후반 15분 득점 패턴 분석을 통한 79.3%의 상관관계 도출

StatsBomb Open Data Reveals: Late Goals Aren't Random

Edge Lab2026년 6월 27일7분intermediate

AI 요약

Context

축구 경기 후반부 득점을 단순한 무작위 이벤트로 치부하던 기존 분석 방식의 한계 존재. 1,085개 경기 데이터를 통해 시간-전술-피로도 간의 상관관계를 정의하는 정량적 프레임워크 필요성 대두.

StatsBomb Open Data 기반의 Shot Map, Pass Sequence, Event Timeline 등 Granular Data 추출 및 분석
70-80분 사이의 공격 강도 급증과 수비 구조 붕괴가 맞물리는 Desperation Window 패턴 정의
60-75분 사이 점유율과 스코어가 유지되는 False Stability 상태의 피로도 누적으로 인한 수비 붕괴 로직 식별
공격적 Substitution 도입 시 상대 수비 재편성 시간으로 인한 득점 확률 가속화 분석
단순 ML 모델링 대신 인간이 해석 가능한 Human-readable Data 내의 클러스터링 패턴 탐색
경기 상태 변수와 전술적 포지셔닝 데이터를 결합하여 득점 발생 가능성이 높은 특정 조건(Condition) 정의

실천 포인트

1. 시계열 데이터 분석 시 단순 평균값이 아닌 특정 이벤트 전후의 '윈도우(Window)'를 설정하여 패턴을 분석하라.

2. 시스템의 정적 상태(Stability)가 유지되는 시간이 길어질수록 임계점 이후 급격한 붕괴가 일어나는지 확인하라.

3. 외부 변수(Substitution 등) 투입 시 시스템의 재구성 시간(Reorganization Time) 동안 발생하는 취약점을 식별하라.

태그