2011’de Brentford, veri analitiğini temel transfer aracına dönüştürme kararı aldığında Championship (2. lig) kulübüydü. On yıl sonra Premier League’deydi ve Mads Bech Sörensen gibi oyuncuları \”görünmez\” rakamlardan keşfetmişti.
\n\n
Moneyball Etkisi: Futbola Uyarlama
\n
Michael Lewis’in beyzbol dünyasını anlattığı Moneyball kitabı, futbolda da bir paradigma değişimine ilham oldu. Temel fikir şu: geleneksel scouting sübjektif gözleme dayanıyor; oysa büyük veri, piyasa tarafından fiyatlanmamış değerleri ortaya çıkarabiliyor. Örneğin, bir oyuncunun highlight görüntüleri gösterişli görünebilir ama xA (beklenen asist) ve ball progression değerleri düşükse gerçek katkısı sınırlı demektir.
\n\n
Transfer Kararında Kullanılan Temel Metrikler
\n
- \n
- xG (Expected Goals): Bir oyuncunun gol üretme kapasitesini şans faktöründen arındırarak ölçüyor.
- PPDA (Passes Per Defensive Action): Savunma yoğunluğunu ölçen metrik; orta sahalarda pressing kapasitesini değerlendirmek için kullanılıyor.
- Progresif Top Taşıma: Topu ileri bölgeye taşıyan harekete dair veriler; yaratıcı kanat oyuncularını sıralar.
- Aerial Duel Win Rate: Orta kaçırmayan merkez forvet ve stoper profili için vazgeçilmez kriter.
- Hız Profili (Sprint Data): GPS izleme cihazlarından elde edilen ivmelenme ve maksimum hız verileri yeniden sakatlık riskiyle de ilişkilendiriliyor.
\n
\n
\n
\n
\n
\n\n
Hangi Kulüpler Veriyi En İyi Kullanıyor?
\n
Brighton, Brentford ve RB Leipzig veri odaklı transfer stratejisinde öncü konumunda. Brighton’ın veri direktörü Simon Wilson, 2020-2023 döneminde kulübün net transfer harcaması negatife dönerken kadro kalitesini artırdığını istatistiklerle açıkladı. Benzer biçimde RB Leipzig, 2015-2023 döneminde Erling Haaland ve Dayot Upamecano gibi oyuncuları erken dönemde, piyasa değerinin altında fiyatla alarak toplamda 600 milyon Euro’nun üzerinde net kazanç sağladı.
\n\n
Veri Analitiğinin Sınırları: İnsan Faktörü
\n
Veri her şeyi söylemiyor. Soyunma odası kimyası, oyuncunun motivasyonu, ailevi faktörler ve liderlik davranışı sayısallaştırılması en zor değişkenler. Barcelona, 2021’de istatistiksel olarak mükemmel profile sahip bir orta sahayı transfer etti ama oyuncu takım kültürüne adapte olamayarak iki sezonda yalnızca 34 maç oynadı. Bu vakalar, veri ile insan gözleminin hibrit kullanımının neden kaçınılmaz olduğunu gösteriyor.
\n\n
Küçük Bütçeli Kulüplerin Veriyle Rekabeti
\n
Büyük kulüpler veri platformlarına milyonlarca Euro yatırım yapıyor; küçük kulüpler bu yarışı kaybediyor mu? Evet ve hayır. StatsBomb, Wyscout ve Opta gibi platformlar yıllık 10.000-100.000 Euro arasında ücretlendirmeyle erişilebilir; bu tutar düşük bütçeli kulüplerin transfer bütçesiyle kıyaslandığında yönetilebilir düzeyde. Sorun veri erişimi değil, veriyi yorumlayan insan kaynağı: nitelikli analist istihdam etmek küçük kulüpler için gerçek bariyer.
\n\n
Yapay Zeka Scouting’e Girecek mi?
\n
InStat ve Hudl gibi platformlar maç videolarını otomatik analiz eden yapay zeka motorları geliştirdi. 2024 itibarıyla bu sistemler belirli davranış örüntülerini (örn. savunmadan sıyrılma hareketi, topa baskı uygulama hızı) saatte 90 maçı işleyerek raporluyor. Bir insan scout’un bu hacmi yıllar içinde görmesi mümkün. Ancak yapay zekanın duygu, bağlam ve soyunma odası dinamiğini henüz okuyamadığı gerçeği scouting’in tamamen otomasyonu için büyük bir engel olmaya devam ediyor.