拋磚引玉。

由於工作量和工作時長要求太大，足球遊戲中的球員資料大部分都是公式生成，即將一些基礎的技術統計（球場奔跑距離、有效奔跑距離、不同強度的奔跑次數、射門精準率等等）帶入不同的公式當中得出具體的資料。

但形成公式的原始資料是怎麼來的呢？答案是現場採集。

資料收集團隊會在球場內設定兩臺（或者多臺）高畫質攝像機，各自拍攝視角覆蓋半場，安裝在距離球場至少3米開外、10米以上的單側看臺上，用三腳架等裝置保持攝像機的持續穩定。

在樣本資料收集完畢之後，它們會被髮送到遊戲的研發中心，中心會分多個步驟來處理資料。例如先根據球員的不同分析篩選出相應位置最重要的資料（例如前鋒看重射門精確度、門將看重撲救成功率、後衛看重解圍和攔截資料）——然後再交給分析師進行逐一分析——是的，資料統計工作在影片錄製過程中，就可以透過AI來自動完成了，人工只用在分析的環節上。

在得出基本資料之後，一部分研發團隊會選擇透過2D建模的方式（有些類似於低碳版足球經理）來對資訊的準確性、合理性和可玩性進行驗證。

值得一提的是，這種資料收集方式也已經廣泛為使用到足球訓練當中。尤其是在球探報告、訓練報告等形式，許多第三方資料公司正在推動這種資料收集技術的普及和最終落地。

例如現在主帥在考察一名球員的競技狀態時，已經可以將場上表達的評價區間精確到“5分鐘”之內。在這種報告的幫助下，教練團隊可以清晰認識到：

·在比賽的特定時間裡，球隊的平均跑動距離；

·在比賽的特定時間裡，某一位球員的跑動距離；

·從身體角度出發，球隊和每位球員開始以及結束的成功機率；

·當丟球的時候，哪位球員不及時或者必要跑動不夠多。

在這個基礎上，還可以追蹤比賽裡的這項資料：

·在某段時間裡，球隊的體能開始下降

·在比賽中，球員們對教練要求的貫徹程度。

與此同時，比賽期間一些非比賽因素的跑動，比如替補下場，接受治療或者其他情況，也會納入資料統計的考量當中。

以上