87% 승률에도 왜 패失利할까?

승률의 환상

지난 시즌 최종 피날을 지켜봤습니다—아스널은 공격 3분야에서 87% 승률을 기록했지만 챔피언스 리그 플레이오프에 실패했습니다. 종이상으로는 flawless해 보였지만, 실제로는 통계적 환영이었습니다. 그들의 xG(기대골)는 리그 최저 수준이었고, 세트피스와 상대 실수로 경기를 이겼습니다—구조적 빌드업이 아닌 결과입니다.

오데가르 현상

마틴 오데가르는 단순한 윙어가 아닙니다. 압력 아래 고성능 패싱 범위를 가진 왼발 중심 축입니다. 그러나 아스널은 점유를 해결하기 위해 그를 영입한 것이 아니라, 모델의 블라인드 스폿을 채우기 위해 그를 영입했습니다: 그들은 ‘공격’을 ‘폭’과 혼동했습니다. 그의 90분당 기대 어시스트? 단지 1.4—리그 평균보다 낮습니다. 그러나 그의 오프볼 무브먼트? 그것이 골이 태어나는 장소입니다.

실패한 모델

우리는 NBA 방어 전환에 대한 알고리즘을 훈련했습니다: 스페이싱 > 폭이 속도보다 중요합니다. 그런데 여기서? 그들은 근육에 5200만 파운드를 지불했지, 마인드에 비용을 지불하지 않았습니다. 그들의 데이터 파이프라인은 포지셔널 엔트로피를 무시했습니다—미들필더 뒰런 behind, 골이 태어나는 침묵의 간극입니다. 통계를 추적해서 결과를 예측할 수 없습니다—you must understand probability distribution.

왜 이 문제가 중요한가?

이는 이전료나 팬들의 흥분과 관련이 없습니다—it’s about institutional inertia in football analytics입니다. 클럽들은 시각적 메트릭에 따라 선발하지만, 구조적인 메트릭에는 관심 없습니다. 우리는 highlights 너머를 볼 수 있는 코치들이 필요합니다—움직임을 맵핑하는 데이터, 두려움을 팔아먹는 헤라이선이 아닌.