Brentford kupił Ivana Toneya za 5 mln funtów, sprzedał za 40 mln. Brighton pozyskał Moisésa Caicedo za 4,5 mln, odsprzedał Chelsea za 115 mln. FC Midtjylland zbudował model biznesowy na zawodnikach, których inni nawet nie oglądali. Wspólny mianownik? Nie tradycyjny scouting — analityka danych.
Koniec ery „oko skauta wystarczy"
Przez dekady scouting piłkarski opierał się na jednym narzędziu: ludzkiej obserwacji. Skaut jechał na mecz, oceniał zawodnika, pisał raport. Problem? Subiektywność, ograniczony zasięg geograficzny i brak skalowalności. Jeden skaut jest w stanie obejrzeć ograniczoną liczbę meczów tygodniowo. Algorytm może analizować dane setek zawodników dziennie.
Tracking data — systemy śledzące pozycję każdego gracza 25 razy na sekundę — zmieniły reguły gry. Dodajmy event data (każde podanie, pressing, odzyskanie piłki) i mamy bazę, na której można budować modele predykcyjne warte dziesiątki milionów w ROI transferowym.
Metryki, które zastąpiły intuicję
Bramki i asysty to statystyki z gazety. Profesjonalny scouting operuje xG (Expected Goals), xT (Expected Threat) i modelami VAEP (Valuing Actions by Estimating Probabilities). xG mierzy jakość sytuacji strzeleckiej — nie ile strzelasz, ale jakie sytuacje tworzysz. xT kwantyfikuje wartość każdego podania w kontekście zagrożenia bramkowego.
Metryki trackingowe — pressing intensity, defensive compactness, off-ball runs — oceniają to, czego żaden skaut nie zmierzy okiem: ruch bez piłki, reakcję na utratę posiadania, pozycjonowanie w fazie defensywnej. Porównujesz napastnika z Ekstraklasy z graczem z Championship na identycznych parametrach.
Machine learning: scouting na sterydach
Algorytmy ML trenowane na danych historycznych identyfikują wzorce rozwojowe zawodników. Brighton stosuje modele prognostyczne, które z dużym wyprzedzeniem starają się przewidywać skok jakościowy gracza. Midtjylland skanuje ligi skandynawskie, belgijskie i południowoamerykańskie szukając zawodników, których profil statystyczny pasuje do szablonów top-performerów w Premier League.
Ale dane to narzędzie, nie wyrok. Odporność psychiczna, adaptacja kulturowa, relacja z trenerem — tego algorytm nie zmierzy. Najlepsze departamenty scoutingowe (Liverpool, Man City, Atalanta) łączą analitykę z tradycyjną obserwacją i oceną psychologiczną, traktując dane jako główne, ale nie jedyne źródło decyzji.
Scouting w piłce kobiecej: biała plama z potencjałem
W piłce mężczyzn tracking data pokrywa już dużą liczbę lig na całym świecie. W piłce kobiecej pokrycie pozostaje wyraźnie węższe. To oznacza, że kluby inwestujące teraz w infrastrukturę danych dla kobiecego futbolu zyskują przewagę first-mover. Barcelona Femení i Lyon — dwa najsilniejsze kluby kobiece w Europie — już budują dedykowane departamenty analityczne.
Potencjał arbitrażu jest ogromny. Zawodniczki z lig nordyckich, brazylijskich czy japońskich mogą być pozyskane za ułamek wartości rynkowej, jeśli klub dysponuje odpowiednimi modelami oceny. Dokładnie tak, jak Brighton robił to w piłce mężczyzn 5 lat temu.
📊 Data & Insights
Dane nie zastąpią skauta, który widzi błysk w oku 17-latka. Ale skaut bez danych operuje na wyczucie, bez punktu odniesienia. Najlepszy scouting łączy obie kompetencje.
Przyszłość: computer vision i demokratyzacja narzędzi
Computer vision umożliwi automatyczną analizę wideo bez konieczności ręcznego tagowania. Platformy jak Wyscout i InStat stają się coraz bardziej dostępne cenowo, otwierając drzwi klubom z niższych lig. Kluczowy bottleneck? Ludzie. Brakuje analityków, którzy łączą wiedzę piłkarską z kompetencjami w data science.
To wyzwanie edukacyjne, na które odpowiadają programy Sport Management Academy Fundacji Ascendia — łącząc praktykę zarządzania sportem z nowoczesnymi kompetencjami analitycznymi.
FAQ
Czym jest xG i dlaczego jest ważne w scoutingu?
Expected Goals (xG) to metryka mierząca prawdopodobieństwo, że dany strzał zakończy się golem, bazując na lokalizacji, kącie i typie sytuacji. W scoutingu xG pozwala oddzielić umiejętności od szczęścia — napastnik z niskim xG, ale wysoką konwersją prawdopodobnie nie utrzyma formy.
Czy mniejsze kluby mogą stosować data-driven scouting?
Tak. Platformy jak Wyscout i darmowe źródła (FBref, StatsBomb Open Data) demokratyzują dostęp, obniżając próg wejścia dla mniejszych klubów. Brentford i Midtjylland udowodnili, że nie potrzebujesz budżetu Man City, żeby budować przewagę analityczną.
Jakie kompetencje potrzebuje nowoczesny skaut?
Hybrydowy profil: wiedza piłkarska + podstawy statystyki i data science + umiejętność komunikacji wyników do trenerów i dyrektorów sportowych. Znajomość Pythona i SQL staje się standardem w departamentach scoutingowych top klubów.
Poznaj misję Fundacji Ascendia lub wesprzyj rozwój sportu.