Bag alle odds hos en online bookmaker er der information. Odds er en repræsentation af sandsynligheden, og vurderingen af denne sandsynlighed kommer fra forskning og analyse.
Information er lettere at samle om store konkurrencer som den engelske Premier League, Grand Slams i tennis og NHL-kampe.
Det skyldes, at statistikker om stjernespillere og hold er lette at finde med så mange kilder, der dækker dem. Hvis du placerer et bet i Danmark, forventer du at se, at den online bookmaker tilbyder dig en forskellighed af væddemålsmarkeder fra forskellige ligaer, konkurrencer og sportsgrene verden over. Men hvis vi ser bort fra store og populære ligaer eller atleter, har mange turneringer eller atleter simpelthen ikke tilstrækkelig information tilgængelig for bookmakere til at vurdere deres konkurrenceniveau.
At indsamle data om mindre populære fodboldkampe fra ukendte ligaer, der ikke er i rampelyset, er derfor langt sværere. Så hvordan fastsætter bookmakere præcise odds, når der er en relativ mangel på information at gå efter?
Data og analyse
Hvad folk ser i professionel sport, er kun toppen af et meget stort isbjerg, der understøtter det. Tænk på europæisk fodbold, hvor de store ligaer som La Liga, Premier League, Bundesliga og Serie A dominerer alle overskrifter og tv-dækningen. Så overvej, hvor mange andre fodbolddivisioner der er på kontinentet ud over dem.
Et godt eksempel på dette er UEFA Europa Conference League, hvor spillere sandsynligvis vil se en række hold fra nationale ligaer fra steder som Rumænien, Bulgarien og Nordirland, som de er fuldstændig uvante med.
Men disse hold skal stadig forskes og analyseres til formålet med at fastsætte odds, selv når der er en mangel på information om dem.
Dataindsamling
Informationen, der indsamles om mindre kendte sportsgrene og begivenheder, kommer fra store dataudvindingsindsatser, der dækker historiske oplysninger, holdets præstationer, spillernes præstationer og tendenser. Analysespecialister som Opta og Sportradar bryder sport ned i ekstremt niche-statistikker, som bookmakere kan bruge.
Bookmakere har deres egne hold af tradere, og nogle gange til niche-kampe må specialisterne manuelt grave lidt dybere med den information, der kan skrabes fra nettet, for at vurdere potentielle resultater.
Officielle liga- og turneringshjemmesider er også meget værdifulde for bookmakere. Officielle organisationer har typisk en enorm mængde specialiserede statistikker, fordi den engelske Premier League f.eks. kun fokuserer på den engelske Premier League.
Desuden kan et interessant eksempel på indsamling af information være e-sportskampe. E-sport har i de seneste år vundet stor popularitet, og selv hjemmesider, der specialiserer sig i traditionelle sportsgrene, begynder at vise resultater fra kampe, f.eks. i Counter-Strike 2. Dog er informationen fra disse hjemmesider langt fra tilstrækkelig for en bookmaker til at danne en odds-linje.
Her kommer specialiserede hjemmesider for enkelte discipliner, som f.eks. HLTV for Counter-Strike 2, til hjælp. På denne platform kan man se detaljeret statistik for hver enkelt spiller på den professionelle scene. En bookmaker vil selvfølgelig udnytte sådanne ressourcer til at indsamle information.
Partnerskaber med udbydere
At indsamle oplysninger om alle hold og alle spillere fra alle sportsgrene er simpelthen for meget for én operatør, så bookmakerne er også afhængige af en anden type tredjepartsspecialister – odds- og udbydere.
En bookmaker kan benytte sig af flere af disse, som hver især har ekspertise inden for forskellige områder. En kan levere målrettede data fra sydamerikanske fodboldligaer, en anden fra lavere rangerende tennisturneringer, og en tredje har oplysninger om fremadstormende boksere, der arbejder sig op ad stigen til titelkampe.
Mange af disse platforme som Kambi og Gammastack leverer odds, som integreres i en bookmakers platform via en API (Application Programming Interface). Disse kuraterede odds skal selvfølgelig være nøjagtige, så der er stor tillid til, at tredjepartsvirksomheder leverer nøjagtighed.
Men virksomheden vil gøre det for at opbygge tillid og forretning, så partnerskabet fungerer, og sammen med oddsene leveres der også mere integrerede data som spillerstatistik og hurtig datahentning til opdaterede livepriser.
Kunstig intelligens
AI-handel er blevet tungt integreret i online sportsvæddemål. AI og maskinlæring kan sætte automatiske priser fra de data, der er blevet analyseret, og lægge vægt på præcise marginer, der hjælper bookmakere med risikostyring.
Men det bruges også til andre formål, f.eks. til at spore væddemålstendenser på obskure kampe for at se, hvilken type handling der foregår på den. Denne øjeblikkelige analyse af folkestemningen kan så sammenholdes med de begrænsede data, der er til rådighed, for at justere oddsene, hvis det er nødvendigt.
Dette er vigtigt, fordi odds på mindre kendte begivenheder typisk er højere risiko for bookmakere. Manglen på information om spillere, der konkurrerer i en første-runde kamp på ATP’s Challenger Tour i forhold til en semifinale ved US Open, er f.eks. enorm. Selv med information modvirker bookmakere dette ved at sætte højere marginer på markeder, der får mindre offentlig støtte.
Bookmakernes odds skabes ud fra store mængder information, som hurtigt behandles og sammenfattes til sandsynlighed. At afbalancere de populære konkurrencer med nichebegivenheder, som kun en håndfuld mennesker sandsynligvis vil se på, kommer fra en balance mellem teknologi og manuel ekspertise.
