Datenanalysen

Sinn und Zweck des Erhebens von Big Data ist die darauffolgende Datenanalyse. Dies betrifft Vereine, ebenso wie Buchmacher und in abgeschwächter Form auch Sportwetter. Doch Fußball ist mitunter ein sehr emotionaler Sport. Hier geht es nicht nur um nackte Zahlen, sondern auch um Mentalität, Herz und Einsatzbereitschaft. Des Weiteren müssen die erfassten statistischen Vereinsdaten der Spieler, wie u.a. Laufwege, Zweikämpfe und Torschüsse, in jedem Spiel auch in Abhängigkeit zu Taktik und Spielstand gesehen werden. Und da stößt die Datenanalyse heutzutage noch an ihre Grenzen, weil alle erfassten Datenpunkte stets im Kontext zu einer bestimmten Spielsituation stehen, die unendlich komplex sein kann. Für ein sinnvolles Datenanalyse-Tool muss daher die Maßgabe gelten, dass die Aufbereitung und Präsentation der Daten so zu erfolgen hat, dass der Anwender mit seinem Wissen die Chance hat, Möglichkeiten des Systems zu erkennen und zu verstehen.
Der Fußball hat sich verändert. Jeder Verein im Spitzensport beschäftigt mittlerweile mehrere Experten, die sich mit der Auswertung von Statistikdaten beschäftigen, um so eine Optimierung eigener Spieler und Taktiken für kommende Spiele zu erreichen. Daten entscheiden mit, ob ein Spieler in der Startaufstellung ist oder im Gegenteil gar verkauft wird.
Ein Schritt weiter gedacht, sollen IT-gestützte Systeme (Künstliche Intelligenz) die Interpretation der Daten übernehmen und eine Verknüpfung von Informationen herstellen. Damit lassen sich dann automatisch Mannschaftskonzepte und Spielerverhalten (Aufmerksamkeit, Spielintelligenz) entschlüsseln.

Da aufbereitete Big Data für die Datenanalyse des normalen Sportwetters bei Fußballwetten in der Regel nicht zur Verfügung stehen, muss er sich behelfen. Auch ist es zu aufwendig Spielerstatistiken mit in die Analyse einzubeziehen. Bei der Masse an Spielern und Mannschaften ist es kaum analysierbar, welche Auswirkungen beispielsweise konkret ein verletzter oder gesperrter Schlüsselspieler auf vorangegangene Ergebnisse gehabt hat. Vielleicht hatten gerade dort gegnerische Teams auch das gleiche Problem? Eventuell beeinflusste eine Schiedsrichterfehlentscheidung ein Spiel?
Bleibt also nur die Resultate der an der aktuellen Spielpaarung beteiligten Mannschaften in der Vergangenheit als Gesamtheit zu analysieren. Der Sportwetter muss hier Zusammenhänge in Datensätzen (Ergebnisfolgen) ausfindig machen, die auf bestimmte Spielausgänge tendieren. So lassen sich Prognosealgorithmen entwickeln, die Treffsichere sind als Vorhandene. Auch gilt für die Datenanalyse eines Sportwetters ebenso wie bei Vereinen, umso mehr historische Statistikdaten verfügbar sind, desto größere Möglichkeiten bestehen, Beziehungen innerhalb der Daten aufzudecken.