ข้ามไปยังเนื้อหาหลัก

เกี่ยวกับเรา

ทีมที่เชื่อว่าตัวเลขเล่าเกมได้ดีกว่าความรู้สึก

ฟุตบอลIQ ไม่ใช่บริการ tip — เราเป็นทีมพัฒนาเล็กๆ ที่ลงทุนเวลากับการสร้างโมเดลสถิติ และเปิดวิธีคิดให้คุณตรวจสอบได้ทุกขั้นตอน

เราคือใคร

ทีมพัฒนา ฟุตบอลIQ เป็นกลุ่มเล็กๆ ที่ทำงานสายข้อมูลและวิศวกรรมซอฟต์แวร์มาก่อน เรามาเจอกันบนความสนใจร่วมกันเรื่องหนึ่ง — ทำไมการพูดถึงฟุตบอลในประเทศไทยถึงเต็มไปด้วยคำว่า “เซียน” “แม่นมาก” และ “สูตร” ทั้งที่ในวงการ data science ทั่วโลก เกมฟุตบอลถูกอธิบายด้วยโมเดลความน่าจะเป็นมานานหลายสิบปี

เราจึงเริ่มต้นด้วยคำถามที่เรียบง่าย — ถ้าคนทั่วไปได้เห็นตัวเลขแบบเดียวกับที่นักวิเคราะห์มืออาชีพเห็น เขาจะอ่านเกมเป็นอย่างไร ฟุตบอลIQ คือคำตอบที่เราพัฒนาขึ้นมาตลอดสองปีที่ผ่านมา — ระบบที่รวบรวมข้อมูล match-level, คำนวณ Expected Goals, ปรับด้วย Dixon-Coles, และใช้ Bayesian shrinkage เพื่อให้ค่าที่ออกมามีเสถียรภาพแม้ในลีกที่ข้อมูลน้อย

เราไม่อ้างว่าเป็นเซียน เราเป็นทีมพัฒนาที่ชอบตัวเลข ชอบความโปร่งใส และเชื่อว่าเครื่องมือทางสถิติควรเข้าถึงได้สำหรับคนที่อยากเข้าใจเกมในระดับลึกขึ้น — เพื่อการศึกษาและความบันเทิงเท่านั้น

ทำไมเราทำสิ่งนี้

เพราะข้อมูลควรเป็นของทุกคน ไม่ใช่แค่ของผู้เชี่ยวชาญในห้องทำงานปิดประตู ทุกวันนี้ค่า xG, sharp market reference, และโมเดลสถิติฟุตบอลถูกใช้ในแวดวงวิเคราะห์ระดับโลก แต่ในประเทศไทย ผู้บริโภคยังต้องเลือกระหว่าง “ตามเซียน” หรือ “เดาเอง” โดยไม่มีตัวกลางที่อธิบายเกมด้วยตัวเลขจริง

เป้าหมายของเราไม่ใช่การชี้นำผลลัพธ์ และเราไม่อ้างว่าโมเดลของเราถูกเสมอ เป้าหมายของเราคือการสร้างเครื่องมือที่เปิดเผยกระบวนการคิด — ให้คุณเห็นว่า model ประเมินอย่างไร, ค่า confidence เป็นอย่างไร, และตัวอย่างที่ผ่านมามีทั้งที่ตรงและไม่ตรง เพื่อให้คุณตัดสินใจบนพื้นฐานของข้อมูลที่ตรวจสอบได้ ไม่ใช่คำสัญญา

เราทำงานอย่างไร

กระบวนการของเรามี 4 ขั้นตอน — ทุกขั้นมีบันทึก, ตรวจสอบย้อนหลังได้, และเปิดเผยใน Dashboard ของผู้สมัครสมาชิก

  1. Data

    รวบรวมข้อมูล match-level จาก data provider ที่เชื่อถือได้ — รวมถึงค่า xG, shot quality, ฟอร์ม 6 นัดล่าสุด, และข้อมูล lineup ที่อัปเดตก่อนเกมเริ่ม ข้อมูลทั้งหมดถูก normalize ให้อยู่ในรูปแบบเดียวกันก่อนเข้าโมเดล

  2. Model

    คำนวณ Expected Goals ของแต่ละทีม ปรับด้วย Dixon-Coles เพื่อแก้ low-score bias และใช้ Bayesian shrinkage เพื่อดึงค่าให้ใกล้ baseline เมื่อ sample size ยังน้อย ผลลัพธ์คือ probability distribution ของผลการแข่งขัน

  3. Confidence

    ทุก insight ที่ออกจากระบบจะมี Confidence Level (HIGH / MEDIUM / LOW) ที่คำนวณจากความสอดคล้องของหลายโมเดล, sample size, และส่วนต่างกับ Sharp Market reference เราโชว์ทุกระดับ — ไม่ตัดทิ้ง LOW เพื่อให้กราฟผลย้อนหลังดูดี

  4. Publish

    ส่ง Statistical Insight ผ่าน Telegram bot และเก็บประวัติเต็มลง Dashboard ทุกนัดที่ publish จะถูกบันทึก outcome (correct / incorrect) เพื่อให้ backtest ตรวจสอบได้แบบ public

ค่านิยมของเรา

Transparency

เปิดสูตร เปิด confidence เปิดผลย้อนหลังทั้งที่ตรงและไม่ตรง — เพราะความน่าเชื่อถือสร้างจากตัวเลข ไม่ใช่คำพูด

Data-driven

ทุกการตัดสินใจในระบบมาจากข้อมูล ไม่ใช่ความรู้สึกของทีมงาน หากตัวเลขขัดกับสัญชาตญาณ เราเลือกตัวเลขเสมอ

Education

เราเขียน Glossary, อธิบาย methodology, และไม่ปกปิดศัพท์เทคนิค เพราะผู้ใช้ที่เข้าใจคือผู้ใช้ที่ใช้บริการของเราได้อย่างถูกต้อง

Responsibility

เราย้ำว่าบริการของเราคือเครื่องมือเชิงสถิติเพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุนหรือการชี้นำกิจกรรมใด ผู้ใช้รับผิดชอบการตัดสินใจของตนเอง

ทีมพัฒนาที่อยู่เบื้องหลัง

เราเลือกที่จะไม่เปิดเผยตัวตนของทีม — เพราะคุณค่าของฟุตบอลIQ คือกระบวนการและตัวเลข ไม่ใช่บุคคล ที่เล่าให้ได้คือพื้นฐานสายงานที่เราเอามาใช้ในระบบนี้

  • Data Engineer

    Pipeline + Feature Store

    ทำงานสาย data infrastructure มา 6+ ปี รับผิดชอบการรวบรวม match-level data และ feature pipeline ของระบบ

  • Quant Researcher

    Model + Bayesian

    พัฒนาโมเดล Expected Goals, Dixon-Coles และ Bayesian shrinkage — ดูแลทั้ง backtest framework และการ tune hyperparameters

  • Backend Engineer

    Realtime + Telegram

    ดูแลระบบ realtime ที่ส่ง Statistical Insight ผ่าน Telegram bot ระบบสมาชิก และ payment integration

  • Product Designer

    UX + Content

    ออกแบบหน้าเว็บ Dashboard และรูปแบบ message — ให้ผู้ใช้อ่านตัวเลขได้เร็วบนมือถือ และเข้าใจ confidence ได้ภายใน 3 วินาที

Privacy by design — ทำไมเราไม่โชว์ชื่อจริง? เพราะอุตสาหกรรมที่เราอยู่ใกล้กับการเดิมพันออนไลน์ในประเทศไทย และเราต้องการให้บริการนี้ถูก vet ที่กระบวนการ ไม่ใช่ที่บุคคล — ผู้ใช้ที่ต้องการตรวจสอบ methodology สามารถทดลอง backtest กับข้อมูลย้อนหลังได้ผ่าน Dashboard

ปรัชญาของ Statistical Insight

ทุก insight ที่ออกจากระบบของเราอยู่ภายใต้หลักคิด 3 ข้อ — ที่เราใช้ตั้งแต่ออกแบบโมเดลจนถึงรูปแบบข้อความบนหน้าจอของคุณ

  1. Probabilistic, ไม่ใช่ Deterministic

    เราไม่ทำนายว่า “ทีมไหนจะชนะ” แต่บอกว่าโมเดลคำนวณความน่าจะเป็นไว้เท่าไหร่ และทำไมถึงต่างจากตลาด — ทุก insight มาในรูป confidence + range ไม่ใช่ผลลัพธ์เดี่ยว

  2. Transparent over Convenient

    เราเลือกที่จะแสดงสูตร, sample size, และผลย้อนหลังที่ไม่ตรงทุกครั้ง — แม้รู้ว่ามันทำให้กราฟผลย้อนหลังไม่สวยเท่าคู่แข่ง เพราะระยะยาวความโปร่งใสจะสร้างความน่าเชื่อถือมากกว่าตัวเลขที่ปรุงแล้ว

  3. Educate, ไม่ใช่ Instruct

    Insight ของเราไม่ใช่คำสั่ง “ทำแบบนี้” แต่เป็นข้อมูลที่จัดเรียงให้คุณคิดต่อได้ — เรามี Glossary, methodology, และ disclaimer เพื่อให้ผู้ใช้เข้าใจขอบเขตของตัวเลขก่อนนำไปใช้

ฟุตบอลIQ ในตัวเลข

ตัวเลขสะท้อนกระบวนการ — อัปเดตจาก production ของระบบ

ลีกที่ครอบคลุม
28

ทั่วโลก ทั้งยุโรปและเอเชีย

เวลาในการพัฒนาระบบ
2 ปี

ตั้งแต่ prototype แรก

นัดที่อยู่ใน backtest
10K+

ทุกผล log ลงฐานข้อมูล

Insight ที่เปิดเผยผล
100%

ทั้งที่ตรงและไม่ตรง

ตัวเลขเป็นค่าจาก production ณ ไตรมาสล่าสุด ไม่ได้แปลว่าโมเดลถูกเสมอ — ดูผลเต็มได้ที่ /track-record

อยากเห็นวิธีคิดของเราในของจริง?

ดูตัวอย่าง Statistical Insight ที่ผ่านมา พร้อมผลย้อนหลังทั้งที่ตรงและไม่ตรง — เราเปิดทั้งสองให้ตรวจสอบได้

อ่านบทวิเคราะห์ตัวอย่างดูแพ็กเกจสมาชิก

ฟุตบอลIQ เป็นบริการวิเคราะห์เชิงสถิติเพื่อการศึกษาและความบันเทิงเท่านั้น ไม่ใช่บริการเดิมพัน ไม่ใช่คำแนะนำการลงทุน และไม่รับประกันผลลัพธ์ใดๆ ผู้ใช้มีหน้าที่ปฏิบัติตามกฎหมายของประเทศที่ตนพำนัก