Αυτοί είναι οι νεαροί Έλληνες ποδοσφαιριστές που ξεχωρίζουν

Ο Ταρκάν Μπατκούν είναι μια αναγνωρίσιμη φυσιογνωμία στον χώρο του σύγχρονου scouting και της ανάλυσης της απόδοσης.

Με εμπειρία άνω των είκοσι ετών σε τέσσερις ηπείρους, έχει εργαστεί ως Scouting Director και Head of Performance Analysis σε επαγγελματικά κλαμπ, έχει διδάξει σε ομοσπονδίες και εκπαιδευτικούς οργανισμούς, και σήμερα βρίσκεται στη θέση του CEO της πλατφόρμας Comparisonator, ενός εκ των πιο εξελιγμένων εργαλείων σε παγκόσμιο επίπεδο για την αξιολόγηση και σύγκριση ποδοσφαιριστών μέσω δεδομένων και AI.

Η πορεία του τον έχει φέρει στο κέντρο της διεθνούς συζήτησης γύρω από το μέλλον του scouting, καθώς συνδυάζει ποδοσφαιρική γνώση, τεχνολογική εξειδίκευση και βαθιά κατανόηση των διαφορών ανάμεσα στις αγορές, από την Ευρώπη και την Τουρκία μέχρι την Αυστραλία και τις ΗΠΑ. Με αυτό το background, αποτελεί έναν από τους πιο έγκυρους συνομιλητές για το πώς εξελίσσεται το ποδόσφαιρο στην εποχή των big data και του Artificial Intelligence.

Στη συζήτησή μας ο Μπατκούν αναφέρεται στους νεαρούς Έλληνες ποδοσφαιριστές που αγωνίζονται εκτός Ελλάδας και ξεχωρίζουν σήμερα. Και εξηγεί πώς το σύγχρονο scouting μεταμορφώνεται από την ψηφιακή τεχνολογία, το data-driven decision making και τα AI-μοντέλα που αλλάζουν πλέον τον τρόπο με τον οποίο οι ομάδες εντοπίζουν, αξιολογούν και προβλέπουν ταλέντο.

-Έχετε ασχοληθεί με football analytics και scouting σε διαφορετικές ηπείρους, από την Αυστραλία μέχρι την Τουρκία και την Ευρώπη. Πώς έχει διαμορφώσει αυτή η διεθνής εμπειρία τον τρόπο με τον οποίο προσεγγίζετε σήμερα τα δεδομένα και την αναγνώριση ταλέντου;

“Το να εργάζομαι στο ποδόσφαιρο σε τέσσερις ηπείρους μου δίδαξε μία βασική αλήθεια — τα δεδομένα δεν σημαίνουν τίποτα χωρίς πολιτισμικό πλαίσιο. Ένας παίκτης στην Αυστραλία, την Τουρκία ή το Βέλγιο μπορεί να παρουσιάζει τους ίδιους αριθμούς, αλλά το περιβάλλον, ο ρυθμός του πρωταθλήματος και η τακτική κουλτούρα αλλάζουν εντελώς τη σημασία αυτών των αριθμών.

Ο χρόνος μου στην Αυστραλία με βοήθησε να καταλάβω τη συστηματοποίηση και την τεχνολογία· στην Τουρκία εστίασα στην ανάπτυξη ποδοσφαιριστών και την ανθρώπινη πλευρά του scouting· και στην Ευρώπη έμαθα πώς να ευθυγραμμίζω αυτούς τους δύο κόσμους. Γι’ αυτό στο Comparisonator, το AI μας δεν κάνει απλώς υπολογισμούς, προσαρμόζεται στη “γλώσσα” του ποδοσφαίρου κάθε χώρας.

Αυτή η ισορροπία ανάμεσα στην τοπική κατανόηση και τη διεθνή σύγκριση είναι αυτό που κάνει την τεχνολογία μας χρήσιμη παγκοσμίως και αυτό που με κρατάει παθιασμένο στο να χτίζω γέφυρες ανάμεσα σε ποδοσφαιρικές κουλτούρες μέσω των δεδομένων”.

-Έχετε μιλήσει σε παγκόσμια events & football forums, έχετε συντονίσει πολλά data & AI & scouting panels από το Μιλάνο, το Λονδίνο, τη Βαρκελώνη μέχρι τη Σερβία, την Αυστραλία και την Τουρκία, και έχετε συμβουλεύσει τόσο συλλόγους όσο και ομοσπονδίες. Τι πιστεύετε ότι σας έχει φέρει αυτό το επίπεδο διεθνούς σεβασμού και αναγνώρισης στην ποδοσφαιρική κοινότητα;

“Ο σεβασμός στο ποδόσφαιρο δεν προέρχεται από τίτλους – προέρχεται από συνέπεια και προσφορά. Για πάνω από δύο δεκαετίες, έχω εργαστεί για να συνδέσω τρεις κόσμους που σπάνια μιλούν την ίδια γλώσσα: το ποδόσφαιρο, την ακαδημαϊκή κοινότητα και την τεχνολογία.

Από τη δημιουργία του πρώτου Scouting Laboratory model, μέχρι τις συνεργασίες ως σύμβουλος με διεθνείς data companies όπως Wyscout, Sportstec, Hudl, SoccerLab, πάντα προσπαθούσα να χτίζω συστήματα που να αντέχουν πέρα από τα άτομα. Όταν μιλάω σε διεθνή forums – είτε στο Social Football Summit στη Ρώμη, είτε στο DealDone Serbia, είτε στο Hungarian Football Forum – στόχος μου δεν είναι να “πουλήσω” τεχνολογία.

Είναι να μοιραστώ πραγματική ποδοσφαιρική γνώση μεταφρασμένη σε data και AI λογική. Οι άνθρωποι σε αυτόν τον χώρο το εκτιμούν – γιατί ξέρουν ότι προέρχεται από δουλειά τόσο στο γήπεδο όσο και πίσω από την οθόνη. Στο τέλος της ημέρας, το ποδόσφαιρο είναι μια παγκόσμια γλώσσα. Η αποστολή μου ήταν να διασφαλίσω ότι τα δεδομένα τη μιλούν άπταιστα”.

-Ποιοι νέοι Έλληνες θα ξεχώριζαν κάποιος αν αναζητούσε νεαρούς ποδοσφαιριστές που αγωνίζονται σε πρωταθλήματα μακριά από την Ελλάδα;

“Χρησιμοποιώ το Comparisonator Recruitment Shop module για να εντοπίζω νεαρούς παίκτες που μπαίνουν σε U17-U19 ή επαγγελματικές λίγκες οπουδήποτε στον κόσμο μέσω του AI Player Finder.

Μόλις εισάγω ηλικιακή κατηγορία και το φίλτρο nationality & passport – για παράδειγμα, Greece στην προκειμένη περίπτωση – το σύστημα εμφανίζει αυτόματα μια λίστα παικτών σε κάθε θέση που έχουν ελληνικό διαβατήριο, μαζί με επιλεγμένα stats ώστε να βρεθεί το σωστό ταλέντο.

Προσωπικά παρακολουθώ πολλούς από αυτούς τους νεαρούς Έλληνες παίκτες παγκοσμίως. Μερικά ιδιαίτερα ενδιαφέροντα ονόματα είναι:

• Θεοφάνης Μπακούλας (2005) –  Ρίο Άβε (Πορτογαλία)
• Θεόδωρος Σακουφάκης (2007) – Ουνιόν Βερολίνου Κ19 (Γερμανία)
• Χρήστος Κώστογλου (2009) –  Ντόρτμουντ Κ17 (Γερμανία)
• Ανδρέας Πουλόπουλος (2009) – Βέρντερ Βρέμης Κ17 (Γερμανία)
• Αλέξανδρος Ζαβερντίνος (2007) – Σίντνεϊ ΦΣ (Αυστραλία)
• Γρηγόρης Πολιτάκης (2006) – Τορίνο Κ20 (Ιταλία)
• Φίλιππος Τσαπίπης (2008) – Χόρσενς Κ19 (Δανία)

Παρακολουθώ επίσης αρκετούς αξιόλογους U23 παίκτες ελληνικής καταγωγής, όπως:

• Νεκτάριος Τριάντης (2003) – Μινεσότα Γιουνάιτεντ (ΗΠΑ)
• Μιχάλης Κοσίδης (2002) – Ζαγκλέμπι Λούμπιν (Πολωνία)
• Αϊντί Τζάικο (2002) – Τσερκάσι (Ουκρανία)”

-Από τη δική σας οπτική, ποια είναι η μεγαλύτερη αλλαγή στο football scouting τα τελευταία πέντε χρόνια εξαιτίας των data και του AI;

“Η μεγαλύτερη αλλαγή είναι η μετάβαση από την κρίση στη δικαιολόγηση. Πριν από πέντε χρόνια, το scouting βασιζόταν κυρίως σε γνώμες. Τώρα, κάθε παρατήρηση πρέπει να υποστηρίζεται από data evidence. Το AI το έχει κάνει αυτό εφικτό, μετατρέποντας τη διαίσθηση σε κάτι μετρήσιμο και επαναλαμβανόμενο.

Σήμερα, οι scouts δεν περιγράφουν απλώς παίκτες· τους “επιβεβαιώνουν” με metrics όπως AI Points, trend consistency και role fit. Δεν έχει αντικαταστήσει την ανθρώπινη εμπειρία, την έχει ενισχύσει, δίνοντας δομή σε ό,τι κάποτε ήταν ένστικτο”.

-Ποιους τύπους δεδομένων θεωρείτε τους πιο αξιόπιστους δείκτες για τη μελλοντική απόδοση ενός παίκτη;

“Τα πιο αξιόπιστα δεδομένα είναι εκείνα που εξηγούν μοτίβα, όχι στιγμές. Στο Comparisonator, έχουμε μάθει ότι το consistency trend ενός παίκτη, η decision-making efficiency και η physical repeatability είναι πιο ισχυροί δείκτες της μελλοντικής απόδοσης από μεμονωμένα highlights.

Επιπλέον βασιζόμαστε πολύ στα AI Fitness Points, για να μετρήσουμε πόσο βιώσιμη είναι η απόδοση ενός παίκτη με την πάροδο του χρόνου, όχι μόνο πόσο καλός ήταν μια φορά. Όταν αυτό συνδυάζεται με context-adjusted performance και role suitability, αρχίζεις να βλέπεις το πραγματικό μέλλον ενός παίκτη, όχι μόνο το παρελθόν του”.

-Πώς μπορεί το AI να βοηθήσει τους συλλόγους να μειώσουν το ρίσκο όταν επενδύουν σε παίκτες από λιγότερο γνωστές ή υποτιμημένες αγορές;

“Το Artificial Intelligence επιτρέπει στους συλλόγους να αντικαθιστούν τις υποθέσεις με αποδείξεις. Όταν παρακολουθούν παίκτες από λιγότερο γνωστές ή υποτιμημένες αγορές, ο μεγαλύτερος κίνδυνος είναι η data inconsistency — διαφορετικά πρωταθλήματα, διαφορετικά playing styles και κενά στο context κάνουν τη σύγκριση σχεδόν αδύνατη.

Εκεί επεμβαίνει το AI. Μέσα από πλατφόρμες όπως το Comparisonator, το AI ομαλοποιεί και μεταφράζει την απόδοση κάθε παίκτη σε μια universal football language, ώστε ένας full-back στη USL League των ΗΠΑ να μπορεί να συγκριθεί ουσιαστικά με έναν στη Belgian Pro League.

Τα AI models αξιολογούν όχι μόνο τα στατιστικά, αλλά και το contextual difficulty, όπως league strength, team quality και το tactical environment. Αυτή η διαδικασία μετατρέπει άγνωστους παίκτες σε quantifiable profiles. Οι σύλλογοι μπορούν να δουν πώς θα αποδίδουν θεωρητικά τα metrics ενός παίκτη εάν αγωνιζόταν σε πιο απαιτητικό περιβάλλον — αυτό είναι που ονομάζω “Virtual Transfer” technology.

Βοηθά τα recruitment teams να προσομοιώνουν το ρίσκο πριν υπογράψουν, χρησιμοποιώντας predictive modeling αντί για διαίσθηση. Εν ολίγοις, το AI δεν αντικαθιστά το human scouting, αλλά το ενδυναμώνει, επιτρέποντας στους scouts να παίρνουν πιο γρήγορες, ασφαλείς και πιο ενημερωμένες αποφάσεις, ειδικά σε αγορές όπου το παραδοσιακό scouting είναι περιορισμένο ή προκατειλημμένο”.

-Όταν οι σύλλογοι χρησιμοποιούν το Comparisonator, σε ποια data points ή metrics δίνουν προτεραιότητα κατά το scouting;

“Κάθε σύλλογος χρησιμοποιεί τα δεδομένα διαφορετικά, αλλά η κύρια προτεραιότητα είναι η σαφήνεια, η κατανόηση του γιατί ένας παίκτης αποδίδει, όχι μόνο το πόσο αποδίδει. Όταν χρησιμοποιούν το Comparisonator, οι προπονητές και οι scouts συνήθως ξεκινούν με role-based metrics αντί για raw numbers.

Για παράδειγμα, αντί να ρωτούν απλώς “ποιος έχει τα περισσότερα tackles”, ρωτούν: “ποιος αποδίδει σαν Defensive Full-Back;” ή “ποιος ταιριάζει στο προφίλ του Box-to-Box Midfielder;”.

Γι’ αυτό η πλατφόρμα του Comparisonator μετατρέπει πάνω από 700 στατιστικές παραμέτρους σε AI Points και role-specific indexes, επιτρέποντας στους χρήστες να αξιολογούν τους παίκτες με βάση τη λειτουργική τους θέση εντός ενός συστήματος.

Οι σύλλογοι δίνουν προτεραιότητα σε δείκτες όπως:

• AI Points (Overall Performance Index)
• AI Fitness Points (Physical Efficiency Index)
• Positional Role Fit %
• Consistency και trend curves
• League Difficulty & Team Context adjustment

Αυτά τα metrics επιτρέπουν στους συλλόγους να βλέπουν πόσο αποτελεσματικός είναι πραγματικά ένας παίκτης, όχι απλώς πόσες πάσες ή tackles έκανε. Οι πιο χρησιμοποιημένες περιοχές είναι τα Player vs Player modules και το Virtual Transfer feature”.

-Πώς ομαλοποιείτε τα δεδομένα μεταξύ πρωταθλημάτων διαφορετικής δυναμικότητας και πόσο αξιόπιστο είναι αυτό το normalization στην πρόβλεψη προσαρμογής ενός παίκτη;

“Αυτό είναι μία από τις μεγαλύτερες προκλήσεις στο football analytics, το να συγκρίνεις παίκτες από πρωταθλήματα που λειτουργούν σε εντελώς διαφορετικό επίπεδο. Η πλατφόρμα Comparisonator χρησιμοποιεί ένα AI-driven normalization engine που προσαρμόζει την απόδοση κάθε παίκτη σύμφωνα με το league difficulty, το team strength και το opposition quality.

Με τον καιρό, τα machine learning models μαθαίνουν από χιλιάδες transfers και αποτελέσματα, βελτιώνοντας συνεχώς τα weightings. Το αποτέλεσμα δεν είναι θεωρητικό, είναι predictive”.

-Πώς διασφαλίζετε ότι τα AI models σας αποφεύγουν biases που προκύπτουν από league strength, team playing style ή data scarcity;

“Το bias είναι ο σιωπηλός εχθρός των football data. Για να το ελαχιστοποιήσουμε, τα AI models του Comparisonator εκπαιδεύονται σε multi-league, multi-season datasets. Όλα ομαλοποιούνται μέσω contextual weighting – league strength, team style, possession rate, opposition level.

Όταν υπάρχει data scarcity, το model μεταβαίνει σε trend-based prediction αντί να δημιουργήσει λανθασμένα συμπεράσματα”.

-Πώς επικυρώνετε τις AI-driven predictions σε σχέση με τα πραγματικά αποτελέσματα απόδοσης;

“Η επικύρωση είναι το σημείο όπου η τεχνολογία συναντά την πραγματικότητα. Στο Comparisonator, κάθε AI prediction εξετάζεται σε σχέση με την πραγματική απόδοση μετά από transfers. Παρακολουθούμε το πώς προσαρμόζονται πραγματικά οι παίκτες – συγκρίνοντας τα pre-transfer predicted AI Points με τα post-transfer αποτελέσματά τους.

Αυτό το feedback loop επιτρέπει στο model να αυτοδιορθώνεται, μαθαίνοντας ποια variables έχουν πράγματι σημασία για την προσαρμογή απόδοσης”.