Ketika Data Bertemu Bola

Kegagalan Tenang Model Manajerial

Saya memeriksa statistik selama lebih dari dua jam—bukan karena emosi, tapi karena angka berbisik. Catatan 2 menang, 1 seri, 5 kalah di fase grup Porto? Bukan keberuntungan. Ini model overfit: terlalu banyak variabel, terlalu sedikit varian.

Pengumuman resmi bukan karena panik—tapi pembaruan posterior: teorema Bayes diterapkan pada keputusan manusia di bawah tekanan. Sousa mewarisi tim berbakat, tapi data bercerita lain: ekspektasi gol per pertandingan jatuh di bawah ambang batas. Model telah berkonvergensi pada mediokritas.

Algoritma Kekalahan

Kami melatih model dengan data bersih dari akademi Lisbon, tapi realitas tak mendengar intuisi. Dalam sepak bola—seperti statistik—variabel paling berbahaya adalah waktu. Ketika kelelahan datang, tingkat kemenangan turun bukan karena bakat—tapi karena prior yang salah selaras. Masa jabatan Sousa bukan soal kepribadian; ini soal kalibrasi.

Saya sudah bekerja dengan R dan Tableau cukup lama untuk tahu: ini bukan drama—itu diagnostik. Pelatih tidak dipecat karena kalah—dia diganti ketika probabilitas posterior jatuh di bawah ambang.