數據分析:左邊峰為何強於右邊鋒,用數字說明事實

2020-12-21 切爾西的飲水機

在過去的十多年中,足壇的傳統位置慢慢地從講究平衡的442轉變為更加注重進攻的433。而在其中,左邊鋒與右邊鋒的位置尤為重要,他們不僅要承擔起為球隊進攻的任務,還要為中鋒提供傳球與拉開進攻空間。

今天偶然看到了兩張有趣的圖片,分別是當今足壇左邊鋒與右邊鋒的代表人物。那麼今天我們就以這兩張圖的球員作為一個參考,對比一下過去5年的世界足壇中,到底是左邊鋒的貢獻更大還是右邊鋒的貢獻更大。

在對比之前,我們首先看一下兩邊都有誰?

左邊鋒:孫興慜,斯特林,馬內,薩內,內馬爾,科曼,C羅,因西涅,阿扎爾,拉什福德

右邊鋒:桑喬,格納布裡,貝爾,迪瑪利亞,薩拉赫,B-席爾瓦,梅西,齊耶赫,馬赫雷斯,登貝萊

進球數對比,最簡單直接的對比

首先我們來一個最直接的對比,也就是兩邊球員(都是10人)在過去5年中為球隊貢獻的總進球數。其中左邊鋒的總進球為845個,而右邊鋒的總進球為778個。

而從兩組數據的對比中也可以看到,左邊鋒的進球數據的變動幅度要小於右邊鋒。也就是說,右邊鋒球員的進球分布參差不齊,整體進球實力不如左邊鋒。

助攻數對比,誰是更好的傳球手

與進球數相反的是,右邊鋒的總助攻數512次要高於左邊鋒的455次。按照平均數來算,右邊鋒幾乎每人要比左前鋒多5.7次的助攻。按照兩組加起來的平均數據[(455+512)/20],大於48次的邊鋒可以算是出色的傳球手。左邊鋒方面,只有4人,而右邊鋒有5次。綜合來說,右邊鋒出好的傳球手機率更大。

關鍵比賽的表現,決賽的貢獻

決定一位球員的能力不單單要看他常規數據的表現,還得看他在大場面,也就是決賽時候有怎樣的演出。下面的圖例統計了兩組邊鋒過去5年在決賽的數據(進球+助攻)情況,其中包括了歐冠決賽與國內杯賽的表現。

在歐冠決賽貢獻這一數據上,兩者幾乎沒有差別,打成4-4的平手。左邊鋒方面,馬內、C羅與內馬爾共打進4球;而右邊鋒上,貝爾打進2球和1助攻,薩拉赫也貢獻1球。

而在國內杯賽上,兩組邊鋒的貢獻值分別為11-14,從數據來看右邊鋒似乎更強。但有一個數據可以看到,梅西佔據了14次中的10次,而左邊鋒中最高的球員是內馬爾,只佔了其中的6次。如果拋開梅西這樣的bug球員,左邊鋒的實力顯然更強。

身價對比,這是球員綜合的反饋

要評論一名球員的價值,只從進球上很難完全反饋,因為這畢竟是11個人的運動。那麼接下來,我們就對比兩組球員的一個現役平均身價。有球迷也許會質疑計算球員的巔峰價格是不是更好,個人認為這10人裡面既有已經老去,也有處於巔峰或沒到巔峰的球員,因此現役身價的對比沒有太大的問題。(球員的身價參考國內綠色app軟體)。

球員的身價可以明顯看到,無論是最低值還是最高值還是平均值,左邊鋒都要好於右邊鋒。在超過6000W身價的球員中,左邊鋒佔有8位,而右邊鋒只有5位。

深究原因,出色的左邊鋒為何比右邊鋒多

通過以上的幾組數據,基本可以得出一個定論:那就是左邊鋒的球員整體實力要強於右邊鋒,而這到底是為什麼呢?以下的幾點是個人的一點見解,希望與大家分享。

1、現代邊鋒崇尚內切,右腳球員比左腳球員多

羅本是內切的一位典型球員

首先和大家取得一個共識,那就是邊鋒在邊路更多是負責內切,而邊衛更多是負責傳中,因此邊鋒更多是選擇自己的逆足邊路。而右腳球員比左腳球員多,這就代表了踢左邊鋒的球員更多,自然誕生的強者也就更多。

2、球隊的右路防守壓力更大

大部分隊伍的進攻都會呈現「左傾」方向,這就讓球隊的右路防守壓力一般會比左路大。這一定程度表明了右邊鋒回防的時間要多於左邊鋒。上組舉例的10名球員中,左邊鋒幾乎是清一色沒有防守任務的球員;而右邊鋒中,迪瑪利亞,B-席甚至是馬赫雷斯,都會更多地參與到防守中,前兩人更多是出現在中場的位置。一來一回之間,左邊鋒的銳利感就要更強於右邊鋒。

3、速度是邊鋒最犀利的武器

作為一名邊鋒,速度必然要快,尤其是體現在反擊的時候。試想一下這樣一個場面,如果中場球員將球斷下,他第一反應是傳左邊還是右邊?自己嘗試一下,你就很快發現第一反應肯定是傳自己逆足腳的方向,因為這樣更容易發力。結合右腳球員比左腳球員多的原因,這也就導致了左邊鋒反擊的效率要更高。

以上就是個人的一點小見解,希望與大家分享一下,有想法的球迷歡迎在評論區寫下你的高見。(原創:切爾西的飲水機,首發於百家號)

相關焦點

  • 近十年足壇最強右邊鋒!你心中最強右邊鋒是誰?
    右邊鋒,是指足球運動中前鋒的一種,邊鋒不僅需承擔起邊路進攻的職責,而且通過交叉換位要完成多種戰術任務,主要在右邊路前場活動。隨著足球戰術的發展,邊鋒位置在球隊中的作用越來越大。突破、組織、分球、防守等等,那麼近十年有哪些優秀的右邊鋒呢?
  • 文章寫作:比喻說明與用數字說明
    作者列舉了各種常見魚的發聲現象,分析說明了魚類發聲的原理,並且把魚類發聲的原理分為「生理學聲音」和「動水力學聲音」兩種。比喻形象逼真,如聞其聲,猶如歷歷在目。使讀者對魚類發聲的現象和發聲的原理認識清晰,了解更具體。有的比喻說明,著重闡明事物的本質。
  • 從數據可視化到交互式數據分析
    最新和最時尚的名字是數字科學,更具體地說是數據科學的一部分,稱為「探索性數據分析」,這是幾十年前偉大的約翰·圖基(John Tukey)發明的術語。簡單起見,我將其稱為:數據分析,或者是視覺數據分析,甚至是交互式視覺數據分析,以強調是可以與之交互的圖形表現(學術界和商界也稱之為視覺分析)。為何更多地談論數據分析?
  • 大數據分析看如何成為美人
    本文的目的是分析OkCupid網站的數據,沒有一點點客觀對象化是不可能的。不久會輪到把男性作 為客觀對象來分析展示給大家。按照慣例,本文中沒有任何分析(名人的例子除外)是我個人的觀點。所有數據均是從實際用戶活動中收集的。1. 咱們從頭開始。所 有的人,尤其是男人們花費大量精力搜索、瀏覽和聯繫我們最熱門的用戶。
  • 如何使用Excel進行數據分析?
    1.注意事項數據分析的對象雖然不僅僅局限於純粹的數字類信息,但是Excel 分析工具只能對數據類信息進行處理。因此在使用Excel 分析工具時要靈活地將文字、圖形類信息轉化為數據信息。其方法是用數字代碼來代替非數值類信息。
  • 分析一次double強轉float的翻車原因
    🙋‍♂️: 你們組做的那塊代碼,把double類型數據成float有問題啊💨.💁‍♀️: 嗯?不對是正常啊,float精度是沒有double高,但float能保存到小數點後好多位,對我們來說完全夠用了!🙋‍♂️: 不是啊,這不是小數點多少位的問題,而是現在整型數據,轉出來也有問題啊,你看.💁‍♀️: XX00😱.... 這什麼鬼?
  • 全球頂尖數據分析企業來了!SAS廣州數字生態創新中心在黃埔開業
    6月28日,全球第一的數據分析企業SAS(Statistical Analysis System)設在黃埔區廣州科學城的數字生態創新中心開業。13年內實現吸引或孵化50家大數據、人工智慧相關企業SAS作為全球最大的私有軟體公司,是全球數據分析領域的領導企業。在2019年10月IDC(Internet Data Center,網際網路數據中心)發布的報告中,SAS再次超越所有高級分析及預測分析軟體供應商,市場份額排名第一。
  • 大數據分析,什麼樣的美女最受男生青睞?
    本文的目的是分析OkCupid網站的數據,沒有一點點客觀對象化是不可能的。不久會輪到把男性作 為客觀對象來分析展示給大家。按照慣例,本文中沒有任何分析(名人的例子除外)是我個人的觀點。所有數據均是從實際用戶活動中收集的。1. 咱們從頭開始。所有的人,尤其是男人們花費大量精力搜索、瀏覽和聯繫我們最熱門的用戶。
  • 不出峰,峰拖尾,重現性不好……是哪個「蘇大強」在作妖
    氣相色譜或者氣質聯用儀在使用過程中,可能會遇到一些故障例如 不出峰,峰拖尾,峰分叉,出鬼峰,靈敏度下降,進樣重現性不好,
  • Tekran2700-操作說明
    4、在工作表的Sample/ID列輸入樣品名,可右鍵點擊單元格彈出如下圖所示菜單,選擇樣品名:Clean為清洗循環,Sample為待測樣品,Calblank為校準空白樣,Std...為校準標樣(後綴數字為濃度值,單位ppt);
  • SPSSAU數據分析思維培養系列2:分析方法
    除此之外,還進行差異關係,影響關係涉及的分析方法解析,最後針對更深入的影響關係進行說明。希望通過本文幫助大家更快地掌握數學分析的思維,使用正確和科學的分析方法,完成科學的研究報告。第1點,數據類型進行數據分析的第一個思維,數據類型的識別。
  • 我用Excel發現了數據分析的本質:回歸分析
    事物都是萬變不離其宗的,一切外在的方法都是為了事物本質而服務的,數據分析自然也不例外,今天我們就來探討一下數據分析的本質。數據分析的本質其實絕大多數的數據分析問題,都可以歸納為一個問題:相關性問題。相關性分析是數據統計學中的基礎思想,主要就是為了探究數據之間是否具有關聯性,簡單說就是X與Y或者X與Y、Z等之間的變化是否有關聯。
  • 如何用聚類模型(k-means)做數據分析?
    k-means屬於無監督學習算法,無監督算法的內涵是觀察無標籤數據集自動發現隱藏結構和層次,在無標籤數據中尋找隱藏規律。聚類模型在數據分析當中的應用:既可以作為一個單獨過程,用於尋找數據內在規律,也可以作為分類等其他分析任務的前置探索。
  • 出軌變奏曲系列-數字型出軌分析(沒敢說大數據,怕你們煩)
    上回說到,康奈爾大學社會學家Christin Munsch曾引用過一項2002~2007年間的全美調查,裡面有數據頗為蹊蹺,那就是在18~28歲的人群中,平均每年竟然只有1.4%的女性和3.8%的男性承認自己有對伴侶不忠的行為。1.4和3.8!想來不止你看得咄咄稱奇,我也被這兩個過分美好消瘦的數字給shocked了,一時興起,便去各種資料庫中刨根問底起來。
  • 真實的謊言——我們是如何被事實和數字欺騙的?
    今天我就來聊一類「真實的謊言「,這類謊言它說的每一個事實都是真的,每一個數字都是正確的,但它卻能成功地欺騙我們。小樣本謊言是指用並不能代表整體的極小樣本試圖描述整體狀況,這是一種基於真實數據說謊的典型方式,常見於多種實際場合——公司財報:我們經常會看到某網際網路公司財報公關稿裡會說自己某項創新業務上季度收入增長300%,但它不會告訴你具體數,因為這個具體的數字可能是收入從1萬增長到4
  • 面向初學者的數據分析知識,讓你快速了解數據分析
    數據或信息只是一串原始的數字或字符,數據量的增加會導致各種需求的增加。比如我們需要對數據執行檢查,進行數據清理,轉換以及數據建模,通過這些方式來達到我們需要的目的,得出相應的結論,做出正確的決策——我們把這一系列過程稱為數據分析。
  • 什麼是數據敏感度?怎麼培養數據敏感度?
    對數據不敏感的人,看到數字,則晃晃腦袋,目光發散,心裡嘀咕,這是什麼?這能說明什麼?就像人體對溫度的敏感度,碰到滾燙的開水,人的本能反應就是把手縮回來,再吹手散溫。每個人對溫度的敏感度差不多,因為這是身體本能。
  • 用EXCEL做數據分析,從實戰中熟悉,更進一步
    數據分析或構建模型數據可視化一切的數據分析工作都是為了解決問題,所以在做數據分析之前,我們首先要搞懂要處理分析什麼樣的問題;在採集或者收集到數據信息後,我們要理解數據分別是代表什麼信息;接著我們要進行數據清洗,一般我們拿到數據後,可能是雜亂無章的
  • 如何用決策樹模型做數據分析?
    編輯導語:在這個大數據時代,數據對於各行各業的重要性不言而喻,因此有越來越多的企業開始重視並且運用數據分析。數據分析的方法有很多種,今天,本文作者為我們介紹了決策樹模型的分析方法,讓我們一起來看看如何用決策樹模型做數據分析吧。
  • 用數據講故事:5個方法提升數據思維,掌握用故事說服他人的能力
    他是以為成功的頗受歡迎的演講者,經常在溝通會議、市場營銷和數據分析會議上演講。激發團隊利用數據做更多事情,推動他人決策和行動。在海量大數據與微信、微博、短消息的時代,人人都是自媒體,事實和真相越來越重要。要想發出有說服力、有影響力的聲音,要想吸引更多流量,必須把大量數據與人類講故事的天賦相結合,從而影響他人的決策和行動。