Big Data Event Analytics in Football for Tactical Decision Support

Language
en
Document Type
Doctoral Thesis
Issue Date
2019-11-11
Issue Year
2019
Authors
Kröckel, Pavlina
Editor
Abstract

The thesis shows how tactical information in football can be obtained by applying analytics techniques from the fields of network science, machine learning and process mining. It uses professional event tracking data from the European Championship in 2016. The main motivation behind this research is, on the one hand, the lack of studies that use professional tracking data in football, and on the other, the lack of studies investigating real-time decision support in football based on data analytics. Therefore, the thesis aims at demonstrating how event tracking data can support football coaches and their staff to make decisions pre- and post-match, as well as during live games. As a theoretical basis for the analytics concept followed in this thesis, the dynamic system theory is used. According to this theory football teams are dynamic systems, composed of elements (the players) who interact constantly with each other and their environment and who, by their dynamic interactions, form behavioral patterns over time. These patterns are due to the self-organization ability of the players, and thanks to this, they are able to reorgan-ize themselves and regain a state of balance following a perturbation occurrence (e.g., a counter attack). By following the principles of this theory, analytics techniques such as social network analysis, self-organizing maps, and process mining are applied on football event data. Social network analysis answers questions related to the relevance of a player, the structure of a team, as well as sudden changes occurring in the team related to different metrics of in-terest. Self-organizing maps help to transform highly dimensional data about what happened in the game into more understandable two dimensional maps. Process mining analyzes se-quence data of a football team and can be used to gain a quick idea about the team’s behav-ior, as well as identifying key players. The final chapter demonstrates how some of the results discussed in the thesis can be used for real time decision support. A mockup displays examples of a dashboard and the type of results that a coach can use in order to decide which players should be substituted. The main contributions of the thesis are related to the use of a real world dataset, the methods used for the analysis as well as the discussion of how the results can be used for real-time decision support in football, which has previously not been sufficiently investigated in litera-ture.

Abstract

Die vorliegende Arbeit zeigt, wie taktisch wertvolle Informationen im Fußball mithilfe analytischer Methoden wie Netzwerkanalysen, Machine Learning und Process Mining erzielt werden können. Als Basis dienen professionell aufgezeichnete Eventdaten zur Fussballeuropameisterschaft 2016. Die zentrale Motivation hinter der Forschung gründet sich zum einen auf dem Mangel an Studien, die professionelle Tracking-Daten analysieren. Zum anderen motiviert der Mangel an Veröffentlichungen, die datenbasierte, echtzeitnahe Entscheidungsunterstützung im Fußball betrachten. Ziel dieser Arbeit ist es daher zu demonstrieren, wie Eventdaten Fußballtrainer und deren Stab darin unterstützen können, Entscheidungen vor, während und nach dem Spiel zu treffen. In der vorliegenden Arbeit wird die Theorie Dynamischer Systeme als Basis für das analytische Konzept verwendet. Nach dieser Theorie sind Fußballmannschaften dynamische Systeme bestehend aus Elementen (den Spielern), die ständig miteinander und ihrer Umgebung interagieren, und dadurch Verhaltensmuster formen. Diese Muster entstehen durch die Fähigkeiten der Spieler, sich selbst zu organisieren. Dadurch ist es den Mannschaften auch möglich, nach einer unruhigen Situation (wie zum Beispiel einem Gegenangriff) wieder in einen Zustand der Balance zurückzukehren. Den Prinzipien dieser Theorie folgend werden analytische Methoden wie Soziale Netzwerkanalysen, Selbstorganisierende Karten und Prozess Mining auf die Fußball-Eventdaten angewandt. Soziale Netzwerkanalysen beantworten Fragen hinsichtlich der Relevanz von Spielern, der Struktur von Mannschaften und plötzlichen Veränderungen im Team auf Basis definierter Metriken. Selbstorganisierende Karten helfen dabei komplexe, hochdimensionale Daten zu Situationen im Spiel in verständliche, zweidimensionale Karten herunterzubrechen. Process Mining analysiert sequenzielle Daten zum Spiel einer Fußballmannschaft. Die Methodik unterstützt dabei ein schnelles Verständnis zum Verhalten eines Teams aufzubauen bzw. zentrale Spieler zu identifizieren. Der vornehmliche Beitrag der Arbeit liegt in der Nutzung von realen Daten in Kombination mit den Methoden, die für die Analysen verwendet werden, sowie der Diskussion zur Nutzung der Ergebnisse als Basis für echtzeitnahe Entscheidungsunterstützung im Fußball. Dies wurde bisher nicht ausreichend betrachtet.

DOI
Zugehörige ORCIDs