# Отдать мяч, чтобы забить: как open-source алгоритмы ломают вековую интуицию футбола

- Site: VeraPoint News
- Section: Новости
- Date: 2026-06-12
- Canonical: https://verapointmedia.com/news/inside-soccer-s-data-renaissance/
- Markdown: https://verapointmedia.com/news/inside-soccer-s-data-renaissance.md
- Summary: Профессор Джесси Дэвис и его код доказали: выбить мяч за лицевую — не глупость, а ход в 10 шагах от гола. И весь код — в открытом доступе.
- Tags: #футбол #sportsanalytics #open-source #машинноеобучение #data-driven #тактика
- Image: https://verapointmedia.com/static/content-assets/news/inside-soccer-s-data-renaissance/cover.webp

## Sources

- https://www.technologyreview.com/2026/06/11/1138506/inside-soccer-data-renaissance-jesse-davis/
- https://news.google.com/rss/articles/CBMimwFBVV95cUxPdHgyX2ZVUEhDX2tWN3pVNGNzNUkwS1dhWENmdDRsaHVqX25LSDluVWpYdExzN0ktQm9VdnJLVzQ2M2pELUVjUS1IQ0xKS1pIWXVjc3VWaklTR2JmdHlHTUxaWXdiSmJuaFJfQnZ4bUVFeS1LTWZiVTB2MVVTeVRKVWM5VDF2UlVDTXZJQzBpVW9ENkxwa3dfTnFKOA?oc=5
- https://news.google.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?oc=5

---

Недавно мы разбирали, как Anthropic по-тихому убирала правило, способное навредить исследователям. История была про регуляторные риски и страх инноваторов перед невидимой рукой, перекрывающей кислород. А теперь — кейс из другого мира, но с тем же нервом: про то, что случается, когда науку не закрывают, а наоборот — выкладывают в открытый доступ. И одна конкретная находка оттуда настолько контринтуитивна, что я зависла.

## Включили матч — а там игрок целенаправленно дарит мяч сопернику

Представьте: первая минута матча чемпионата мира. Команда начинает с центра, следует несколько передач — и вдруг защитник не делает пас вперёд, не забрасывает на фланг, а просто со всей дури выбивает мяч за лицевую линию ворот соперника. Зрители на трибунах недоумевают, комментатор в ступоре — зачем добровольно отдавать владение в первой же атаке?

Оказывается, это может быть не ошибка и не жест отчаяния. За этим движением может стоять сухой статистический расчёт, который говорит: «Вот сейчас — самое время».

Я наткнулась на эту историю в MIT Technology Review — и сначала подумала, что это какой-то маркетинговый заголовок в духе «учёные доказали: футбол перевернулся». Но копнула глубже. И знаете, там действительно целая профессорская команда, датасеты из полутора миллионов пасов и открытый код.

## Профессор из Бельгии и его лаборатория, переписывающая тактику

Главный герой здесь — Джесси Дэвис, профессор компьютерных наук в Лёвенском университете (KU Leuven, Бельгия) и руководитель Sports Analytics Lab. Лаборатории уже больше десяти лет, и она работает не только с футболом — баскетбол, волейбол, хоккей на траве тоже в поле зрения. Но наибольший эффект — именно в футболе.

Хьюго Риос-Нето, аналитик из «Андерлехта», называет эту лабораторию самой влиятельной в футбольной аналитике. И ключевой момент: большинство своих инструментов они выкладывают в open-source. То есть клуб может не нанимать армию дата-сайентистов за бешеные деньги, а просто взять готовые модели.

Что именно они сделали: построили датасет — 1,4 миллиона пасов и примерно 60 000 вбрасываний, включая данные с ЧМ-2022. Затем применили ансамблевые модели на деревьях решений (это когда несколько алгоритмов голосуют вместе, повышая точность) и просимулировали тактику выбивания мяча за пределы поля.

## “Boot it” и почему вынос за лицевую — это не паника

Название у ключевой работы 2024 года — «Boot it», что можно перевести как «Врежь по нему». Не особо академично, зато честно.

Суть такая: когда мяч находится в средней трети поля, и команда безжалостно выбивает его за лицевую соперника — она помещает себя в ситуацию «в пределах десяти действий от гола». Действия — это пасы, дриблинг, прострелы. Десять — очень мало для игры, где за матч совершается больше полутора тысяч действий, а голов забивается от силы пара штук.

Логика вот в чём: ты отдаёшь мяч, да. Но ты отдаёшь его на чужой половине — и заставляешь соперника вбрасывать из аута в неудобной зоне. А дальше — высокий прессинг, перехват, голевая атака с позиции, которая статистически даёт заметный процент успеха. То есть вынос — не потеря, а инвестиция в следующую оборону соперника.

Звучит почти как шахматный расчёт на несколько ходов вперёд. Только исполняется за долю секунды — и с ноги футболиста, который, возможно, даже не подозревает, что реализует ML-стратегию.

## Где конфликт: опыт тренера против открытого кода

Самый острый узел здесь — столкновение двух миров. С одной стороны — «глазомер» ветерана, который 20 лет работает в футболе и знает: отдавать мяч добровольно — преступление. С другой — открытая модель, которая на миллионах пасов видит: иногда именно это приближает к голу.

И это не про «алгоритм лучше человека» в общем. Это про конкретную развилку: какие решения принимаются в клубах сейчас, когда бюджет позволяет нанять data-команду, а когда — нет. Исследования Дэвиса снижают порог входа: open-source значит, что любой аналитик из клуба второго дивизиона может скачать и адаптировать модель под свою лигу.

Но вопросов добавляет и сама культура: готовы ли тренеры доверять выводу с компьютера, когда трибуна свистит? Готов ли спортивный директор объяснить болельщикам, что вынос на первой минуте — не трусость, а статистически оправданный ход?

Это не абстрактная этика, а живой конфликт внутри индустрии, где решения стоят контрактов и карьер.

## Что эта история значит за пределами футбола

Меня здесь зацепило не только про футбол. Это классический кейс «открытая наука обгоняет интуицию». И таких узлов полным-полно в других сферах: от логистики до найма персонала. Мы привыкли думать, что экспертность — это про чутьё и опыт. А тут оказывается, что data-driven подход на открытых моделях даёт рекомендации, которые эксперт бы просто постеснялся дать — потому что «так не принято».

И ещё один важный штрих: открытость данных в футболе долгое время была почти немыслима. Клубы прячут наработки, аналитические отделы существуют в режиме секретности. А тут — университетская команда выкладывает всё на всеобщее обозрение. И это работает: приезжают скауты из Англии, звонят аналитики из Германии, код используют по всему миру.

То есть это не «ML решит футбол», а «открытый ML может дать инструмент, который тренеру ещё предстоит осмыслить». Разница тонкая, но важная.

## А если серьёзно — где это уже работает и где ломается

В Бельгии и отдельных клубах Англии — уже работает. В менее богатых лигах — пока на уровне обсуждений, потому что одно дело скачать модель с GitHub, другое — объяснить главному тренеру, почему он должен перекроить тренировку под данные из академической статьи.

Ограничение ровно в этом: алгоритм показывает вероятность, но не снимает с человека ответственность за решение. И если в команде нет культуры работы с данными — даже самый точный прогноз останется в pdf-ке на почте аналитика.

Есть ещё один риск: слишком агрессивное внедрение может сломать игру как зрелище. Если все начнут выбивать мяч за лицевую на первой минуте, мы получим «расчётливый футбол», который, возможно, эффективен — но зрителю-то хочется красоты и импровизации. Пока это не массовый тренд, но вектор именно туда.

## Если вы работаете с данными в любой индустрии — здесь есть что примерить

История «Boot it» — это ведь не футбольная байка. Это шаблон: берём массу исторических данных, моделируем контринтуитивное действие, проверяем статистический выигрыш и публикуем с открытым кодом. И вдруг то, что считалось ошибкой, становится осознанной тактикой.

Для аналитика из любого домена — от ритейла до HR — здесь методология: не доверять на слово «лучшим практикам», а пересчитывать их. Для малого бизнеса — повод посмотреть на open-source инструменты университетских команд, которые часто опережают коммерческие решения по качеству. Для руководителя — напоминание: интуиция без данных сегодня стоит всё дороже.

Меня же эта история примирила с мыслью, что открытая наука не просто живёт — она способна переписывать правила игры. Даже там, где правила казались вечными.

## Материалы

- [MIT Tech Review] Inside soccer’s data renaissance: https://www.technologyreview.com/2026/06/11/1138506/inside-soccer-data-renaissance-jesse-davis/
- [news.google.com] supporting context: https://news.google.com/rss/articles/CBMimwFBVV95cUxPdHgyX2ZVUEhDX2tWN3pVNGNzNUkwS1dhWENmdDRsaHVqX25LSDluVWpYdExzN0ktQm9VdnJLVzQ2M2pELUVjUS1IQ0xKS1pIWXVjc3VWaklTR2JmdHlHTUxaWXdiSmJuaFJfQnZ4bUVFeS1LTWZiVTB2MVVTeVRKVWM5VDF2UlVDTXZJQzBpVW9ENkxwa3dfTnFKOA?oc=5
- [news.google.com] supporting context: https://news.google.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?oc=5