压迫强度监测
对手后场出球时的逼抢触发点，被拆成三条线分别统计。哪条线先松动，往往就是失球的起点。
前场78%
中场61%
后场43%
LIVE TRACK
实时追踪系统
比赛进行中的每一个事件都会被记录成时间戳，赛后回看时能对上号，这是我们做复盘的基础。
比分走势偏离
实时比分和模型预期比分之间的差值，会随着比赛推进不断刷新。差值越大，说明场面和结果越不匹配。
当前偏离指数
+0.84
样本：英超 / 德甲 / 西甲 共 9 场
事件时间轴
- 67'换人后阵型由 4-3-3 转为 4-2-3-1，边路宽度明显拉开
- 54'连续三次二点球争抢失败，中场拦截数据下滑
- 31'定位球防守出现盯人错位，被对手抓住一次
PREDICT ENGINE
智能预测引擎在算什么
很多人以为预测就是给个胜平负的概率数字。其实模型内部跑的东西要琐碎得多：射门质量、传球线路被切断的次数、门将出击范围、甚至天气对草皮摩擦的影响。
我们把这些变量喂进模型，输出的是概率分布而不是单一结论。分布的形状，有时候比最高的那根柱子更有信息量。
射门质量加权
不是所有射门都值钱。禁区外远射和六码区推射，权重差了好几倍。模型按位置、角度、防守压力分档处理。
传球网络断裂
统计每支球队的常规传球连线，比赛里哪几条断得最多，基本能看出对手的针对性布置。
体能衰减曲线
70 分钟之后的数据单独拉出来看，冲刺次数和回追距离的变化，比控球率更能说明问题。
定位球先验
角球和前场任意球的得分转化率，按球队单独建模，联赛平均值参考意义有限。
PLAYER STATE
球员状态评估
状态这东西很玄，但拆成可量化的指标之后，至少能看出趋势是往上还是往下。
中场核心 · 覆盖与串联
近 6 场 · 位置：后腰 / 中前卫
场均覆盖 11.4 公里，其中高强度跑动占比 21%。向前传球成功率稳定在 87% 上下，但被压迫时的出球选择偏保守。
87%
向前传球
3.2
抢断/场
7.4
综合评分
锋线支点 · 终结效率
近 6 场 · 位置：中锋
射门转化率 24%，高于联赛同位置均值。背身拿球成功率不错，但反击中的第一脚处理偶尔拖沓，会浪费窗口期。
24%
转化率
1.9
关键传球
0.71
xG/90
联赛趋势研判
按轮次滚动更新 · 数据滞后不超过 12 小时
英超 · 中游集团
防线前压的代价
最近几轮，几支中游球队把防线整体前移了 5 到 8 米，控球时间确实涨了，但被身后球打穿的比例也跟着上升。这套打法对门将的出击判断要求很高。
高位防线
身后球
西甲 · 争冠区
节奏控制权之争
榜首两支球队的场均控球率接近，但推进方式完全不同。一支靠短传渗透，一支依赖边路起速。碰面时谁能把节奏拽到自己熟悉的那一档，谁就占先手。
控球
边路起速
德甲 · 保级区
定位球成了救命稻草
运动战打不开局面的球队，开始把训练重点往角球和任意球上倾斜。数据上看，保级区球队的定位球得分占比已经接近四成，这个比例还在往上走。
定位球
保级战
我们怎么看趋势
单场数据波动太大，至少要看五到八场的滚动窗口。趋势线往上不代表下一场一定赢，但至少说明球队正在往某个方向调整。方向对不对，得结合对手特点再判断。
这也是为什么我们不太愿意给"必胜"这种结论。足球里意外太多，把概率讲清楚，比给一个斩钉截铁的答案更有用。
INTEL Q&A
情报问答
整理了几个被问得最多的问题。答案不一定让人满意，但都是实话。
预测准确率到底有多高？
胜平负三分类的长期命中率在 58% 到 63% 之间浮动，不同联赛差别明显。这个数字听起来不算惊艳，但考虑到足球本身的随机性，已经比多数人的直觉判断稳定。
数据从哪里来？
公开赛事数据、官方技术统计，加上我们自己的追踪系统采集的事件流。不同来源的数据会做交叉校验，冲突的地方标记出来人工复核。
小联赛也覆盖吗？
覆盖，但深度不一样。五大联赛的数据颗粒度最细，能到单次触球级别；次级联赛主要到事件级别；更小的联赛以结果和基础统计为主。
会不会受主观判断影响？
会。模型参数是人调的，指标权重也是人定的。我们能做的是把假设写清楚，让结论可被检验，而不是假装数据完全客观。