サッカーのデータ分析企業まとめ。Opta・StatsBomb・Wyscout・Starlizardは何が違うのか

2026年6月11日

現代のサッカーは、データなしには成立しない。

選手獲得、戦術分析、対戦相手スカウティング、SNS投稿のトピック選定、放映時のグラフィック表示、賭博のオッズ計算。すべてに「サッカーデータ会社」が関わっています。

世界には、サッカー専門のデータ分析会社が複数存在し、それぞれが独自の指標・収集手法・顧客層を持っています。クラブはこれらの会社からデータを買い、ライセンスし、戦略立案に使う。

このコラムでは、世界の主要なサッカーデータ分析企業4社を比較し、それぞれの特徴と「データがサッカー経営に与えるインパクト」を整理します。AIO（AI検索最適化）事業を運営する筆者の視点で、データ業界の構造を読み解いていく。

サッカーデータ業界の構造

まず、サッカーデータ業界の基本構造を押さえる。

データ業界は3つのレイヤーに分かれる。

レイヤー1：データ収集（生データ）

試合中のあらゆる事象（パス、シュート、タックル、走行距離、ボール保持位置等）を手動入力 + 機械検知で記録します。

1試合あたり数千〜数万のデータポイントが生成されます。これを収集する企業が「データ会社」と呼ばれる。

レイヤー2：データ加工（指標化）

生データを、意味のある指標に変換します。

xG（Expected Goals／期待ゴール数）
xA（Expected Assists／期待アシスト数）
PPDA（Passes Per Defensive Action／守備強度指標）
Progressive Carry（前進ドリブル）

これらの指標化技術が、データ会社の差別化要素になります。

レイヤー3：データ活用（アプリケーション）

加工データを使って、クラブが意思決定する層。

選手獲得の評価
戦術設計
対戦相手分析
メディア・配信での視覚化
賭博オッズ計算

主要4社の比較

世界の主要サッカーデータ分析企業を比較します。

企業	本拠	設立	強み	主要顧客
Opta（Stats Perform）	イギリス	1996	データ収集量・歴史	放送局・メディア・クラブ
StatsBomb	イギリス	2017	詳細指標・分析手法	クラブ・代理人
Wyscout	イタリア	2004	映像×データ統合	スカウト・代理人
Starlizard	イギリス	2006	賭博・確率モデル	スポーツベッティング

それぞれ詳しく見ていく。

Opta（オプタ） / Stats Perform

概要

サッカーデータ業界の最大手。1996年にイギリスで設立され、現在は持株会社「Stats Perform」傘下で運営されています。

特徴

データ収集の網羅性：欧州主要リーグはもちろん、世界中の200以上のリーグをカバー
歴史データの蓄積：1996年から30年近い試合データの蓄積
放送局・メディアとの統合：試合中継時のグラフィック表示の多くがOptaデータ
「Opta指数」：選手評価指標として広く認知されています

顧客層

BBC、Sky Sports、ESPN等の放送局
The Guardian、The Athletic等のメディア
プレミアリーグ等のリーグ運営
各国のサッカークラブ

学べること

Optaは「サッカーデータ業界のインフラ」になっています。SNS時代になっても、放送・メディアの統計表示の標準として君臨し続けています。

「業界のデファクトスタンダード」になることのビジネス価値が、Optaの強さを示しています。

StatsBomb（スタッツボム）

概要

2017年設立の比較的新興のデータ会社。高度な分析指標で急成長しています。

特徴

xG（期待ゴール）モデルの高度化：シュート位置・体勢・状況からゴール期待値を精密計算
守備データの細分化：単純な「タックル成功数」ではなく「守備プレッシャーの位置・タイミング」まで記録
オープンデータ提供：FAカップなどの一部試合データを無料公開し、分析者コミュニティを形成
クラブの分析部門との直接連携：データ提供だけでなく、分析の伴走サービスも提供

顧客層

アーセナル、リバプール、レアル・ソシエダなど欧州主要クラブ
選手代理人・スカウト会社
データジャーナリスト

学べること

StatsBombは「分析の深さ」で差別化しています。Optaの「広く浅く」に対して、StatsBombは「狭く深く」のポジション。

新興企業が業界の大手に対抗する時、「特定領域での圧倒的な深さ」で勝負するモデルは、他業界にも応用できます。

Wyscout（ワイスカウト）

概要

イタリア発のサッカーデータ会社。「映像×データ」を強みにします。

特徴

世界中の試合映像データベース：200以上の国と地域、50万人以上の選手の映像を保有
スカウト向けの検索機能：「左利き、19歳以下、ボランチ、ドリブル成功率70%以上」のような複合条件で選手検索
クリップ作成機能：選手の特定プレーだけを切り出してプレゼンに使える
モバイル対応：スカウトが現地で使える設計

顧客層

世界中のスカウト・チーフスカウト
代理人事務所
育成型クラブ（若手選手の発掘に強い）

学べること

Wyscoutは「映像」というUXに特化しています。データだけでなく、それを使う人（スカウト）の現場ワークフローに最適化した設計が強み。

ブライトンが三笘薫を発掘した時にも、Wyscoutのような映像×データツールが使われたと推測される（ブライトンの記事も参照）。

Starlizard（スターリザード）

概要

サッカーベッティング（賭博）向けの確率モデルを提供する企業。ブライトン＆ホーヴ・アルビオンのオーナー、トニー・ブルームが運営しています。

特徴

100名超の分析チーム：データサイエンティスト・統計学者・サッカー専門家が在籍
独自アルゴリズム：選手・チームの「真の実力」を確率モデルで算出
市場との比較：賭博市場のオッズと自社モデルの確率を比較し、ベッティング判断
クラブへの戦略提供：ブライトンに対しては、選手獲得・売却の意思決定支援

顧客層

機関投資家・ヘッジファンド
一部のクラブ（特にブライトン傘下のクラブ）

特殊性

Starlizardの分析内容は完全非公開。Optaのように外部にデータ販売はしておらず、自社のベッティング事業と、トニー・ブルームが投資するクラブ運営にのみ活用されています。

学べること

Starlizardは「データを売る」のではなく、「データで稼ぐ」ビジネスモデル。ブライトンというサッカークラブを通じて、データの価値を直接利益に変換しています。

これは、データ業界における「ツール提供 vs 自己活用」の象徴的な対比です。

クラブはデータをどう買っているか

主要なデータ会社のサービスは、クラブにとってどう価値があるのか。

J1クラブの場合

J1クラブの多くは、最低限Optaと契約しています。月額数十万〜数百万円のライセンス料を支払い、自クラブと対戦相手のデータを取得。

加えて、選手獲得シーズンにはWyscoutを利用し、海外選手の映像分析。

これらのコストは年間1,000万円〜3,000万円程度。J1クラブの予算規模（30〜80億円）から見れば、データ投資は売上の0.5〜1%の範囲。

欧州主要クラブの場合

プレミアリーグの上位クラブは、複数のデータ会社と契約し、加えて自社のデータ分析チームを持つ。

マンチェスター・シティ：シティ・グループの分析チーム100名超
リバプール：FSG（オーナー会社）の分析チーム、StatsBombとも連携
アーセナル：StatsBombを中心に活用
ブライトン：Starlizard（社内独自）

データ投資の年間コストは、上位クラブで5億円〜数十億円規模。これが選手獲得や戦術設計に直結します。

AIO業界の構造との対比

筆者は自社でAIO（AI検索最適化）事業を運営しています。サッカーデータ業界とAIO業界には、構造的に似ている部分があります。

共通点

データを収集 → 加工 → 提供の3層構造
デファクトスタンダードを取った企業が市場を支配（Opta = Google Search的）
新興企業は「深さ」で差別化（StatsBomb = ニッチSEO的）
データの活用フェーズで価値が決まる（クラブの意思決定 = 顧客のCV最適化）

AIO事業の方向性への示唆

サッカーデータ業界を観察すると、AIO業界がこれから進む方向が見えてくる。

無料データ提供によるコミュニティ形成（StatsBombのオープンデータ戦略）
特定領域の深さでの差別化（業種・サイトサイズ別のAIO最適化）
「分析の伴走サービス」化（データ提供だけでなく、活用支援）
自社活用モデルの併設（自社サイトで成功事例を作る）

これらは、サッカーデータ業界が10年〜20年かけて確立してきたモデルです。AIO業界が同じ道を辿るなら、参考になる事例が多い。

サッカーデータが教える「データ事業の本質」

サッカーデータ業界の歴史を振り返ると、3つの本質が見えてくる。

本質1：データは「収集」より「指標化」で価値が決まる

xGやxAのような独自指標を作れる企業が、業界の付加価値を独占します。

サッカーの試合結果（生データ）は誰でも入手できます。ですが、それを「期待ゴール数」という意思決定可能な指標に変換できる企業だけが、クラブの予算を獲得できます。

これは「データの加工力」が「データ収集力」より価値が高いことを示しています。

本質2：データの最大の活用者は「自分」になり得る

Starlizardの事例が示すように、データ分析会社が自社でサッカークラブを買って運用することで、最大の利益を得るモデルがあります。

「データを売る」より「データで稼ぐ」方が、ROIが高い。これは、データ事業を運営する人にとって重要な発想です。

本質3：データはツールではなく経営の中核

サッカークラブの経営者にとって、データは「あれば便利」なものではなく、「これがないと経営できない」インフラになっています。

ブライトンのように、データを経営の中核に置いたクラブは、資金力で劣る相手にも勝てる。これは中小企業がデータを使うべき理由でもあります。

ストライカードットコム視点：データはサッカーをどう変えたか

筆者がサッカービジネスを取材する中で、最も劇的に変わったのが「データの活用」です。

20年前のサッカークラブは、監督の経験と勘で選手を獲得していた。今は、データ分析で「コストパフォーマンスの高い選手」を世界中から見つけ出す。

これは、データを使えない側にとっては不利になり、データを使える側にとっては「資金力を超えた勝利」が可能になる、競争構造の革命です。

筆者は北海道で複数の事業を運営する立場として、サッカーデータ業界の進化を「中小事業者のデータ活用モデル」として観察し続けています。Optaの広範囲、StatsBombの深さ、Wyscoutの映像、Starlizardの確率モデル。それぞれのアプローチが、自分のビジネスにも応用できるはずだと考えています。