隨著大數據時代的到來，足球分析這種趨勢越來越明顯，我們需要做的不僅是搜集數據，而且需要更好的分析數據以服務於這項運動，已經看到，足球分析越來越多的先行者已經開始湧入足球大數據分析領域，而且得到了不錯的結果！

在棒球分析領域有一個學派認為如果沒有這麼多技術統計數據的話，棒球運動會發展的更好，之所以這麼講是因為他們聲稱這些目前被統計的數據不一定就是真實反映棒球比賽的決定性數據，他們只是最易於統計的數據而已。不管你同不同意這個觀點，這確實直指棒球數據分析的痛處，仍然是人們爭論的焦點。

這不是說你相不相信這些數據，而是說新的數據是否真的能取代原有的統計結果。就算是偶爾看看棒球打發時間的人也會更習慣原來的統計結果，部分原因是這些數據已經在棒球運動中存在了很長時間，事實上，人們總是習慣於早已熟知的數據統計，而對於學習新的數據分析結果保持謹慎態度。

對於足球來說，以前幾乎沒有什麼統計數據。事實上，對於這麼一個流暢性的比賽來說，也很難不藉助科技手段去統計一些諸如傳球次數等數據。人們開始系統性的記錄一些關於比賽的統計數據也就是近十年來的事情，因為現在這個時代人們都樂於收集和分析數據，同時可以從中獲得收益。類似OPTA 和Prozone 等專注數據統計分析的公司已經開始湧現，他們的盈利模式也是將這些數據賣給俱樂部或者媒體（事實上像ESPN，SKY Sports 等媒體的數據統計板塊都是由OPTA 提供支撐的）。

就像曾經在棒球或其他一些數據導向的運動中探索更新更先進的評價指標那樣，現在人們也迫切希望能夠在足球領域找到一些新的統計指標，因為有啟示性的衡量指標必然是數據分析的產物。不過這不是一蹴而就的，因為現在數據統計公司在足球領域中做的數據收集工作僅僅是一百年前棒球領域就做完了的。

現在，足球終於有了大量的數據，下一步就是怎麼樣更好的利用這些數據。不同於棒球等其他一些主流的運動（這些運動領域數據統計早已有之，數據分析只是近來興起），足球領域目前比較獨特的情景是數據的統計和分析是在同步展開的。

你要玩數據（甚至大數據），從來離不開先學會把大量的原始數據清洗一番。如果你喜歡觀看足球比賽，也可以自己通過數據工程去分析足球比賽。大概包括以下幾個技能：

抓取原始數據
清晰數據
創建數據集
寫一些Python代碼去生成可視化數據圖

足球數據的清洗，數據集的創建

國外的 Hugo Mathien 通過對一批歐洲職業足球統計的原始數據進行清洗，並把一些洞察結果分享出來。他使用的數據包含了2008年至2011年的25,000多場比賽，來自11個國家的超過10,000名球員，以及多達10家數據提供商的投注賠率。

足球投注技術 – 關於歐盤

所謂歐盤並不是指狹義的標準盤，(勝、平、負) 它一樣有包括讓球盤(即亞盤) ，如：Ladbrokes、Victor、Easybets等就有開讓球盤。只不過，他們不一定每場球都開亞盤而矣。世界所有足球初盤都是以10多間最大博彩公司盤口作為依據，所以各盤口數據初盤相差不會太大。但這些公司的盤口如果有變動的話，投注額就絕不可小視了，相信是以億美金為單位計。而這些變動亦正是我們所要關注的。而是他的財力及影響力足以影響一部分足球比賽的賽果。君不見Ladbrokes就是曼聯地大的贊助商？……全世界各大運動比賽的贊助商中有那項沒有這些博彩公司的身影？這些公司才是真正的莊家。

大數據工程與大數據分析的前景

假如你按以上的描述操作一篇，會發覺你已經在開始走大數據工程/分析角色的路。

假如你希望未來進入大數據工程/分析行業，IBM的一些調研數據顯示（偏美國市場的調研，但肯定能參考）：

現時，數據科學家的平均工資是105,000美元/年薪；數據工程師的平均工資是117,000美元/年薪；機器學習工程師的平均工資是114,000美元/年薪。
現時，59%的數據科學/分析工作都集中在幾個行業，包括金融、保險、專業服務、IT。
現時，數據科學/分析工作的空缺達到2,350,000個；到了2020年，空缺會達到2,720,000個。
最需要的前五位技能是 MapReduce、Apache PIG、Machine Learning（機器學習）、Apache Hive和Apache Hadoop。

職業足球教練

既然講到足球，我們這裡插一個話題。喜歡踢足球，一般會往職員足球聯賽發展成為職業球員，當年的職業足球員在自己的足球生涯後會退休，一些會成為教練，當中有些執教得優秀的會升級成為職業聯賽的主教練/助教練。

講到職業聯賽的足球教練，大家可能會直接聯想到一些60-70歲的老頭，比如：

執教過英超曼聯（Manchester United） 26年的前主教練費爺（Sir Alex Ferguson）。
2010年南非世界盃帶領過英格蘭國家隊的義大利人主教練Fabio Capello，也是AC米蘭（Milan）在1994年奪得歐冠的前主教練。
2006年德國世界盃替義大利國家隊贏得冠軍的Marcello Lippi，也是尤文圖斯（Juventus）在1996年奪得歐冠的前主教練。

但我們重點並不是要講老教練。

冷門預測和冷門分析通常都是專家幹的活，其實專家的意見只能是參考，不一定總是準確，波友們如果掌握相關的預測和分析技巧，也是完全可以自己進行的。自己對分析和預測，更掌握有主動性、自由性、趣味性，這是依賴專家的波友們體驗不到的。

大冷門，是被廣大波友普遍忽略了、被媒體幾乎完全不看好的結果，甚至是根本就沒有被提及沒有設想到的結果。
傳統強隊和所謂的豪門絕對是爆冷的好素材。但請注意，當所有人都盯著它等著它爆冷的時候，它決不會如你所願地輸球，而這時，那些二流球隊卻會毫無章法地胡亂出牌。
相生相剋，沒有強弱之分，孕育了大量不可琢磨的冷門。正如老虎怕大象而大象怕老鼠一樣，這種相生相剋在不可預知的同時，也是存在著其內在的規律的。
物極必反，一個球隊可能連續很多場保持勝利，也可以很多場不會贏球，但卻不會永遠不敗和不勝。根據物極必反的客觀規律來講，一個連續勝利和失敗的球隊勝、負的場次越多就越容易出現大的冷門。這種冷門大體上是由四個條件構成的：一遭遇相生相剋的球隊。二球隊缺兵少將或對手缺兵少將。三雙方的攻擊力都不差。四天氣場地原因。
在足球比賽中一個隊伍人員有限，如果出現大批停賽人員，就很容易在某個位置上造成無法彌補的漏洞，而被對手逞虛而入，造成冷門。
說英雄屬英雄，擁有了一個英雄的球隊卻足以創造奇蹟，將冷門進行到底。“巴喬定律”就是只要巴喬在場上佈雷西亞就不會輸給巴喬曾經效力過的球隊。
糟糕的場地和惡劣的天氣是很容易就會滋生3、5場冷門的。
錯覺冷門，原因其一：過於看重歷史而忽略的球隊的現實；其二：過於相信現實而不顧歷史。唯一的忠告就是——強隊無敵的時候別把它想成不可戰勝的，強隊在低迷的時候也不能把它想得太弱不禁風。
球隊關係，放水要具備三個條件：其一：一隊保級無憂奪冠無望，而另一隊水深火熱。其二：兩隊勝負不足以破壞整個局勢。其三：不影響爭奪歐洲俱樂部的幾大杯賽。
主客場依然是足球比賽以及冷門不能不考慮進去的重要因素。