…und Ausblick

In dieser Dokumentation habe ich gezeigt, wie eine datenbasierte Spielerbewertung ablaufen kann anhand von Eventdaten.
Wichtig ist hierbei, dass die Qualitäten individuell auf den Verein abgestimmt definiert werden. Erst daraus ergibt sich die Einzigartiigkeit und der Wettbewerbsvorteil gegenüber anderen Vereinen.

Folgende Erweiterungen und Verbesserungen könnten in einer realen Umgebung vorgenommen werden:

• Mit den Eventdaten könnte das Modell noch mit einem eigenen expected Goals Modell erweitert werden

• Durch die Anbindung an eine Schnittstelle eines Datenanbieters könnten auch Spielerwerte wie Alter, Größe, Gewicht, Marktwert etc. in das Modell einfließen

• Aus mehreren Saisons könnten auch Entwicklungen von Spielern über die Zeit analysiert werden und so z.B. auch die Entwicklung von Talenten besser prognostiziert werden (Positionsspezifische Entwicklungskurven und/oder Qualitätskurven). Wie wird sich Spieler X in den nächsten 1-3 Jahren entwickeln?

• Durch die Analyse von Spielerwechsel in unterschiedliche Ligen, könnten Prognosen für die Anpassungsfähigkeit bestimmter Qualitäten in einer andere Ligen getroffen werden. Wie gut wäre Spieler x aus der Serie B in der Bundesliga?

• Es könnte analog ein eigenes Bewertungsmodell für Teams entwickelt werden, um damit dann zu analysieren, welche Spieler in welchem Team am besten funktionieren würden. (Teamfit)

Einige dieser Punkte habe ich bereits in anderen Projekten umgesetzt und werde sie bei Zeit in weiteren Dokumentationen erläutern.

Ich hoffe, dass ich mit dieser Dokumentation einen Einblick in die Welt des Datenscoutings geben konnte und freue mich über Feedback und Anregungen.