這是一個很有意思的想法，我從技術的角度來說說個人看法。

首先，作為一名大資料領域的科研從業者，對於採用大資料的方式做預測是持肯定態度的，而且隨著大資料相關技術的發展，未來大資料的預測會越來越準確，這對於指導很多行業領域開展創新活動都有非常積極的意義。

從當前大資料技術的預測方式來說，主要依賴於資料的歷史價值，基於資料的歷史價值來預測未來的行為價值。隨著通訊網路速度不斷提升和雲計算的算力不斷加強，實時資料的加入也進一步拓展了大資料預測的應用邊界，一些對於實時資料處理要求非常高的場景，也在逐漸使用大資料技術來替代傳統的人力資源。

大資料的應用一定不能脫離場景，而且場景因素越複雜往往大資料預測效果就越差，有的時候，大資料預測的結果甚至是災難性的，一些錯誤的相關性因素往往會導致大資料預測輸出匪夷所思的結果。

結合足球運動這個場景來說，大資料確實能夠在一些特定的環節發揮出積極作用，比如在制定訓練計劃方面，可以結合每名運動員的特點來定製訓練策略，從而達到一個更精準的訓練目標，但是大資料也不是萬能的，如果過分依賴大資料技術來拓展其應用邊界，有可能會適得其反。

從技術的角度來說，當前深度學習存在非常多且致命的問題無法解決，在一些非常簡單的場景下尚有做出錯誤預測的可能，就更不用說應用在人才選拔這種複雜的場景下了，因此這種非可信任的技術如果用在人才選拔方面，一定要做好應用的邊界，做一些輔助我認為是可行的，但是絕不能作為判斷的唯一標準。

目前很多同學都在關注模型的可解釋性，關注可信任人工智慧技術，相信未來大資料、人工智慧領域的很多技術會在足球運動場上得到運用，但是我同樣相信，不論大資料技術如何發展，都不應該成為把熱愛足球運動的孩子擋在足球場外的藉口。

現在導致足球運動成績差的原因有很多，但是有一點原因幾乎是共識，那就是青少年參與足球運動的機會太少了，這不是大資料技術能解決的問題，也不應該在這個時候讓大資料技術上場，不能再讓大資料背鍋啦。

最後，如果有大資料相關的問題，歡迎與我交流。