This May, I submitted an entry for the data analysis competition at the 2020 Sounders FC Soccer Analytics Conference. The challenge was to create data visualizations to help teams prepare for matches or sign new players.
Para minha análise, utilizei os dados abertos da StatsBomb. Me coloquei no lugar de um analista da Croácia prestes a enfrentar a França na final da Copa do Mundo de 2018 e fiz recomendações para o treinador. Aqui está a análise que enviei, junto com um pequeno comentário sobre cada slide:
For my analysis, I used StatsBomb’s open data. I studied the “pressing” strategies for Croatia before facing France in the 2018 World Cup Final and make recommendations. Here is my entry for the competition along with a short comment on each slide
Analysis
First, I looked at French players who had a low pass completion when pressed as well as their average distance from goal. This chart showed that Matuidi and Umtiti are interesting pressing targets, since they can generate high value turnovers which Croatia could explore
Then, I zoomed in the passing patterns for Umtiti and Matuidi when pressed. Knowing how they react to pressure can make a high pressing strategy even more effective. Umtiti tends to play either back to Lloris or forward to Kanté. Matuidi passes mostly Griezmann on the left.
The next logical question is: “who should press the key targets?”. Looking at the chart for pressure regains by average position on the field gave a clear answer: Mandzukic and Perisic.
Kovacic, who was not a regular starter, could also help with the pressing strategy
Ideally, these are the key points I would like communicate to a manager or analyst who sees this report. I believe it is straight to the point, insightful and applicable.
- Key pressing targets: Matuidi & Umtiti
- Key pressers: Mandzukic & Perisic
- Surprise element: Kovacic
Outcome
I was extremely happy to be in the Top 10 analysis of the competition. It was a fun exercise, specially during this soccer-less period. I would like to thank the organizers and judges.
In case you want to look at the presentation on Google Slides, click here.
Algolritmo's founder. I have a bachelor's in Computer Science and a master's in Analytics. My goal is to bring a new perspective into Brazilian football. I'm particularly interested in communicating complex ideas through simple data visualizations.
I graduated in Computer Science and Business Administration at the University of Southern California and got a masters degree in Analytics at the same institution. I have worked as a Data Science intern at companies such as Facebook, Itaú and Looqbox.
Boa tarde. Análise excelente e indicativa de uma abordagem que poderia redundar num resultado diferente daquele que aconteceu. Centrando me noutras questões, os dados compilados foram referentes apenas e só aos jogos da França e da Croácia nesse mesmo Mundial? Não te parece uma amostra demasiado pequena para se chegarem a este tipo de conclusões? Como são competições especiais, disputadas no final da época, com carga emocional diferente, não poderão os jogadores serem afetados por estas variantes e daí estarem mais expostos ao erro? Não sei se me fiz entender, mas espero ter sido explicito. Cumprimentos
Obrigado pelo comentário Pedro!
Os dados utilizados são referentes apenas aos jogos da Copa do Mundo 2018 e você está certo em ser cético em relação ao tamanho da amostragem. Esse é um dos grandes problemas na análise de dados no futebol, muitos jogadores jogam poucos minutos ao longo de um torneio e existem diversos fatores que influenciam seu desempenho.
A intenção desse estudo foi encontrar possíveis estratégias que pudessem ser exploradas, mas é impossível fazer um previsão determinista se o plano será bem sucedido. Acho que o ideal é combinar esse tipo de análise quantitativa com um elemento qualitativo (como análise de jogos por vídeo) para reduzir as margens de erro.