Em maio desse ano, me inscrevi na competição de análise de dados da Conferência de Analytics do Seattle Sounders (time de futebol dos Estados Unidos). A ideia era criar diferentes gráficos com o intuito de ajudar um time a se preparar para um jogo ou a contratar jogadores.
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:
Análise
Primeiro, dei uma olhada na % de passes certos dos jogadores franceses quando pressionados. Esse gráfico mostrou que Umtiti e Matuidi seriam bons “alvos” de pressão pois tendem a perder a bola em regiões valiosas para a Croácia.
Depois, visualizei de forma mais detalhada os padrões de passe de Umtiti e Matuidi quanto pressionados. A ideia é poder antecipar as reações mais prováveis. Matuidi passa para Griezmann, na esquerda. Umtiti procura Kanté ou Lloris (recuando a bola).
Logicamente, a próxima pergunta era: “quem deve pressionar Umtiti e Matuidi?”. O gráfico de recuperações pós-pressão por posição média no campo da uma resposta clara: Mandzukic e Perisic.
Kovacic, que não era titular, também poderia ajudar com intensa pressão na bola.
Idealmente, esses são os principais pontos que eu comunicaria a um técnico ou analista. Acredito que é direto ao ponto, perspicaz e útil.
- Principais Alvos de Pressão: Matuidi e Umtiti
- Principais Pressionadores: Mandzukic e Perisic
- Elemento Surpresa: Kovacic
Resultado
Fiquei muito feliz de ver minha análise entre as 10 melhores da competição! Foi um exercício bacana, especialmente durante esse período com pouco futebol ao vivo. Deixo aqui meu sincero agradecimento aos organizadores e jurados!
Caso queira abrir a apresentação no Google Slides, clique aqui.
Fundador do Algolritmo. Estudei Ciências da Computação e fiz mestrado em Analytics. Meu objetivo é apresentar uma nova forma de consumir futebol no Brasil: através da análise de dados! Meu tópico de maior interesse é comunicar ideias complexas de forma simples através de data visualization.
Me formei em Ciência da Computação e Administração na University of Southern California, em Los Angeles, também com mestrado em Analytics na mesma instituição. Já fiz estágios de Data Science em empresas como Facebook, Itaú e 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.