#2022世界杯#

2022年卡塔爾世界杯的第一輪小組賽，已經(jīng)在眾多驚詫、悲傷、驚喜的情緒中結(jié)束，而僅僅是第一輪的小組比賽，不斷爆出的冷門就足以使人大跌眼鏡了：

連續(xù)34場世界大賽不敗的潘帕斯雄鷹——阿根廷，1-2負于世界排名51的沙特；

四屆世界杯冠軍得主的德意志戰(zhàn)車——德國隊，1-2負于從未進過8強的日本；

讓無數(shù)強隊忌憚的南美洲天藍軍團——烏拉圭，0-0被稱為世界杯魚腩的韓國隊逼平；

自從揭幕戰(zhàn)上卡塔爾打破了“世界杯揭幕戰(zhàn)東道主必勝”的鐵律，就預(yù)示了2022年卡塔爾世界杯注定是一場不平凡的大戲，也許世界杯冠軍的寶座上會迎來又一位新王。

歡喜的背面一定是悲傷，此時一定有無數(shù)的球迷為自己的球隊歡欣鼓舞，也一定有無數(shù)的球迷正在黯然神傷，最終究竟誰能捧起大力神杯，是眾星璀璨的新人、還是老驥伏櫪的舊主，沒有人能猜得出，但我們或許可以從大數(shù)據(jù)預(yù)測中窺得一二。

構(gòu)建世界杯預(yù)測的模型

（想看預(yù)測的直接略過這部分）

自從現(xiàn)代足球逐漸商業(yè)化之后，無數(shù)人開創(chuàng)了大數(shù)據(jù)分析模型來試圖預(yù)測足球比賽的勝負，然而因為足球比賽的影響因素比吃飯喝水要復(fù)雜的多，球隊陣容、球員能力、球員狀態(tài)、球員心理、球隊?wèi)?zhàn)術(shù)、球隊磨合度、球隊配合度等等，每一個因素的風(fēng)吹草動，都會牽一發(fā)而動全身，影響最終的結(jié)果，預(yù)測的結(jié)果可能會與現(xiàn)實大相徑庭。

但是大多數(shù)模型背后的機理，基本都有著泊松概率分布模型的影子：

這個模型看起來復(fù)雜難懂，其實它有著樸素且美麗的魔力，能夠“準(zhǔn)確”預(yù)測幾乎所有事件的發(fā)生概率，它的原理則更為簡單，可以用幾句話就解釋清楚：

我工作時會喝水這個事情，要么發(fā)生、要么不發(fā)生；我喝水這個事情在某個時間段內(nèi)我是已知的，比如平均一上午喝兩次水；我喝水這個事情在某個時間段內(nèi)發(fā)生的概率是一樣，任何時候都可能喝水；我這次喝水和下次喝水的事件是獨立的，互不影響；

那么，這個事件就可以用泊松分布的公式進行解釋，以足球預(yù)測為例，我們可以以“某隊在一場比賽中進球”為事件，用K表示我們期望球隊進幾個球（事件發(fā)生多少次），用λ表示在一場比賽的時間內(nèi)發(fā)生事件的平均數(shù)，這個我們可以通過每個球隊世界杯上每場比賽的場均進球即可，最后得到一個概率圖形，進而得出一個球隊進1個球的概率、進2個球的概率、進N個球的概率分別是多少：

而正是因為足球是復(fù)雜多變的，不能僅僅用場均進球來估計結(jié)果，因此我們通過球隊的場均進球、場均失球、場均勝率、場均敗率、場均平率等數(shù)據(jù)來綜合估算出一個球隊的實力，當(dāng)然這個模型就各有各的算法，我們就取最簡單的“攻擊力”模型。

通過BI進行分析和解釋

首先就是解決數(shù)據(jù)的問題，好在所有國家隊的數(shù)據(jù)都可以從網(wǎng)上進行下載，然后在excel中計算出每個球隊進球的泊松概率：

然后我們將數(shù)據(jù)導(dǎo)入到專業(yè)的數(shù)據(jù)分析軟件FineBI中，進行進一步的數(shù)據(jù)清洗和處理，首先就是對數(shù)據(jù)進行數(shù)據(jù)合并，按照世界杯小組賽的分組將不同的數(shù)據(jù)進行合并，組建出“某隊對戰(zhàn)某隊”的數(shù)據(jù)格式，然后利用我們的“攻擊力”模型，導(dǎo)入數(shù)據(jù)函數(shù)新建出幾個數(shù)據(jù)列，表示球隊的進攻力指數(shù)：

具體過程這里就不贅述了，數(shù)據(jù)清洗階段結(jié)束后就要對數(shù)據(jù)進行可視化分析了，利用FineBI的可視化操作界面可以很輕松的組合出我們想要的數(shù)據(jù)，比如身價對比、奪冠對比、凈勝球?qū)Ρ鹊鹊?，最終美化一下就可以呈現(xiàn)出這樣的效果：

預(yù)測出線概率詳解

最重點的是我們根據(jù)“進攻力指數(shù)”估算出了每個球隊的進攻強度，然后利用泊松概率就可以算出每場比賽球隊最可能的比分，這里我們用場均進球展示：

表中像卡塔爾這種第一次參加世界杯的國家，因為缺少歷史數(shù)據(jù)參考，因此只能根據(jù)亞洲成績將攻擊力人為地設(shè)定一個值，所以是比實際實力要虛高的。

我們可以以G組為例，表格中的數(shù)據(jù)展示，喀麥隆對瑞士的凈勝球大概率為-0.57，而瑞士對喀麥隆的凈勝球大概率為0.71，即雙方差距1.28個球；而現(xiàn)實結(jié)果中，瑞士與喀麥隆的成績是1：0，與數(shù)據(jù)預(yù)測的相差無幾；

這時候我們再來看一看為什么說開頭的那三場比賽，冷門的離譜：

數(shù)據(jù)預(yù)測，阿根廷對沙特的凈勝球大概率為3.29，比分預(yù)測為3：0，而實際結(jié)果是1：2落?。?/span>

德國對日本的凈勝球大概率為2.48，比分預(yù)測為2：0，而實際結(jié)果是1：2落敗；

烏拉圭對韓國的凈勝球大概率為1.06，比分預(yù)測為1：0小勝，而實際結(jié)果確實0：0被韓國逼平；

根據(jù)其他專業(yè)機構(gòu)的預(yù)測數(shù)據(jù)現(xiàn)實，賽前沙特戰(zhàn)勝阿根廷的勝利不足1%，然而種種因素卻造就了本屆世界杯上最大最大的冷門，也讓阿根廷人品嘗了亞洲足球的苦果。

用這個模型繼續(xù)推導(dǎo)可以模型出最終淘汰賽的最終結(jié)果，這里因為系統(tǒng)還需要優(yōu)化就沒有繼續(xù)推導(dǎo)，但是在finebi里計算了一下，結(jié)果顯示巴西本屆世界杯奪冠的概率是最大的，概率與前幾天瘋狂流傳的大數(shù)據(jù)機構(gòu)預(yù)測機構(gòu)相差不多：

此外我還做了一些其他有意思的數(shù)據(jù)統(tǒng)計，比如球員身價統(tǒng)計：

冠亞軍數(shù)量對比：

國家隊平均年齡對比：

加納平均年齡只有24歲，絕對的青春風(fēng)暴；而西班牙也只有25歲，這支斗牛士軍團正在更新?lián)Q代的關(guān)鍵期，以加維為代表將繼續(xù)扛起伊比利亞足球的大旗；

巴西、比利時、阿根廷、克羅地亞的平均年齡都在27歲以上，陣中老將非常多，如內(nèi)馬爾、德布勞內(nèi)、莫德里奇、梅西、迪馬利亞等足球歷史上閃耀的明星，都已進入了職業(yè)生涯末期，世人最不肯見英雄遲暮，但他們都將為了自己一生的理想而拼盡最后一秒。

數(shù)據(jù)是冰冷的，足球是溫暖的，數(shù)據(jù)預(yù)測并不能取代和代表現(xiàn)實，贏負勝敗并不全部，真正讓我們著迷的是場上的22名球員、與場下的教練、球迷一起為追求理想而不斷敲開緊閉的大門，奮力揭開幸運女神身上冰冷的面紗，而這正是足球、正是世界杯的魅力所在。

因為，我們愛足球當(dāng)然不是愛他的成敗，我們愛的就是那種氣質(zhì)，不是嗎？