Еще недавно футбольный клуб ассоциировался с тренером, скаутом, спортивным директором и десятком людей вокруг первой команды. Сейчас этого набора уже недостаточно.
Вокруг игроков и матчей вырос целый слой специалистов, которых болельщик почти никогда не увидит. Data analysts, data scientists, специалисты по recruitment analytics, performance analysts, люди, работающие с машинным обучением. Они не забивают голы и не выходят на поле, но именно они все чаще участвуют в решениях, которые стоят клубам десятки миллионов евро.
И это уже не модный эксперимент нескольких клубов. Data и analytics сейчас составляют около 5% всех вакансий, которые публикуют клубы Премьер-лиги. За два года показатель примерно удвоился. Для всего профессионального футбола Великобритании Indeed приводит другую выборку: доля таких вакансий выросла с 1,5% в 2018 году до 3,2% за год к июню 2026-го.
На фоне общего британского рынка это особенно показательно: количество вакансий в стране в этом году сокращается, а футбольные клубы продолжают нанимать людей, работающих с данными. Профессиональный футбол сейчас сам становится отдельным рынком труда, где спрос на аналитиков растет быстрее, чем во многих обычных сферах.
Что они вообще делают?
Самая большая ошибка — представлять футбольного аналитика человеком, который сидит перед Excel и считает голы, передачи и xG.
В современном клубе его работа гораздо шире.
Возьмем трансфер. Раньше скаут мог несколько раз посмотреть игрока, написать отчет и порекомендовать его спортивному директору. Сейчас перед этим игрок может пройти через целую систему фильтров.
Возраст, позиция, физические характеристики, стиль игры, действия с мячом и без него, уровень лиги, качество соперников, прогресс за несколько сезонов. Затем данные сравниваются с профилем, который нужен конкретной команде.
Получается довольно простая идея: клуб ищет не просто хорошего футболиста. Он ищет хорошего футболиста, который подходит именно ему.
И это принципиальная разница.
Ньюкасл, например, прямо сейчас ищет Academy Data Analyst. В описании вакансии клуб пишет, что специалист должен объединять футбольные, спортивно-научные и академические данные, отслеживать развитие игроков и помогать тренерам принимать решения. В отдельной вакансии Academy Goalkeeper Scout Analyst Ньюкасл требует одновременно работать с техническими, тактическими, физическими, психологическими, видео- и статистическими данными.
То есть даже скаутинг все меньше выглядит как выбор между «посмотреть игрока» и «посмотреть его статистику».
Теперь нужно сделать и то, и другое.
Данные не заменили скаутов. Они сделали их работу сложнее
Лучший пример здесь — Брентфорд.
Клуб уже много лет строит recruitment-модель вокруг поиска недооцененных игроков. В одной из вакансий клуб прямо описывал задачу своего технического скаутинга: использовать данные, исследования и анализ, чтобы быстрее и эффективнее конкурентов находить недооцененных игроков. При этом данные должны были работать вместе с обычными живыми наблюдениями скаутов.
Именно здесь проходит важная граница.
Если модель говорит, что футболист хорош, это еще не значит, что его нужно покупать.
Она может заметить, что игрок великолепно продвигает мяч, много создает или выигрывает единоборства. Но цифры не всегда объясняют контекст. Возможно, половину своих действий он совершает против слабых соперников. Возможно, его статистика сильно зависит от конкретной схемы. Возможно, он просто физически созрел раньше сверстников и перестанет доминировать на следующем уровне.
Поэтому в нормальной футбольной структуре происходит не война «данные против скаутов».
Происходит проверка одного другим.
Сначала данные помогают сузить огромный рынок. Потом скауты смотрят футболиста вживую и на видео. Затем тренеры оценивают, подходит ли он игровому стилю. И только после этого спортивный директор принимает решение о деньгах.
По сути, аналитик помогает клубу не искать иголку в стоге сена, а сначала сделать этот стог значительно меньше.
Самые интересные данные вообще могут быть не про голы
Представим, что клубу нужен правый защитник.
Можно просто искать игроков с большим количеством отборов, передач и ассистов. Но этого недостаточно.
Команде может быть нужен защитник, который высоко располагается в атаке, быстро возвращается после потери, способен защищать большие пространства один в один и при этом хорошо продвигает мяч.
Тогда идеальный игрок может выглядеть не самым впечатляющим в стандартной статистике.
Зато его профиль идеально совпадет с требованиями команды.
И вот здесь данные становятся особенно ценными для небольших клубов. Богатейшие команды могут купить уже готовую звезду. Для клуба с меньшим бюджетом гораздо интереснее найти футболиста до того, как его цена вырастет в несколько раз.
Именно поэтому Brighton и Brentford так часто становятся примерами data-driven футбола.
Это не магия и не секретная формула, которая гарантирует попадание в каждого будущего Месси. Это попытка получить преимущество в рынке, где большинство хороших игроков уже давно замечены.
Теперь в футбол пришел AI
Следующий этап этой гонки — искусственный интеллект.
И здесь уже появляются не просто красивые презентации про будущее.
Например, Brighton в этом году искал Data Analyst в направлении Performance Science. В требованиях к вакансии были указаны работа с данными, AI и машинным обучением, а также создание отчетов и инструментов, которые должны помогать принимать решения по футбольной производительности.
Смысл не в том, что завтра нейросеть будет выбирать состав вместо тренера.
Скорее, клуб получает возможность быстрее обрабатывать огромный объем информации.
Видео матчей. GPS-данные. Медицинская информация. Физические показатели. Скаутские отчеты. Статистика игроков. Данные академии.
Человек физически не способен самостоятельно изучить все это в нужном объеме.
Машина может.
А человек уже решает, что из найденного действительно важно.
И именно поэтому нынешний футбольный AI, скорее всего, не уничтожит профессию аналитика. Он сделает ее более сложной.
Один аналитик уже не справляется
Самое показательное здесь — структура самих клубов.
Ньюкасл в 2025 году назначил Сударшана Гопаладесикана техническим директором. До этого он руководил Football Intelligence в «Аталанте» и работал Head of Sports Data Science в «Бенфике». В Ньюкасле его зона ответственности включает футбольные data operations, анализ, методологию, recruitment и работу с медицинским и performance-департаментами.
Это уже не «у нас есть один человек, который хорошо знает Excel».
Это отдельная футбольная инфраструктура.
И она постепенно появляется даже там, где раньше на нее просто не было денег.
На карьерной странице Ньюкасла сейчас одновременно присутствуют роли, связанные с data & insights, академией, аналитикой и recruitment. А отдельная вакансия скаутского аналитика предполагает совместную работу с data-командой, видеоаналитиками и техническим скаутингом.
То есть клуб строит не отдел аналитики ради самого отдела.
Он пытается соединить данные → скаутинг → тренеров → развитие игроков → трансферы.
И вот здесь начинается настоящая экономика
В футболе принято считать деньги игроков.
«Купили за €10 млн, продали за €50 млн».
Но гораздо интереснее посчитать стоимость системы, которая помогла найти этого игрока.
Если клуб благодаря данным один раз находит футболиста, которого конкуренты недооценили, и зарабатывает на его продаже условные €30–40 млн, расходы на целый аналитический департамент уже не выглядят такими большими.
Причем выгода не обязательно должна быть только в трансферах.
Лучше определить травматизм. Правильнее дозировать нагрузку. Быстрее заметить спад игрока. Найти слабость соперника. Понять, какой футболист подходит под новую схему.
Каждое из этих решений потенциально стоит клубу миллионы.
Поэтому футбольные данные постепенно перестают быть вспомогательным инструментом.
Они становятся частью основного бизнеса.
Самое интересное только начинается
Парадокс в том, что чем больше клубы используют данные, тем сложнее становится получить преимущество.
Если раньше несколько продвинутых аналитиков могли дать клубу фору перед конкурентами, то сейчас у больших команд появляются собственные data-департаменты, recruitment analysts и специалисты по AI.
Преимущество становится временным.
Сегодня ты первым нашел игрока. Завтра его уже нашли еще пять клубов.
И поэтому следующая битва будет не просто за лучшие данные.
Она будет за людей, которые умеют правильно их интерпретировать.
Можно купить дорогую систему, загрузить в нее миллионы событий и построить красивый дашборд. Но если человек по ту сторону экрана не понимает футбол, все это останется дорогой игрушкой.
Футбол по-прежнему выигрывают игроки.
Но все чаще решение о том, каких именно игроков покупать, как их развивать и когда продавать, принимается далеко за пределами поля.
Еще недавно аналитик был человеком где-то на заднем плане.
Теперь клубы Премьер-лиги тратят деньги, чтобы таких людей становилось больше.
И, похоже, это только начало.
Источники
Financial Times — данные о росте вакансий в data & analytics в английском футболе.
Indeed Hiring Lab — динамика доли data & analytics вакансий в британском профессиональном футболе: 1,5% в 2018 → 3,2% в 2026.
Newcastle United — актуальные вакансии Academy Data Analyst и Academy Goalkeeper Scout Analyst.
Newcastle United — назначение технического директора, отвечающего за football data operations.
Brentford FC — описание data-driven подхода к поиску недооцененных игроков.
Brighton & Hove Albion — вакансия Data Analyst – Performance Science с AI и machine learning.
Комментарии