Na papiru brojke izgledaju impresivno. Osvojio je 12 lopti, dobio je sedam od sedam duela u obrani, sva tri njegova starta na loptu bila su uspješna, imao je i pet presječenih suparničkih dodavanja, sve to bez prekršaja i bez primljenog gola uz jedan udarac u okvir te 59 točnih dodavanja. Za jednog stopera, Božo Mikulić je na utakmici Osijeka i Hajduka ostvario gotovo pa savršen učinak. Na papiru.
U praksi, Mikulić je ostavio možda čak i najlošiji dojam, i to među igračima obiju momčadi.
Iz tog paradoksa možete izvući dva zaključka. Prvi je da statistika nema smisla ili da je kao bikini, a takav zaključak je apsolutno netočan i potpuno površan. Drugi zaključak je onaj kako statistika može mjeriti samo ono što je igrač napravio. Za vrednovanje onoga što nije napravio — a to je često puno važnije od onoga što jest, jer vrag je u detaljima — treba čovjek koji barata materijom i zdravim razumom.
Korištenje analitike u sportu prati jako sličnu logiku kao i znanstveno istraživanje. Osnova svega je promatranje okruženja oko sebe. Na temelju tog opažanja istraživač primjećuje zanimljive situacije, postavlja hipotezu zašto se nešto takvo događa i kreće u provjeravanje podataka kako bi tu hipotezu potvrdio i opovrgnuo. Razrađuje metodologiju analize podataka, određuje uzorak i varijable, obrađuje podatke i na kraju dobivene rezultate interpretira i iz toga izvlači zaključke.
Slično rade i treneri, skauti i analitičari u sportu. Prvo gledaju utakmicu, onda postavljaju svoje teze, a podatke koriste kako bi potvrdili ili opovrgnuli dojam koji su stekli kroz nešto što je opipljivo i provjerljivo, a onda na temelju toga rade analizu, interpretiraju rezultate koje su dobili i izvlače zaključke na temelju kojih traže rješenja.
Ukratko, proces analitike ide od čovjeka prema podacima, a ne obrnuto.
Koliko je netko imao duela i kakav je u postotku dodavanja prestaje biti važno čim završi utakmica. Tada postaje važno ne to što je napravio, nego zašto ili zašto nije
Na primjeru Bože Mikulića u Osijeku, onaj tko gleda utakmicu može opaziti kako je Mikulić dominantan u duelima i obrambenim akcijama, ali će svejedno prevladati dojam nesigurnog stopera. Pojavljuje se paradoks koji treba objasniti, jer čovjek je iznimno uspješan u obrambenim duelima, a istovremeno ostavlja loš dojam.
Kad bismo se u tom procesu oslonili samo na podatke i zaključivali isključivo na temelju njih, bez konteksta i šire slike, zaključak bi bio pogrešan. Podaci su samo pomoć, prilika da dojam potvrdimo nečim opipljivim i empirijskim, te kao takvi ne mogu dolaziti prvi. Oni pokazuju što je igrač napravio, a trener ili skaut moraju doći do zaključka što nije napravio. I još važnije — zašto nije napravio, jer poanta priče nije je li Mikulić dobar ili loš, nego je suština izvući zaključak kako bi točno definirao kontekst igre u kojemu su njegove kvalitete iskoristive ili područje na kojem se treba dodatno raditi.
Upravo to je najveći problem koji ljudi imaju s percepcijom statistike.
Osim što je naslonjena na matematiku koja je tradicionalno jedan od najomraženijih školskih predmeta i zbog toga mnogi ljudi razvijaju averziju prema njoj, očekivanja od statistike su da bude samorazumljiva. Percipiraju je kao Matrix u kojem s neba padaju nizovi brojeva i koji na kraju nudi opću istinu. Jednostavno, u ljudskoj prirodi je potreba za što manjim razmišljanjem; želimo da se sve svede na jedan broj i da dobijemo sasvim jednostavan koncept koji će moći biti uspoređen s drugim kako bismo dobili konačan i nepromjenjiv odgovor je li igrač A bolji od igrača B.
To statistika i analitika u sportu ne pokušavaju jer je to nemoguće.
Za početak, treba shvatiti kako funkcionira analitika u sportu. Prva razina je kvantitativna analiza koja je najbliža onome što većina ljudi ima na umu kad razmišlja o analizama utakmica. Radi se o prikupljanju podataka, obrađuju se utakmice na način da se broje i označavaju dueli, pozicije iz kojih se dolazi do udaraca, centaršutovi i prekršaji. Ova je razina zapravo mehanička i zasniva se na tome da se dobiju sirovi podaci koji će služiti za empirijsku provjeru hipoteza te dodatnu interpretaciju zaključaka i oni se jako jednostavno dobiju. Jedan dio bazičnih informacija za velike lige je javno dostupan kroz Optine podatke koje se vrte na stranicama kao što je WhoScored, a dio za manje lige se može kupiti od servisa kao što je InStat. Međutim, suština su detaljni podaci koji vrijede cijelo bogatstvo i koji se prodaju klubovima.
Druga razina je analiza suparnika. Danas gotovo svaki vrhunski sportski kolektiv ima timove analitičara koji analiziraju suparnike i podatke koje dobiju iz kvantitativne analize, u njima traže pravilnosti i trendove koji se mogu iskoristiti. Osnova ovog pristupa je započeta u američkim sportskim ligama i ondje je otišla najdalje. Od Billyja Beanea koji je svojim moneyballom izgradio čitav roster za Oakland Athletics još 2002., do činjenice da danas u NBA ligi postoji čitav niz analitičkih uloga, među kojima je i ona advance skauta koja se temelji na tome da upozna suparnika i prepozna sve tajne znakove kojima se pozivaju akcije. To samo govori koliko se detaljno prilazi podacima i informaciji koja je zapravo najvrijednija valuta modernog doba.
Ali obje ove razine tek daju podatke. Kvalitativna analiza daje te podatke u sirovom obliku, na drugoj razini se ti podaci uopćavaju, analiziraju i pretvaraju u trendove i zakonitosti. Prava vrijednost analitike u sportu je treća razina — analiza učinka.
Ono što Englezi zovu performance analysis zasniva se na tome da tim analitičara uzima podatke koje dobiva od prve dvije razine i koristi ih kako bi riješio problem. Tu analitika prestaje biti obrada podataka i počinje biti kreativna djelatnost. Kad imaš trendove i neke opće zakonitosti, kad imaš podatke kojima možeš potvrđivati ili opovrgnuti hipoteze o određenim igračima, onda se otvara mogućnost da — naravno, u suradnji s trenerom — kreiraš treninge, daješ prijedloge novih planova igre i rješenja koja će popraviti probleme koji se pojavljuju. To je ona faza u kojoj se podaci spajaju sa znanjem i ljudskim genijem.
I upravo to je poanta statistike i analitike. Sve prije te treće razine su samo pripremne radnje prikupljanja dovoljne količine informacija kako bi se podigle šanse da se uspješno izvrši konačni cilj koji se sastoji od toga da se pronađe rješenje i popravi stanje.
Zbog toga statistika nije niti besmislena, niti je bikini, niti brojevi koji padaju iz Matrixa. Ona je tek sredstvo; ništa ne objašnjava sama po sebi jer proces analitike ide uvijek od čovjeka prema podacima, a ne obrnuto.
Ne treba od statistike treba raditi nekakav bauk koji se zasniva na strahu od matematike, niti je treba uzdizati na nedodirljivi pijedestal. Koliko je netko imao duela i kakav je u postotku dodavanja prestaje biti važno čim završi utakmica i pretvara se u fun fact. Tada postaje važno ne to što je napravio, nego zašto ili zašto nije. Tada postaje važno dati podacima kontekst, analizirati ih ispravnom metodologijom i doći do zaključka koji je vrjedniji jer iza njega postoje opipljivi dokazi.
Međutim, taj zaključak uvijek donosi čovjek kojeg ne može zamijeniti nitko — računala, programi ili Matrix. On je taj koji mora procijeniti koliko puta Mikulić nije stigao onamo gdje je trebao biti ili koliko je od njegovih 59 dodavanja trebalo biti upućeno na drugu stranu. U tom procesu statistički podaci su tek korisna nadopuna njegovu oku, pomoćno sredstvo njegovom talentu i iskustvu — jer on sve to skupa ne radi kako bi odredio je li Mikulić dobar ili loš, kako bi dobio sterilno rješenje odvojeno od svakog konteksta. Poanta analitike nije u tome, poanta je da Mikulić sutra ispravi greške, da mu se nađe pravi kontekst i da naposljetku postane bolji igrač.
Analitika je kreativna i usmjerena na budućnost, ona je način da se spoje podaci i ljudski genij kako bi se ubrzala potraga za najboljim rješenjima. A nogomet je tek zagrebao tu fazu.
