams' match performance in the group stage of the UEFA Champions League from 2010 to 2017. Kinesiology, 51(2), 170-181 https://doi.org/10.26582/k.51.2.4 Přejít k původnímu zdroji...
    34. Yue, Z., Broich, H., & Mester, J. (2014). Statistical analysis for the soccer matches of the first Bundesliga. International Journal of Sports Science & Coaching, 9(3), 553-560. https://doi.org/10.1260/1747-9541.9.3.553 Přejít k původnímu zdroji...

    Tento článek je publikován v režimu tzv. otevřeného přístupu k vědeckým informacím (Open Access), který je distribuován pod licencí Creative Commons Attribution 4.0 International License (CC BY 4.0), která umožňuje distribuci, reprodukci a změny, pokud je původní dílo řádně ocitováno. Není povolena distribuce, reprodukce nebo změna, která není v souladu s podmínkami této licence.


    Zpět na obsah