Der Algorithmus, der Messi nicht vorhersagen konnte

Meine Python-Skripte können NBA-Wurfquoten mit 92% Genauigkeit vorhersagen, aber der GOAT des Fußballs existiert außerhalb normaler sportlicher Abbaukurven. Betrachten Sie diese Absurdität: Messi hat 1.060 Profispiele bestritten und liegt immer noch bei 0,8 Toren+Vorlagen pro Spiel – eine Rate, die Superstars in ihren besten Jahren beschämen würde.

Die Last der Größe

Dieses WM-Finale ‘22? Die meisten Spieler erreichen ihren Höhepunkt mit 28-32. Messi mit 35:

• 7 Tore (3 in der K.o.-Phase)
• 3 Vorlagen
• 4,81 torvorbereitende Aktionen/90 (Top 1% weltweit)

Die Daten zeigen seinen körperlichen Abbau – langsamere Sprints, weniger Pressings. Aber hier ist das Wunder: seine Entscheidungsgeschwindigkeit hat sich seit 2018 um 12% verbessert (Second Spectrum Tracking). Er kompensiert wie ein Schachgroßmeister, der Züge vorhersehen kann.

Der unmögliche Standard

Seine „nie in der Gruppenphase ausgeschieden“-Bilanz:

• 17 UEFA-Champions-League-Saisons: Immer weitergekommen
• 5 Weltmeisterschaften: Nie unter dem Achtelfinale Statistisch gesehen ist dies ein Ereignis mit ,1% Wahrscheinlichkeit unter Elite-Spielern. Meine Modelle nennen es „Die Messi-Konstante“ – ein Ausreißer, der normale Verteilungskurven sprengt.

Warum Analytics Genie nicht erfassen kann

Wir messen:

• Erwartete Tore (xG)
• Progressive Ballführungen
• Pressing-Resistenz

Aber wie quantifiziert man die Art, wie er Verteidigungsformationen verbiegt? Oder diese Signaturbewegung – der angehaltene Dribbling, der Verteidiger anzieht, bevor er einen Pass spielt? Einige Dinge transzendieren Daten. Bis wir eine „Genie-Quotient“-Metrik entwickeln, werden wir weiterhin staunend zuschauen.