謝邀，其實在科技發展迅速的今天，對於球員的跑動距離的測量是需要科學技術的配合的。在資料取樣的比賽中，賽場內安裝8部具有熱成像功能的高階攝相機，並用這些攝像機記錄比賽的全過程。攝像機拍錄下的資訊會被一套超級複雜的 分析軟體 分解，而最終的結果就是客戶看到的，詳細無比的資料被分門別類地統計出來。

使用專用的技、戰術錄影 分析系統 ，對足球運動員在比賽條件下進行運動距離測量和跑速分析，得到更為客觀的，能反映運動員實際情況的運動距離、跑動速度和運動範圍等，為教練員科學地制定體能訓練計劃，合理地安排比賽的技戰術提供可靠的資料。

而傳球次數會有專門人員進行測量統計出來的，畢竟這個用機器還是很難測量的，接觸是瞬時的，所以其實統計資料並不是完全準確無誤的。

是有專人負責的，早先由人工記錄，其資料比較簡單，犯規，射門，任意球，角球都是可以直觀並紀錄在案。由於科技發展每個人的跑動距離，傳球次數．包括頭球，停球，轉身次數都是可以得到確認。在高速攝像機的引入，對於有爭議的判罰也有回放更改判罰的時候。所以這個問題是由機器觀測紀錄，由人工檢索提取的結果。是不是這樣望權威人士指正。

關於足球比賽的資料統計，一直是我的興趣點，這個專業領域在世界範圍opta公司算是起步很早的，早年做足球資料和專業統計真的是一件費力不討好的事情，基本上要靠人力來完成，那個時候叫做人肉智慧而不是人工智慧。我自己早年在央視實習時，也做過類似的工作，2006年世界盃我們做個一個節目環節叫做“聯通世界風”，當時由於沒有自動化的資料採集和動畫生成軟體，我們只能認真盯著64場比賽看完，記錄每個進球的完成方式和參與球員，然後迅速在後臺“人肉只智慧”完成模擬，再呈獻給觀眾。

這是早年的資料統計情況，但是這些年隨著科技的進步和電腦技術，人工智慧領域的發展，大資料的採集和統計已經進步了很多，按照目前常用的計算機演算法，一場比賽只需要2-4臺攝像機架設在主機位，設定好雙方隊員的球員和草坪背景畫素差，同時利用紅外採集和遙感技術將球場虛擬化分割成一個個小格子，電腦就可以根據球員和球在比賽時間內的運動，自動歸類不同的動作，形成不同的資料型別，不需要認為干預太多，當然計算機畢竟存在誤差，一場比賽結束後，還是需要人工做資料的糾錯和進一步的細化，其實資料採集技術本身不難，隱藏在資料背後的邏輯最重要，出色的資料採集方能夠將資料梳理成有用的目錄分類，以便於各方的分析使用，同時要對時間線上發生的比賽時間，形成自動化的梳理，以便賽後分析可以隨時調取比賽時間點發生的重要事件。

資料採集本質是是為比賽分析服務，而專業的資料採集分析就是體育和足球市場細分化的知識付費內容，它具備更高的情報價值和增值作用，無論是在比賽分析還是球員轉會， 還是球隊狀態方面都會起到很重要的作用。

最近幾年隨著人工智慧技術的發展，電腦對於採集資料的運算能力越來越強，對於場景素材的識別能力越來越高，採集裝置整合的成本也得到大幅度的下降，對於很多的專業和業餘球隊來說，運用資料採集分析來進行球隊管理不再是一件複雜困難的事情。