「データの裏側で勝利を設計する」──パフォーマンス分析官の仕事の核心はここにある。試合中、ピッチサイドで選手の動きを観察するスタッフ、試合後にビデオ室で対戦相手の戦術を分析するアナリスト、トレーニング中にGPSデータを監視する研究員。彼らがいなければ、現代のトップスポーツは成立しない。

キックオフから90分、トップサッカーチームは選手1人あたり1,000以上のデータポイントを収集する。走行距離、スプリント回数、ポゼッション、パス成功率、ヒートマップ、シュート期待値（xG）。これらを処理し、コーチに即座に提示するのが分析官の仕事である。

本図鑑は、スポーツパフォーマンス分析官を目指す高校生・大学生・社会人5年目以内に、「データサイエンス×スポーツ」の最先端キャリアを体系化する。

4つの主要業務領域。①パフォーマンス分析（試合内）：試合中のリアルタイム分析、ハーフタイム時のコーチへの戦術提示、②対戦相手分析：来週の対戦相手の直近5〜10試合の戦術・キープレーヤー分析

③選手コンディション管理：GPSデータ・心拍データ・疲労度の経時管理、過負荷の早期警告、④リクルートメント分析：スカウトと連携し、新加入候補選手のデータ分析

競技別の特徴：サッカーはHudl SportsCode・Wyscoutが標準、野球はStatcast・Trackmanが標準、バスケはSynergy Sports、ラグビーはSportscode。各競技専用ツールで成熟したエコシステムが存在。

現代的スポーツアナリティクスの起点は1980年代のセイバーメトリクス。ビル・ジェームズ（MLB）が統計手法で野球の常識を覆した。2002年のオークランド・アスレチックスはビリー・ビーンGM率いる「Moneyball」アプローチで低予算の常勝チームを実現。

2003年マイケル・ルイス『Moneyball』出版＋2011年ブラッド・ピット主演映画化で世界的に知られた。同時期、サッカー界ではOptaがOpta Statsを発売、欧州クラブのデータ活用が標準化。

2010年代：Catapult GPS（豪州、現在世界の80%のトップチームで使用）、Hudl（米国、動画解析の世界標準）、Wyscout（伊国、サッカー試合データベース）、Hawkeye（テニス・クリケットの判定）など、業界標準ツールが確立。

2020年代：機械学習・AI解析・コンピュータビジョンの進化で、リアルタイム自動分析・予測モデルが次世代スタンダードに。トラッキング技術の進化で「すべての動きを記録」が可能となった。

主要ルート。①スポーツ科学・データサイエンス学位：早稲田・筑波・順天堂・立命館等のスポーツ科学＋統計・情報学。米国・英国・豪州の修士課程（スポーツアナリティクス専門）は王道。

②統計・データサイエンス学位＋スポーツ熱情：理系出身者がスポーツ業界へ参入。Python・R・SQLの実務スキルが武器。

③元アスリート＋データ習得：競技経験者がデータ分析を独学・大学院で学び、分析官へ転身。

④クラブ・球団インターン：欧州・米国のトップクラブはアナリスト・インターン制度を提供。無償または低賃金だが、新人参入の主要ルート。

⑤データ会社経由：Stats Perform・Opta・Wyscout等のデータ会社で経験を積み、クラブ・球団へ転身。

動画解析：Hudl SportsCode（年間1〜3万ドル）、Coach’s Eye、Dartfish。試合映像をタグ付け・編集・配信。

選手追跡データ：Catapult（GPS・心拍・加速度）、StatSports、Polar Team Pro。練習・試合中の身体的データを実時間で記録。

統計プラットフォーム：Wyscout（サッカー、年間1〜5万ドル）、Stats Perform（Optaデータ）、Trackman（野球）、Synergy Sports（バスケ）。

プログラミング：Python（pandas・scikit-learn・matplotlib）、R、SQL、Tableau、Power BI。データ整形・統計分析・可視化に必須。

ビデオ編集：Adobe Premiere、Final Cut Pro。コーチ用のハイライト編集。

5つの基本スキル：①競技理解（戦術・ルール・選手の動き）、②データ分析（統計・機械学習・可視化）、③プログラミング（Python/R/SQL）、④映像解析（Hudl等のタグ付け）、⑤コーチへの説明力（複雑なデータを直感的に伝える）

専門領域：①試合中アナリスト（ライブ分析）、②対戦相手分析、③選手コンディション、④リクルートメント分析、⑤怪我予測（GPS＋医学データ）、⑥xGモデル等の数理モデル開発

言語：英語必須（業界標準）。スペイン語・ポルトガル語があれば中南米・欧州での需要拡大。日本のJリーグ・プロ野球は英文資料が増加中。

トップサッカークラブの分析官体制（例：マンチェスター・シティ・PSG）：①Director of Football Operations / Performance（全体統括）、②Lead Performance Analyst（試合分析責任者）、③Opposition Analyst（対戦相手分析専門）、④Performance Data Scientist（数理モデル開発）

⑤Sport Scientist（GPS・心拍データ管理）、⑥Video Analyst（映像編集専門）、⑦Junior Analyst / Intern（補助業務）

プロ野球の場合：編成部門にデータ分析セクション＋一軍ベンチに専属アナリスト＋スカウト部にデータ担当。複数球団でデータ部門の人員拡大が継続中。

大学運動部・実業団：1名のフルタイム＋大学院生インターン体制が標準的。

収入帯：新人インターン無償〜年200万円／新人正社員400〜600万円／中堅700〜1,000万円／シニアアナリスト・リード800〜1,500万円／Director of Performance 1,500〜3,000万円

欧州サッカートップクラブ：Lead Analyst年俸10〜30万ポンド／Performance Director 30〜80万ポンド／MLB分析部門ディレクター 30〜80万ドル

キャリアパス：大学院→インターン→ジュニアアナリスト→アナリスト→シニアアナリスト→Lead→Director。30代でDirectorに昇進し50代まで継続するモデルが標準的。

関連職への展開：①分析官→監督・コーチ、②分析官→GM・スポーツディレクター、③分析官→データ会社CTO、④分析官→大学教員（スポーツアナリティクス）、⑤分析官→独立コンサルタント

スポーツアナリスト（解説者）とは活動領域（チーム内 vs メディア）が決定的に異なる。両者は名称似ているが業務全く別。

スカウトとは活動範囲（チーム内分析 vs 選手発掘）が異なるが、近年は「データスカウト」として両者の融合職能も出現。

アスレティックトレーナーとは活動領域（データ分析 vs 身体ケア）が異なるが、両者は選手コンディション管理で密接協働。

スポーツ科学者（大学）とは立場が異なる（チーム所属 vs 大学所属）が、両者の人材交流は活発。多くの分析官は大学・大学院から輩出される。

欧州サッカー：プレミアリーグ・ラ・リーガ・ブンデスリーガ・セリエAの各クラブが10〜20名のアナリスト体制。リバプールFC・マンチェスター・シティ・PSGはデータ部門が世界最大級。リバプールFCのIan Graham博士（元物理学博士）はサラー獲得など多数の補強を主導した。

MLB：30球団に各10〜30名のデータ部門。ヤンキース・ドジャース・アストロズは特に大規模。

NBA：30球団に各5〜20名のアナリスト。Synergy Sports・Second Spectrumの活用が世界トップレベル。

日本：J リーグでは横浜F・マリノス・川崎フロンターレ・浦和レッズ等の上位クラブで本格化。プロ野球は楽天・ソフトバンク・日本ハム・DeNA等が分析部門を強化中。

2020年代の進化：①コンピュータビジョン（試合映像から自動で選手位置・ボール軌道を抽出）、②機械学習による予測モデル（xG・xT・PPDA等の高度指標、勝率予測）、③自然言語処理（試合レポート自動生成）

主要研究：Pelican Imaging・Hawk-Eye・Genius Sports・SkillCorner等のスタートアップがAI解析の最前線。Kaggle等のデータコンペでスポーツAIモデルが日々進化。

2030年への展望：①完全自動化された試合分析、②選手別の個別最適化トレーニング、③怪我リスクの数日前予測、④AR/VRでの戦術可視化、⑤AIコーチアシスタント。アナリストの仕事は「ツール操作」から「戦略立案」へ進化する。

スポーツアナリティクス業界の主要組織・ツール・学術機関を整理する。

パフォーマンス分析官はデータで勝利を設計する職能。GETTAは身体的データの新次元を提供する装置。両者はデータ駆動と文化身体論の融合という新しい領域を開く。

「データで勝利を設計する」分析官と、「身体の新しいデータ次元を提供する」GETTAは、文化身体論×データサイエンスの新領域を共創する。