歐洲國家盃足球賽（UEFA EURO）正在歐洲各國進行，但科技的應用卻正成熟起飛中，包括球體配置的感應裝置，以及裁判手上的智慧手錶等設備。但事實上，背後的判決決策與賽事進行，多了許多科技元素。
在轉播畫面下雖然與過去的足球賽事沒什麼太大不同，雙方隊伍試圖掌控球權，透過策略與跑位把球送到球門裡，但除了眼睛所見應用以外，還有另一項技術，令各職業足球隊伍爭相導入、有望主導比賽走向的科技應用。
你要玩數據，離不開先學會把大量的原始數據整理一遍。 如果你喜歡觀看足球比賽，也可以自己通過數據工程去分析足球比賽。
最強足球數據家加盟
天體物理學家、英國財政部前政策顧問 Laurie Shaw 宣布加入將成為曼城（Manchester City）旗下資料數據團隊的領導者，利用分析結果來擬定更佳的作戰策略，在職業足球界掀起一場熱烈討論。
促使職業足球隊對數據資料愈加重視，名門球隊開始利用數據分析促進球員與球隊表現，小型球隊雖然沒有自己的數據分析團隊，但也引進相關軟體系統，導入數據分析的助力。
清洗足球數據，創建數據集
國外的 Hugo Mathien 從多個來源中提取數據，克服了數據完整性問題，並手動構建了數據集 ，數據集包含比賽統計，即分數、角球、犯規等、球隊的出場陣容/陣型，並收錄了各個球員名字與他們在每次比賽時在球場上的位置。
他使用的數據包含了2008年至2011年的25,000多場比賽，來自11個國家的超過10,000名球員，以及多達10家數據提供商的投注賠率，舉個例子，如果某個球員在一段時間內表現不佳，他在國際足聯中的統計數據會受到影響，通常在數據集中會看到相同的更新。
數據多元化應用＆案例
足球隊能夠搜集與分析的數據相當多元，光是與球相關的數據如傳球數、射球數、誤傳數、助攻數等，配對球員與傳球位置，來分析短時間內這位球員與球、隊友等之間的距離變化；在日常訓練期間，穿戴式裝置則用來測量球員的熱量消耗、心跳數、疲勞程度等身體指數，來管理球員的體適能狀態。
擁有理論物理博士學位的利物浦（Liverpool）球隊研究部門總監 Ian Graham，專注在利用數據尋找哪些球場區域比較可能是自家球隊的控球處、哪種傳球比較有可能創造進球等，進而找出可能增加進球率的傳球區域。讓分析師透過進球數、球權比率等各項數據，打造數據模型。
利物浦球隊也與人工智慧公司 DeepMind 研究員們，測試如何讓 AI 系統幫助人在困難的危機情況下，如何幫助球員或教練團隊們找出破解困境的決策方法，更好地做出複雜且即時的決策。運用在足球上。
案例1：數據中發現，經常改變出場比賽陣型的球隊獲勝概率較低。原因是當一隊球隊有長期使用習慣的陣型後，比賽時就能表現出穩定性，球員就會磨合出很好的默契。
案例2：主場勝利的概率遠遠超過了客場勝利。對於每個足球迷來說，這是直觀的，在主場比賽的球隊總是有優勢，一些聯賽有近50% 的主場勝利概率和25% 的主場平局概率 – 即是主場只有25%的概率會敗。
現實環境的合作競爭：數據應用造就球隊差距
許多職業足球隊都在決策過程中加入數據元素，而使用數據的方式，依每個球隊的需求而有所不同。大部分的球隊都將他們使用數據的方式，當作球隊機密。畢竟球隊之間還是相互競爭。
對於數據分析的導入以及數據團隊的建立，都需要龐大的財團支持，名門球隊要取得這項新興科技不是問題，對小型球隊來說是件奢侈的事情。
在這樣的資源差距下，科技助力更可能加深名門球隊與小型球隊之間的競爭力，讓小型球隊球隊更難勝利。
總結：數據分析仍無法控制勝負走向
現今來說，結合數據與人工智慧技術，是足球產業未來科技趨勢。
在職業足球上，預測科技可能對教練的執教、對上不同球隊的事先演練與隊形交換、球員轉隊交易市場等，都有更大的決策影響。
搜集與分析數據，利用演算法來推測比賽中一些下意識動作模式，提升球隊進球機率，數據搜集與分析可以幫助預測未來。
研究指出即使人工智慧能夠幫助球隊建立長期的競爭力，但隨機因素與環境複雜性，還是讓足球運動維持相對未知與刺激，仍然不會被數據分析與預測科技奪走。