Data-driven scouting model for identifying promising players for the needs of the Widzew Łódź club

Hlavním cílem diplomové práce je návrh a následná implementace datově orientovaného skautingového modelu, který je primárně určen k identifikaci perspektivních fotbalových hráčů pro potřeby klubu Widzew Łódź. Práce je rozdělena na tři logické celky. První část se zabývá seznámením čtenáře s problematikou fotbalové analytiky, ekonomickým kontextem přestupního trhu a analýzou současných skautingových procesů. Následně se práce zaměřuje na metodologii vývoje modelu, kde je popsán proces sběru dat z platformy Wyscout a využití algoritmů strojového učení, konkrétně metody Random Forest pro stanovení vah jednotlivých metrik specifických pro každou hráčskou pozici. Druhá část, která je hlavní složkou této práce, přináší samotnou technickou implementaci modelu v jazyce Python. V této části je definována unikátní metrika „Widzew Score“, která integruje výkonnostní data s koeficienty náročnosti lig a transformuje je pomocí kumulativních distribučních funkcí. Výstupem diplomové práce je vytvoření vizualizační vrstvy pro interpretaci výsledků ve formě radarových grafů a identifikace konkrétních hráčů pro shortlist klubu. Práce končí zhodnocením úspěšnosti modelu prostřednictvím zpětné validace a souhrnem doporučení pro budoucí pokračování rozvoje modelu v oblasti profesionálního fotbalu.

The main goal of the thesis is the design and subsequent implementation of a data-driven scouting model which is primarily intended to identify prospective football players for the needs of the Widzew Łódź club. The thesis is divided into three logical parts. The first part deals with introducing the reader to the topic of football analytics, the economic context of the transfer market, and an analysis of current scouting processes. Subsequently, the thesis focuses on the model development methodology, describing the data collection process from the Wyscout platform and the use of machine learning algorithms, specifically the Random Forest method, to determine weights for individual metrics specific to each playing position. The second part, which is the main part of this thesis, presents the actual technical implementation of the model in Python. In this section, a unique metric called the "Widzew Score" is defined, which integrates performance data with league difficulty coefficients and transforms them using cumulative distribution functions. The output of the diploma thesis is the creation of a visualization layer for the interpretation of results in the form of radar charts and the identification of specific players for the club's shortlist. The thesis concludes with an evaluation of the model's success through back-testing and a summary of recommendations for the future development of the model in the professional football industry.