Los datos y la toma de decisiones en el fútbol

Mientras el Mundial de Fútbol 2022 continúa celebrándose en Catar, es más que probable que haya pasado inadvertida una cuestión: algunas de las jugadas más importantes van a tener lugar fuera del campo. La mayor parte de los equipos participantes disponen ya de informes en profundidad sobre cómo lanzan los penaltis los distintos jugadores y apoyar así a sus porteros en las rondas finales eliminatorias. Sin embargo, este tipo de análisis aislado es sólo una pequeña parte de la revolución que se está produciendo en algunos de los principales clubes de fútbol del mundo. Hoy en día, el fichaje más importante no es sólo el de un delantero que marque 30 goles por temporada o contar con una imponente muralla defensiva.

El departamento de análisis del Liverpool, el equipo ganador de la Premier League de Inglaterra en 2020, está liderado por un físico de polímeros de la Universidad de Cambridge. El Arsenal ha contratado recientemente a un antiguo ingeniero de software de Facebook como responsable de datos, y el actual campeón de la Premier League, el Manchester City, ha incorporado a un prestigioso científico especializado en Inteligencia Artificial con un doctorado en astrofísica computacional a su departamento de I+D. Todd Boehly, el nuevo propietario del Chelsea, se pasó el verano intentando, sin éxito, contratar a un nuevo director técnico con experiencia en datos. Estos son algunos ejemplos de cómo el fútbol en Inglaterra, donde los clubes más ricos están invirtiendo para conseguir una ventaja competitiva, están fichando a profesionales vanguardistas que han demostrado su valía en equipos de otras ligas, como sucede con el Mónaco, en Francia, y con el RB Leipzig, en Alemania.

El análisis de datos puede ofrecer una clara ventaja competitiva en el mundo del fútbol

Pero el análisis en el mundo del fútbol y del deporte no es algo nuevo y cuenta con una larga historia. Charles Reep, un contable de las fuerzas armadas británicas, se convirtió en el primer analista de datos del fútbol en la década de los 50, antes de que existieran los ordenadores personales. Billy Beane aplicó el análisis estadístico en el béisbol, a principios de los años 2000, y creó el método Moneyball [reflejado en la película ‘Moneyball: Rompiendo las reglas’, protagonizada por Brad Pitt]. En 2009, apareció su equivalente futbolístico, Soccernomics, de Simon Kuper y Stefan Szymanski, dando paso a una nueva era de análisis deportivo basado en los datos. Kuper y Szymanski llegaron a distintas conclusiones como, por ejemplo, que los porteros estaban infravalorados en el mercado de fichajes y los jugadores brasileños, sobrevalorados.

Hace diez años yo mismo cofundé una consultora de análisis futbolístico junto con los autores del libro. Uno de nuestros primeros clientes fue la selección nacional de Holanda. El análisis de datos en el fútbol se viene realizando desde hace tiempo pero, en la mayoría de los casos de forma retroactiva: desgranar el desempeño del pasado para intentar saber lo que podría ocurrir en el campo. Antes de la final del Mundial de Fútbol de 2010 contra España, proporcionamos a la selección holandesa un informe en el que el profesor Ignacio Palacios-Huerta, experto en teoría de juegos, mostraba las tendencias de los penaltis y los patrones de tiro de los goleadores españoles. España marcó cuatro minutos antes del final y se proclamaron campeones. No obstante, los holandeses confiaban en haber ganado en la tanda de penaltis.

En este mundial, todos los equipos sabrán qué hacer en caso de llegar a la tanda de penaltis.

Un paso hacia adelante

El siguiente paso en estos análisis sobre fútbol es utilizar los datos para determinar y proyectar el comportamiento de los propios jugadores, una propuesta mucho más complicada. Los nuevos avances en el análisis de datos tratan de responder a preguntas sobre el futuro midiendo la distancia recorrida, los sprints realizados, la velocidad de los jugadores y su posición en el campo, así como los goles y las asistencias.

Entender cómo los datos pueden predecir el comportamiento futuro es el reto al que se enfrentan todos los encargados de la toma de decisiones de los equipos, tanto los que pagan enormes sumas de dinero por el fichaje de jugadores como los que confeccionan los equipos para los campeonatos. Por ejemplo, si un delantero marca 25 goles en la primera división holandesa… ¿Cuántos marcaría en la Premier League, donde el nivel del juego es superior (otro hecho demostrado por los datos)? Pagar más de lo debido por un jugador que no rinde puede afectar directamente a la cuenta de resultados de un equipo. Además, los datos sirven de ayuda en el día a día. Si un lateral ha jugado seis partidos en tres semanas y tiene molestias musculares, ¿podremos predecir futuras lesiones? ¿Cuándo debemos darle descanso? ¿Cuál es el valor de la probabilidad de gol de un determinado pase? ¿Dónde se puede encontrar valor en el mercado de fichajes?

También los datos hacen posible mejorar la manera tradicional de medir la labor de un entrenador. Un análisis predictivo de los goles esperados (xG), a partir del análisis de datos, puede mostrar la esencia de un partido con más claridad que el propio resultado, en el que la suerte o una mala decisión arbitral pueden decidirlo. Así, un entrenador bajo presión, como el estadounidense Jesse Marsch, del Leeds United, puede afirmar, que el análisis predictivo de los goles esperados son un mejor indicador del comportamiento real del equipo.

Antes de la COVID-19, ya se celebraban conferencias sobre datos en el fútbol en las que licenciados en matemáticas de veintipocos años hacían presentaciones sobre la importancia de la posición de los jugadores para la construcción del juego o sobre el impacto de una liga concreta en el rendimiento de los jugadores. Dos años después, muchos de estos ponentes trabajan en departamentos de datos de clubes profesionales y son más reacios a compartir sus ideas.

Un club de la Premier League, que no ha querido dar su nombre, utiliza lo que llama una calculadora de valoración. Esta herramienta calcula el valor de mercado (MV, por sus siglas en inglés) de cada jugador, que tiene en cuenta sesgos naturales como la posición, la nacionalidad, el equipo actual y la edad, y lo compara con su valor intrínseco (IV, por sus siglas en inglés), que evalúa su valor añadido real en el campo. En una industria en el que los equipos pueden superar a sus rivales comprando y vendiendo jugadores de forma inteligente en el mercado de fichajes -algo que no se ve en otros deportes, como el fútbol americano, por ejemplo-, esta herramienta puede ayudar tanto a un club vendedor -identificando jugadores con alto VM y bajo VM- como a un club comprador -encontrando jugadores con alto VM y bajo VM-.

El FC Midtjylland ha ganado la liga danesa tres veces desde 2014 y ellos mismos dicen que tiene mucho que ver con números: al fichar a jugadores infravalorados como el centrocampista Tim Sparv y contratar a entrenadores especialistas en jugadas a balón parado y en saques de banda, tuvieron distintas ventajas competitivas. Los clubes de la Premier League Brentford FC y Brighton & Hove Albion FC, ambos pertenecientes a empresarios con experiencia en el sector de las apuestas, utilizan los datos para informar de sus decisiones, al igual que el conglomerado de clubes de Red Bull, con gran éxito.

Unos cuantos equipos europeos también han empezado a medir las cuestiones intangibles que son más difíciles de detectar, como la capacidad de recuperación y el estado de ánimo. Existen aplicaciones de datos para mejorar la biomecánica, el procesamiento cognitivo y el desempeño táctico. El Chelsea, por ejemplo, ha medido la psicología del rendimiento de los jugadores mediante el registro de la confianza, la concentración y acciones basadas en la motivación a través de los datos.

En el terreno de juego, este enfoque está transformando la forma de jugar. El desarrollo de varias y mejores estrategias para las jugadas a balón parado, como los saques de esquina y los lanzamientos desde el punto de penalti, ofrece a los equipos una clara oportunidad de marcar más goles; como ha hecho el Tottenham Hotspur esta temporada (un récord de diez goles de córner en 15 partidos) desde que contrató al experto en jugadas a balón parado, Gianni Vio. También vemos esta nueva forma de pensar reflejada en la poca frecuencia de los disparos lejanos desde fuera del área. Como muestran los números, el lugar óptimo para disparar está más cerca de la portería, por lo que la distancia media de los disparos ha disminuido. No es de extrañar que se haya dicho a los jugadores que disparen sólo cuando estén más cerca de la portería. Los datos también están cambiando la forma de seleccionar a los entrenadores, ya que los clubes contratan a entrenadores especializados en tácticas que se adaptan al perfil de juego de su plantilla.

El fútbol es, por supuesto, un deporte emocional. Se basa en el instinto, la pasión y el carácter. Pero, para obtener los mejores resultados, hay espacio también para los datos. Como escribe Ed Smith, ex jugador de críquet de Inglaterra y ex seleccionador jefe del equipo nacional de críquet, en Making Decisions: Putting the Human Back in the Machine, “más que utilizar los datos en lugar de la inteligencia humana, el reto es utilizar los datos junto con la dimensión humana“. El objetivo de quienes  recurren a la toma de decisiones basada en pruebas es utilizar los datos para ayudarles a entender mejor el juego. O, como dice el escritor de fútbol Ryan O’Hanlon en su nuevo libro, Net Gains: Inside the Beautiful Game’s Analytics Revolution, “una vez que crees que has averiguado la respuesta, otro encontrará una manera mejor de formular la pregunta”.

La cuestión más importante es si este nuevo enfoque permite mantener la belleza del juego. El uso de datos en el fútbol, y de hecho en la vida, no cambiará las opiniones y no debería excluir el juicio humano; la clave está en encontrar los datos correctos para tomar las mejores decisiones. Y en el fútbol, como en la vida, el juego sigue buscando los datos idóneos.


atoca: