Fundamentos de las Acciones a Balón Parado

Las acciones a balón parado ocupan un lugar diferente en fútbol. Constituyen una parte considerable del juego, pero históricamente han sido subestimadas por parte de los espectadores y en ocasiones incluso por los profesionales del deporte.

Tener una comprensión de los conceptos básicos puede aportar claridad a lo que a menudo parece una maraña de jugadores en movimiento y ayudar a generar nuevas ideas para explotar aún más esta parte del juego.

Desde el punto de vista del equipo atacante, el primer paso es identificar la estructura y configuración defensiva del equipo rival. A partir de ahí preguntarse qué se puede hacer para explotarlo en nuestro beneficio. Una parte fundamental de esto es la orientación de los defensores. En función del tipo de marcaje defensivo, ya sea individual, zonal o mixto, los defensores están obligados a controlar dos referencias al mismo tiempo: el balón y el movimiento de los jugadores atacantes. Esta característica intrínseca de estas situaciones puede ser aprovechada por el equipo atacante.

Por ejemplo, vamos a echar un vistazo a la imagen inferior:

Los defensas (en este caso el Hoffenheim, de azul) están agrupados alrededor y dentro del área pequeña. El equipo atacante (Friburgo, de rojo) tiene dos jugadores colocados detrás de ellos o fuera de su campo de visión. Los defensores pueden tratar de mantener la referencia de los atacantes mirando de reojo constantemente, pero en algún momento tendrán que girarse para mirar desplazamiento del balón, y en ese momento perderán momentáneamente la referencia de lo que está pasando a sus alrededores.

El jugador en la corta (#14), no tiene capacidad de percibir el movimiento del jugador que se anticipa a él. Este tipo de errores son muy comunes. Parece un cabezazo fácil hasta que no lo es.

Para muchos comentaristas y espectadores el marcaje zonal es un sospechoso habitual. Es cuestionado cuando sale mal, mientras que rara vez se hace lo mismo con el marcaje individual - que también tiene problemas inherentes.

Sin embargo, lo cierto es que los sistemas de marcaje zonal son igual de falibles si se atacan correctamente, dificultando la capacidad de los defensas de seguimiento y concentración.

Los equipos de Ole Gunnar Solskjær han usado algunos planteamientos bastante extremos, tanto en el Molde como en el Manchester United.

En parte, esta es una razón por la que se podrían preferir los saques de esquina al primer palo. Te dan la oportunidad de atacar el espacio delante de los defensores desde su punto ciego. Los saques de esquina al segundo palo también son útiles pero tienen defectos más obvios. Atacar la espalda de la defensa es teóricamente correcto, pero el tiempo extra que el balón se desplaza en el aire da a los defensores (y al portero) más tiempo para reaccionar a su vuelo y moverse para bloquear o interceptar el centro. Los centros al segundo palo funcionan mejor cuando existen desequilibrios físicos o distracciones - volveremos a este punto más adelante.

Todas las ideas relativas a la orientación de los defensores se aplican igualmente a las faltas, en las que existe mas posibilidad de sacar provecho de los envíos segundo palo.

Vamos a ver un ejemplo ingenioso en el vídeo inferior: Hay tres atacantes colocados en el lado más alejado de la línea defensiva, generando una superioridad numérica y creando dudas a los defensores. Uno de los atacantes hace un delicioso desmarque anticipándose al defensor directo y rematando el centro de cabeza.

Estos principios también se aplican a los saques de banda.

Todo esto es una muestra de cómo desestabilizar los sistemas de marcaje zonal. ¿Cómo podemos hacer lo mismo con el marcaje individual? Aquí es donde tenemos la oportunidad de inyectar un poco de picante en las rutinas de balón parado, utilizando la presencia física de los jugadores para impedir a los defensores llevar a cabo una defensa eficaz

La versión más simple de esto es un pick (bloqueo) o screen (pantalla), concepto que se origina en el baloncesto. La idea es que un jugador se queda quieto para crear un obstáculo que el defensor tiene que evitar. 

Se utilizan para liberar a los compañeros creando espacio entre un atacante y el defensor. Se utilizan en todo tipo de rutinas inteligentes y estéticamente agradables. Por ejemplo, atentos al lado inferior de la cancha en este ejemplo:

Mientras la atención de todos se desvía hacia el jugador con el balón, un tirador se escabulle a la esquina y su compañero bloquea a su marcador. ¡Boom! Un tiro abierto de tres puntos. Bonito y simple.

Los picks pueden ofrecer la misma utilidad en el fútbol. Pese a estar relativamente desaprobados por los árbitros de  figuran entre las otras mil cosas que no se penalizan frecuentemente. Durante el juego no existen muchas oportunidades de usarlos, ya que el campo es demasiado grande. No obstante, en los balones parados, dentro de los espacios reducidos ofrecidos por los saques de esquina, los tiros libres y los saques de banda, pueden ser letales.

Vamos a ver este ejemplo del Athletic Club contra el Napoli en Champions League.

Gurpegi (#18) capitán del conjunto vasco bloquea en el centro del área pequeña a dos jugadores, permitiendo a Aritz Aduriz (#20) rematar en el segundo palo completamente solo.

En el siguiente ejemplo el defensor #22 es bloqueado en el punto de penalti impidiendo su marcaje al jugador que prolonga el envío. 

En este ejemplo el belga Marouane Fellaini es bloqueado en el área pequeña:

Esta idea tiene múltiples modos de uso en estas acciones. Generalmente se aconseja mantener las rutinas simples. Cuantas más acciones se le pidan a un jugador como parte de una rutina compleja, más oportunidades habrá de que no se ejecute de manera exitosa y coordinada.

Este tipo de jugadas son perfectas para crear confusión. En el siguiente ejemplo, el Thun (en rojo y blanco) inicialmente juega corto y no está claro cuál es su plan. Todos los defensores están orientados hacia el balón. El futuro rematador está posicionado detrás de ellos en el otro lado de la área, en el lado ciego. El único defensor que ve lo que viene es su marcador, y es víctima de un gran golpe que le impide intervenir (hay que señalar que este golpe, posiblemente ilegal, se hace fuera de la vista del árbitro). Un defensor secundario en la parte superior del área pequeña también es bloqueado.

Aunque los picks son efectivos en fútbol, el área es más grande que la mitad de una cancha de baloncesto. Por lo tanto, encontrar maneras de reducir el espacio y hacer más difícil que los defensores se muevan es de gran ayuda.

Los picks presentan verdaderos problemas para los defensores. ¿Pasas por encima del obstáculo? ¿Por debajo? ¿Hay otra opción? En el baloncesto existe un esquema defensivo que se llama switching.

Esto es algo que puede haber visto en fútbol - especialmente si eres seguidor de los equipos de Marcelo Bielsa. Es simplemente cuando un defensor pasa el hombre que está marcando a un compañero. Están intercambiando (switching) las responsabilidades defensivas entre ellos.

El siguiente vídeo es un ejemplo en fútbol. El Sparta Praga (granate y negro) ejecuta un switch en la esquina inferior derecha del área.

Esta manera de defender tiene algunas ventajas, pero también desventajas obvias.

Una de ellas son los desequilibrios físicos. Si un jugador alto está siendo defendido por un rival de similar tamaño, al hacer un pick para un compañero más pequeño, si los defensores ejecutan un switch, tienes un jugador lento y torpe emparejado con uno más pequeño que le puede . Y, por supuesto, el defensor del jugador más pequeño está ahora emparejado con alguien más alto y más fuerte que él. Ahora existe un desequilibrio físico que puede aprovechar el equipo atacante. Aplicando los mismos principios que en el baloncesto, esto también se puede lograr en el fútbol.

En el primer clip de este ejemplo, una variedad de picks y movimientos obligan a un defensor más pequeño, con brazos más cortos, a marcar un jugador que es capaz de agarrar el balón desde fuera de su alcance y conseguir una bandeja relativamente sencilla. En el segundo video (Ajax) un defensor más pequeño hace un switch a Matthijs de Ligt (#4) que supera a su nuevo marcador con facilidad. El Ajax utilizó con mucho éxito esta rutina durante el tiempo que De Ligt estuvo allí.

El otro dilema defensivo que esto provoca es la falta de comunicación. Los defensores tienen que estar concentrados para contrarrestar los picks. Si se descuidan por un segundo, o no se comunican lo suficientemente bien entre ellos, es probable que no lo ejecuten de manera coordinada. Ni siquiera se necesitan los picks para lograr esto. Cualquier contra-movimiento de los jugadores atacantes en espacios reducidos pone el mismo tipo de presión en la defensa.

Aquí hay un par de nuevos ejemplos con anotaciones en inglés:

Una diferencia entre el fútbol y el baloncesto es que en nuestro deporte podemos agrupar a muchos jugadores en un espacio reducido, y definir una rutina para que hagan sus desmarques desde ese racimo de jugadores agrupado. A esto lo llamamos packs. En esta situación los defensores tienen que comunicarse bien entre sí, ya que no pueden acercarse a este enjambre de atacantes antes de que salgan disparados en todas las direcciones.

El Liverpool hizo un gran uso de estos packs en un partido contra el Newcastle la temporada pasada, desbaratando completamente la defensa del equipo local y liberando a Virgil van Dijk.

El primo-hermano del pack es el stack. En vez de agruparse en una bola de demolición de una sola pieza, los atacantes se colocan en una línea recta. Esto tiene efectos disruptivos similares.

La configuración de defensa ideal es un híbrido entre el marcaje individual y el marcaje zonal. El marcaje individual puede desacelerar a los atacantes e impedirles que lleguen con la inercia hacia los defensas que están marcandoen zona. Pero los packs y los stacks, y una combinación de todos los conceptos que hemos expuesto aquí pueden provocar desorden en todos los esquemas defensivos cuando son realizados correctamente.

Conclusión

Existen muchas otras áreas para explorar, incluyendo los saques de banda, los tiros libres (directos e indirectos) y así sucesivamente. También existen factores absolutamente relevantes que no hemos mencionado en esta introducción como son la habilidad de los jugadores en los envíos y en las acciones de remate o desmarque. 

La Evolución de Lionel Messi, Capítulo 1: El Clásico de 2006/07

Con el fútbol parado, vamos a utilizar la pausa para analizar la evolución de uno de los mejores jugadores de la historia de nuestro deporte: Lionel Messi. Quién mejor para ayudarnos en esta tarea que Álex Delmás, ex-futbolista, analista de Barça TV y La Vanguardia, y autor del libro Messi Táctico.

Gracias a nuestro Messi Data Biography tenemos datos para todos los partidos de Liga de Messi desde su debut en 2004. Para esta serie de artículos, Álex ha elegido tres partidos importantes en la evolución de Messi como futbolista.

Empezamos con un Clásico, el 3-3 entre el Barcelona y el Real Madrid en marzo de 2017.

Nick Dorrington (ND), editor de StatsBomb en castellano: Hola Álex. Para la gente que no te conoce, cabe mencionar que no has seguido la carrera de Messi sólo de lejos. ¿Entiendo que has compartido un campo de juego con él?

Álex Delmás (AD): Sí. Soy ex-futbolista. Llegué a jugar en Segunda B con el Sabadell o el Premiá y acabé mi carrera como capitán histórico del CE Europa, el 3er club de Barcelona. En mi etapa de fútbol base me formé en el Granollers, un equipo derivado del Barça. Estuve en el juvenil del Barça muy poco tiempo, sin llegar a debutar, pero me enfrenté a Messi y, sobre todo, en el 2004 me dieron un premio junto a él. Me votaron como mejor jugador de la tercera división y a él como mejor jugador promesa.

A partir de ahí me fijé mucho en él durante toda la carrera ya desde sus inicios.

ND: Bueno, vamos a empezar con este clásico, un 3-3 en el Camp Nou. Esta es la segunda temporada entera de Messi en el primer equipo, una en que disputó más del doble de minutos que en la 2005-06.

¿Por qué has elegido este partido?

AD: Messi tuvo varias versiones en sí. En este partido estaba claramente en su primera versión. Y por eso lo escogí. Es su primera gran actuación, su primer hat trick y el partido que, de alguna manera, marca el inicio del cambio de ser un jugador más a ser el jugador más decisivo del Barça.

En esta primera versión, se trataba de un futbolista más de impulsos que de continuidad. Era brutal cada vez que aparecía pero era más tímido y aguantaba más la posición de lo que hace el Messi que posteriormente veríamos.

ND: Bueno, antes de hablar sobre Messi en concreto, hablaremos un poco sobre el partido y el planteamiento del Barça. El Madrid salió con un 4-2-3-1 un poco estrecha. ¿Y el Barça?

AD: El Barça sorprendió y salió con un 3-4-3 muy agresivo. Defensa con dos centrales y un lateral: Oleguer, Lilian Thuram y Carles Puyol.

ND: Realmente fue una sorpresa. Al menos en los partidos en los que jugó Messi aquella temporada, el Barça sólo había usado esta alineación una vez, como visitante al Real Zaragoza (0-1), y nunca la repitió, como podemos ver en este gráfico de sus alineaciones esa temporada.

AD: El Barça encontró bastantes jugadas de superioridad en el medio ya que los mediocampistas, Xavi, Iniesta y Deco, jugaron muy por dentro y los extremos fijaban dos jugadores en banda. Muchas situaciones de 4vs3 y 4vs2. Xavi fue casi siempre quien inició el juego del Barça controlado. Rafael Márquez se fue al lado para que apareciera él y esclareciera la salida de balón. Sin embargo, el Barça tuvo problemas cuando el Madrid podía salir al espacio a la espalda de Thuram.

ND: En términos generales me pareció un partido un poco caótico. En nuestra base de datos es el Clásico con más Goles Esperados (xG) mientras que sólo dos han tenido más tiros.

Barcelona - Real Madrid - 2007-03-10 (1)

AD: Es cierto. Fue un partido muy abierto... demasiado box-to-box. En parte porque ninguno de los dos equipos presionó bien. El Barcelona tenía más jugadores arriba pero el Madrid encontraba caminos para salir en las bandas del medio de campo, justo detrás de los extremos del Barça. El Madrid también buscó mucho al espacio a Ruud van Nistelrooy. Sobre todo buscando la espalda de Thuram.

A todo ello, hay que sumarle que el Barça se quedó con diez por la expulsión de Oleguer. Con la necesidad de empatar el partido, se abrió más aún en la segunda parte.

ND: Podemos ver claramente la diferencia en la altura de la presión de los dos equipos en sus mapas de presión.

Barcelona pressures, 2007-03-10 Real Madrid pressures, 2007-03-10

Como ya has mencionado, en este entonces Messi jugaba muy tirado a la derecha y en este partido había un punto de asimetría en el ataque del Barça con muchos jugadores por la izquierda y Messi casi sólo por la derecha. Es chocante el espacio que tenía Messi para recibir detrás del lateral izquierdo del Madrid, Miguel Torres, tanto en el primer gol como en algunas ocasiones más durante la primera parte.

¿Ves a esto como un planteamiento específico para aprovechar un resquicio en la defensa del Madrid o simplemente el resultado del juego natural de jugadores como Andrés Iniesta, Deco, Ronaldinho o Samuel Eto’o, quien prefirieron partir desde la izquierda?

AD: Ronaldinho empezó en la izquierda y Eto’o en el medio pero se iban intercambiando mucho las posiciones. Había momentos en que Ronaldinho estaba de nueve y Eto'o en la izquierda. Los mediocampistas tendían a tirar hacia la zona de Ronaldinho, la izquierda.

No creo que fuera un planteamiento específico para el partido sino producto del magnetismo de Ronaldinho. Por aquel entonces Ronnie era la estrella del equipo y el creador. Era la primera etapa de Messi, cuando aún era mucho más extremo que media punta. Uno de los secretos de los goles de Messi ese día fue que supo aguantar la posición abierto y, con este posicionamiento, creó la línea de muchos pases de las acciones de peligro.

ND: El primer gol llegó así, el primero de los tres de Messi. Recibió un pase nítido de Eto’o y marcó su primer tanto en un clásico. Su segundo llegó de un rebote dentro del área, también con él como el jugador más a la derecha de todos.

Con la expulsión de Oleguer, después de una segunda amarilla por una entrada a Gago, en los momentos finales del primer tiempo, el dibujo del Barça y la posición de Messi cambió.

AD: Sí. La expulsión cambió absolutamente el decorado con vistas el segundo tiempo. El Barça cambió a Sylvinho por Eto’o y se estabiliza en un 3-4-2 con Messi y Ronaldinho arriba. Messi recibió mucho más centrado por esta razón.

ND: Sí, aquí podemos ver la diferencia entre las posiciones en que Messi recibió el balón durante el primer tiempo y luego en el segundo.

AD: Él y Ronaldinho se cargaron al equipo a la espalda. En una jugada de complicidad entre ambos llegó el 3-3 definitivo.

ND: En el primer tiempo, sólo hubo seis pases entre ellos. En el segundo combinaban mucho más, como podemos ver en este gráfico.

MessiRonaldinhoPases2T

Y cómo has dicho, incluso para el gol de empate, a un minuto del final del encuentro.

Messi3erGolSecuencia

Me gustaría preguntarte dos cosas con relación a este gol. El primero es sobre Ronaldinho y su habilidad de jugar de espalda a la portería. En esta jugada, recibió así el balón, aguantó la presión del defensor y hizo un pase perfecto a Messi. Para mí, fue una de sus habilidades infravaloradas, algo que le dio la posibilidad de intercambiar posiciones con Eto’o y jugar en zonas centrales con facilidad.

AD: Sí. Ronaldinho era un jugador muy completo ofensivamente. Pase, gol, regate y además, como dices, era fuerte y protegía muy bien el balón. Eso sí, cuando estaba bien... porque dependía mucho de su estado de forma. Lo que pasa es que jugando en el centro arriba como nueve era desperdiciar muchas de sus características. Eto'o en la banda también baja prestaciones.

ND: Y la segunda es sobre Messi y esa aceleración que tuvo que realmente marcó diferencias. En esa jugada, recibió perfectamente el balón, regateó a Iván Helguera y batió a Iker Casillas. ¿Supongo que la tenía siempre, incluso en la cantera?

AD: Sí. La punta de aceleración era inalcanzable ya en la cantera y lo ha sido en gran parte de su carrera. Incluso en la cantera (fútbol base) y en los primeros años era imparable cada vez que arrancaba. A día de hoy sigue siendo rapidísimo, antes era eléctrico.

ND: Cuando apareció Messi, lo primero que llamó la atención fue su habilidad en el regate. En sus tres primeras temporadas enteras (2005-06 a 2007-08), completó un promedio de entre 7.08 y 8.64 regates por cada 90 minutos. En el 2006-07 completó, por cada 90 minutos, el doble de regates de cualquier compañero.

Barcelona_2006_2007_

Sin embargo, desde el comienzo, Messi también tuvo producción de cara a puerta. En 2005-06, su primera temporada entera, hizo 3.60 tiros y 0.52 xG por 90 minutos. Este partido marcó el comienzo de una impresionante racha de goles durante los últimos tres meses de la 2006-07. Marcó 11 de sus 14 goles de la temporada en ese periodo. Empezó a pisar área más a menudo y remató con más frecuencia y desde posiciones mejores.

MessiTiroComparacion

¿Esta erupción de goles te sorprendió?

AD: Claramente fue creciendo progresivamente en ello. El incremento de disparos va ligado también al aumento de su status dentro del equipo y a su posicionamiento de mayor libertad. Era lógico que subiera pero un punto de sorpresa, sí. Su capacidad goleadora ya era notable en el fútbol base pero no se imaginaba el goleador tan brutal que sería.

ND: Messi empezó como regateador y rematador, pero iba aumentando su producción creativa a través de sus primeras temporadas.

En este partido, por ejemplo, hizo un delicioso pase a contrapie a Ronaldinho dentro del área.

¿Ves a esto como la trayectoria normal de un buen delantero joven? Ese cambio gradual de un jugador de impacto a un jugador más completo y con más influencia en el juego.

AD: Sí, va ligado a su maduración. Pero un crecimiento tan abrumador en todo ello se explican en varias cosas: la primera es que se trata de un genio, la otra al proceso de maduración y, por último, la ambición de ser el mejor. Messi es la demostración que el mejor también puede mejorar. El ejemplo más claro son las faltas. Messi no lanzaba faltas en el fútbol base. Ni en las primeras temporadas como profesional. Ni se acercaba y ahora es el mejor lanzador del mundo.

ND: Vamos a ver el resultado de este crecimiento en la próxima parte de la serie. Creo que el segundo tiempo de este partido nos ha dado un anticipo de lo que está por venir.

Introducción al uso de StatsBomb Data con R

¿Quieres aprender cómo organizar y utilizar datos de fútbol? Aquí está una introducción de cómo trabajar con los datos gratuitos de StatsBomb en R.

En StatsBomb tenemos el compromiso de liberar parte de nuestros datos para fomentar activamente la investigación y análisis original a todos los niveles. Para tal fin, hemos puesto a disposición del público los datos de StatsBomb de varias competiciones.

Esperamos que esta introducción os sirva para iniciaros en el uso de datos para analizar el fútbol. Esta introducción ha sido posible gracias a nuestro analista Euan Dewar que realizó el trabajo original, así como al editor de StatsBomb en castellano Nick Dorrington y al responsable de innovación y análisis táctico Pablo Peña Rodríguez.

Los datos accesibles de manera gratuita cuentan con las mismas especificaciones que hacen a nuestros datos ser los líderes de la industria e incluyen un nivel de detalle y precisión mayor que en cualquier otro proveedor de datos.

Nuestro feed de datos incluye, entre otros, los siguientes aspectos:

  • La posición de los jugadores atacantes y defensores en todas las situaciones de remate incluyendo la posición y las acciones del portero durante el desarrollo de la misma.
  • Información detallada sobre todos los jugadores que ejercen presión sobre el jugador con balón durante la fase defensiva – incluyendo la duración de la presión, la dirección y las acciones subsiguientes.
  • Pie con el que realiza los pases cada jugador, altura del pase, y muchas otras variables que otorgan mayor detalle a nuestros datos.

Estas son las ligas, competiciones y proyectos disponibles de forma gratuita.

  • Messi Data Biography: todos los partidos de Liga de Leo Messi, desde la 2004-05 hasta la 2020-21
  • UEFA Eurocopa (masculina): 2020 (incluyendo los datos de StatsBomb 360)
  • UEFA Eurocopa (femenina): 2022 (incluyendo los datos de StatsBomb 360)
  • FIFA Copa Mundial (masculina): 2018 y 2022 (incluyendo los datos de StatsBomb 360)
  • FIFA Copa Mundial (femenina): 2019 y 2023 (incluyendo los datos de StatsBomb 360)
  • Los Invencibles del Arsenal: 2003-04
  • Algunas finales de la Champions League entre 2000 y 2019
  • FA Women's Super League (Inglaterra): 2018-19 hasta 2020-21
  • NWSL (Estados Unidos): 2018
  • Super League de India: 2021-22
  • La temporada completa 2015-16 de las cinco grandes ligas de Europa (La Liga, Premier League, Bundesliga, Ligue 1 y Serie A)

¿Qué es R y por qué usarlo?

R es un lenguaje de programación especialmente útil para el manejo de datasets estadistícas. En el ámbito que nos ocupa (estadística avanzada en fútbol) nos permite procesar datasets para diferentes fines tales como la creación de métricas así como visualizaciones de los mismos.

R se puede descargar de manera gratuita en este enlace: https://cran.r-project.org/mirrors.html

En StatsBomb trabajamos regularmente con R (entre otros lenguajes de programación) en nuestro día a día, particularmente en el departamento de análisis. Empezar a trabajar con hojas de cálculo puede ser una posibilidad válida al comienzo, pero a medida que las dataset son más grandes se vuelven más difíciles de manejar haciendo casi imposible realizar un análisis detallado de los mismos sin manejar un lenguaje de programación.

Una vez superada la curva de aprendizaje, R es ideal para trabajar y analizar los datos de manera eficiente y sencilla.

Antes de empezar, es recomendable tener instalado la versión más actualizada de R, al menos la versión 3.6.2.

RStudio

La versión básica de R no es lo más visual del mundo. Esto ha llevado a la creación de varios entornos de desarrollo integrados (IDEs). Estos wrappers son softwares desarrollados a partir de la versión inicial y tratan de hacer la mayoría de tareas dentro de R más sencillas y manejables para el usuario.

El más popular de estos es RStudio: https://www.rstudio.com/products/rstudio/

Es recomendable instalar RStudio u otro IDE similar para que el proceso de trabajo con los datos de StatsBomb más simple y limpio.

Abrir un Proyecto Nuevo en R

Esto es lo que verá el usuario al cargar por primera vez RStudio (sin las anotaciones).

En caso de no tener clara la función de cada opción o sección de RStudio es recomendable echar un vistazo a alguna de las hojas de consejos y tutoriales relativos en:

Es muy fácil encontrar una gran cantidad de recursos con explicaciones y respuestas detalladas a cualquier pregunta que pueda surgir respecto a R.

¿Qué es un Paquete de R?

Los paquetes son conjuntos de funciones que simplifican tareas. Se pueden descargar fácilmente. Para instalar un paquete en R simplemente hay que ejecutar install.packages("NombreDelPaquete").

Los paquetes que utilizaremos y que será necesario tener instalados son los siguientes:

  • ‘tidyverse’: tidyverse contiene dentro de sí un conjunto paquetes útiles para manipular datos (por ejemplo dplyr y magrittr). install.packages("tidyverse")
  • ‘devtools’: La mayoría de paquetes se encuentran en CRAN. Sin embargo, también se pueden encontrar muchos paquete útiles en Github. Devtools permite descargar los paquetes directamente desde Github. install.packages("devtools")
  • ‘ggplot2’: El paquete más popular para llevar a cabo la visualización de datos en R
  • ‘StatsBombR’: El paquete propio de StatsBomb para analizar nuestros datos

Una vez que un paquete está instalado se puede cargar ejecutando library(NombreDelPaquete). Deben importarse antes del comienzo de una sesión.

¿Qué es ‘StatsBombR’?

Derrick Yam (ex-Data Scientist de StatsBomb) desarrolló StatsBombR, un paquete dedicado a hacer uso de los datos originales de StatsBomb de manera más sencilla e intuitiva. Se puede descargar en este enlace de Github donde se incluye además información sobre su uso: https://github.com/statsbomb/StatsBombR

Para instalar el paquete en R es necesario instalar primero un par de paquetes diferentes ejecutando las siguientes líneas:

install.packages("devtools")

install.packages("remotes")

remotes::install_version("SDMTools", "1.1-221")

Para instalar StatsBombR ejecuta a continuación:

devtools::install_github("statsbomb/StatsBombR")

Información Adicional Sobre los Paquetes

Para encontrar más información sobre las diferentes funciones dentro de un paquete sólo hay que hacer click en el nombre del paquete como se ve en la imagen.

Esto nos mostrará la información del paquete incluyendo los detalles de sus funciones.

Importar StatsBomb Data

Para manejar los datos de StatsBomb en R es necesario familiarizarse antes con varias funciones importantes dentro de StatsBombR.

  • FreeCompetitions() – Muestra todas las competiciones disponibles en los datos gratuitos. Almacenar el output de esta o cualquier otra función en lugar de tenerlo en la consola de R es posible hacerlo ejecutando lo siguiente:
  • Comp <- FreeCompetitions(). Así, al ejecutar Comp (o cualquier palabra utilizada para tal caso) dará el output de FreeCompetitions()
  • Matches <- FreeMatches(Comp) - Muestra todos los partidos disponibles dentro de las competiciones seleccionadas.
  • StatsBombData <- free_allevents(MatchesDF = Matches, Parallel = T) – Importar todos los datos de evento para los partidos seleccionados.

A continuación vamos a ver un ejemplo de cómo importar datos en R. Primero, abrimos un nuevo script para tener el código accesible de la siguiente manera File -> New File -> R Script. Se puede guardar en cualquier momento.

library(tidyverse)
library(StatsBombR)#1

Comp <- FreeCompetitions() %>%
filter(competition_id==11 & season_name=="2005/2006")#2

Matches <- FreeMatches(Comp)#3

StatsBombData <- free_allevents(MatchesDF = Matches, Parallel = T)#4

StatsBombData = allclean(StatsBombData)#5

1: tidyverse importa varios paquetes diferentes. Los más importantes para esta tarea son dplyr y magrittr. StatsBombR importa StatsBombR.

2: Importa las competiciones disponibles para el usuario y se filtran utilizando la función ‘filter’ de dplyr para obtener la temporada 05/06 de La Liga en este caso.

3: Importa todos los partidos de la competición seleccionada.

4: En este punto se ha creado una ‘dataframe’ (esencialmente una tabla u hoja de datos) llamada StatsBombData (o el nombre elegido para tal caso) con todos los datos de evento gratuitos para la temporada 05/06 de la Liga.

5: Extrae toda la información relevante previamente descrita.

Trabajar con los datos

En nuestro Github (el mismo lugar donde se pueden encontrar los datos) se pueden encontrar documentos adicionales con las especificaciones de StatsBomb Data. Estos están disponibles para ver o descargar y contienen explicaciones a las dudas que puedan surgir sobre los distintos tipos de eventos o cuestiones similares.

Los documentos incluyen:

Ejemplos de Uso de los Datos

Una vez que tenemos disponible el archivo StatsBombData vamos a ver varios modos en los que se puede utilizar al mismo tiempo que nos familiarizamos con R. Los ejemplos irán incrementando en grado de dificultad.

Ejemplo 1: Tiros y Goles

Un punto de partida simple pero fundamental. Veremos cómo extraer los números de tiros y goles de cada equipo, primero los totales y luego los de cada partido.

Primero, vamos a importar los datos para la temporada 2018-19 de la FA Women’s Super League. Utilizamos de nuevo el código citado arriba, pero esta vez la competition_id será 42 y la season_id será "2018/2019".

Después, escribimos:

shots_goals = StatsBombData %>%
group_by(team.name) %>% #1
summarise(shots = sum(type.name=="Shot", na.rm = TRUE),
goals = sum(shot.outcome.name=="Goal", na.rm = TRUE)) #2

Vamos a desgranarlo paso a paso:

1: Este código agrupa los datos por equipo, de tal forma que cualquier operación que realicemos en ellos será ejecutada por cada equipo. I.e. extraerá los tiros y goles para cada equipo de manera individual.

2: Summarise toma cualquier operación ejecutada y genera una tabla nueva y separada con ello. La mayoría de usos de summarise suelen ser después de group_by.

shots = sum(type.name=="Shot", na.rm = TRUE) crea una nueva columna llamada ‘shots’ que suma todas las filas bajo la columna ‘type.name’ que contienen la palabra ‘Shot’.

na.rm = TRUE pide ignorar cualquier NA dentro de esa columna.

shot.outcome.name=="Goal", na.rm = TRUE) hace lo mismo con los goles.

En este punto deberíamos tener una tabla como esta.

Para realizar el mismo cálculo por partido en lugar de los totales solo tenemos que cambiarlo de la siguiente manera:

shots_goals = StatsBombData %>%
group_by(team.name) %>%
summarise(shots = sum(type.name=="Shot", na.rm = TRUE)/n_distinct(match_id), goals = sum(shot.outcome.name=="Goal", na.rm = TRUE)/n_distinct(match_id))

Añadir ‘/n_distinct(match_id)’ implica que estamos dividiendo el número de tiros/goles entre el número de partidos para cada equipo.

Ejemplo 2: Crear Gráficos de los Tiros

Una vez que tenemos los datos de tiros y goles ¿cómo podemos crear un gráfico a partir de ellos?

library(ggplot2)

ggplot(data = shots_goals, aes(x = reorder(team.name, shots), y = shots)) #1 +
geom_bar(stat = "identity", width = 0.5) #2 +
labs(y="Shots") #3 +
theme(axis.title.y = element_blank()) #4 +
scale_y_continuous( expand = c(0,0)) #5 +
coord_flip() #6

1: Aquí estamos diciendo a ggplot qué datos estamos utilizando y qué queremos en los ejes x/y del gráfico. ‘Reorder’ ordena los nombres de los equipos en función de los tiros.

2: Pide a ggplot formatearlo como un gráfico de barras.

3 : Cambia el nombre del eje de tiros.

4 : Elimina el título del eje.

5 : Aquí podemos reducir el espacio entre las barras y el límite del gráfico.

6 : Rota el gráfico completo colocando las barras en sentido horizontal.

Lo anterior debería generar un gráfico como este.

El diseño obtenido es básico y diáfano. Puede ser modificado de diferentes maneras para conseguir un visual más atractivo.

Cualquier elemento de un gráfico ggplot desde el texto a los datos en sí puede ser modificado de numerosas maneras abriendo la puerta a la creatividad del usuario.

Más información sobre el tipo de diseños que se pueden conseguir: https://ggplot2.tidyverse.org/reference/

Ejemplo 3: Tiros cada 90 minutos

Extraer los tiros para jugadores es relativamente sencillo una vez que sabemos hacerlo para equipos. ¿Pero cómo podemos ajustar los números por cada 90 minutos?

player_shots = StatsBombData %>%
group_by(player.name, player.id) %>%
summarise(shots = sum(type.name=="Shot", na.rm = TRUE)) #1

player_minutes = get.minutesplayed(StatsBombData) #2

player_minutes = player_minutes %>%
group_by(player.id) %>%
summarise(minutes = sum(MinutesPlayed)) #3

player_shots = left_join(player_shots, player_minutes) #4

player_shots = player_shots %>%
mutate(nineties = minutes/90) #5

player_shots = player_shots %>%
mutate(shots_per90 = shots/nineties) #6

1: Similar al cálculo para los equipos. Incluimos aquí ‘player.id’ ya que será importante después.

2: Esta función obtiene los minutos de cada jugador en cada partido en la muestra.

3: Agrupamos lo anterior sumando los minutos en cada partido para obtener el total de minutos disputados por cada jugador.

4 : left_join combina las tablas de tiros y de minutos con el player.id actuando como punto de referencia.

5: mutate es una función dplyt que crea una nueva columna. En este caso estamos creando una columna que divide los minutos totales entre 90 dando como resultado el número de 90s del jugador en la temporada.

6 : Finalmente dividimos los tiros totales entre el número de 90s para obtener la columna de tiros cada 90 minutos (shots per 90).

En este punto tendremos los tiros cada 90 minutos para todas las jugadoras de la WSL.

A continuación, se puede filtrar la tabla eliminando a las jugadores con insuficiente muestra mediante la función ‘filter’ (dplyr).

El mismo proceso puede ser aplicado a todo tipo de eventos dentro de StatsBomb Data. Diferentes tipos de pases, acciones defensivas, etc.

Ejemplo 4: Representar Pases Gráficamente

Filtar los datos extrayendo un subconjunto de datos y visualizarlos sobre un campo empleando para ello ggplot2.

Finalmente, vamos a trazar los pases de un jugador en el campo. Para esto necesitaremos en primer lugar una visualización de un campo de fútbol. Es posible crear uno propio una vez estemos familiarizados con ggplot que pueda ser utilizado además para diferentes propósitos. Más adelante veremos opciones para ello. De momento, hay opciones ya formateadas que podemos utilizar.

La que utilizaremos aquí es cortesía de FC rStats. Este usuario de Twitter ha creado varios paquetes públicos de R para analizar datos de fútbol. El paquete que nos ocupa se llama ‘SBPitch’ y sirve exactamente para eso. En ‘Paquetes Adicionales’ veremos otras alternativas para crear campos de juego.

Para instalar SBPitch ejecutamos:

devtools::install_github("FCrSTATS/SBpitch")

Vamos a representar los pases completados por Messi dentro del área en la Liga 05/06. Trazar todos los pases sería farragoso y poco útil por tanto elegimos un subconjunto. Es importante asegurarse de utilizar las funciones explicadas anteriormente para importar los datos.

library(SBpitch)

passes = messidata %>%
filter(type.name=="Pass" & is.na(pass.outcome.name) & player.id==5503) #1 %>%
filter(pass.end_location.x>=102 & pass.end_location.y<=62 & pass.end_location.y>=18) #2

create_Pitch() +
geom_segment(data = passes, aes(x = location.x, y = location.y, xend = pass.end_location.x, yend = pass.end_location.y),
lineend = "round", size = 0.6, arrow = arrow(length = unit(0.08, "inches"))) #3 +
labs(title = "Lionel Messi, Completed Box Passes", subtitle = "La Liga, 2005/2006") #4 +
scale_y_reverse() +

coord_fixed(ratio = 105/100) #5

1: Filtrar los pases de Messi. is.na(pass.outcome.name) filtrar solo los pases completados.

2: Filtrar los pases dentro del área. Las coordenadas de las zonas del campo en StatsBomb Data se pueden encontrar en nuestro event spec.

3: Obtenemos una flecha desde un punto de origen (location.x/y inicio del pase) a un punto final (pass.end_location.x/y, final del pase). Lineend, size y length son las opciones de customización disponibles aquí.

4: Crea un título y subtítulo para el gráfico. Entre otras opciones se puede añadir una leyenda usando caption =.

5: Ajusta el gráfico a la relación de aspecto elegida para que no quede estirado o poco estético. El resultado será un gráfico tal que así. De nuevo, esta es una versión básica a partir de la cual se pueden implementar todo tipo de mejoras visuales.

La opción theme() permite cambiar el tamaño, posición, fuente y otros aspectos de los títulos así como otros apartados estéticos del gráfico.

Es posible añadir colour= a geom_segment() para colorear los las flechas de cada pase del modo escogido.

En el siguiente enlace se pueden encontrar diferentes posibilidades disponibles para customizar los gráficos: https://www.rstudio.com/resources/cheatsheets/

Funciones útiles en StatsBombR

Existen docenas de funciones dentro de StatsBombR para realizar diferentes tareas. Se puede consultar la lista completa aquí. No todas las funciones están disponibles en los datos gratuitos. Algunas solo son accesibles para nuestros clientes (vía API). Una pequeña muestra de las más útiles:

  • get.playerfootedness() – Devuelve la pierna hábil (preferida) de un jugador a partir de nuestros datos de pases (incluyen la pierna con la que se realiza el pase).
  • get.opposingteam() – Devuelve una columna opuesta para cada equipo en cada partido.
  • get.gamestate() – Devuelve la información de cuánto tiempo acumula cada equipo en cada uno de los posibles Game States (ganando/empatando/perdiendo).
  • annotate_pitchSB() – Nuestra solución para trazar un campo de juego en ggplot.

Paquetes adicionales

La comunidad ha desarrollado múltiples paquetes para R. Es probable que cualquier cuestión o tarea que se quiera llevar a cabo en R tenga desarrollado un paquete específico para ella. Nombrar todos sería imposible pero aquí va una pequeña selección de algunos que son relevantes para trabajar con StatsBombData:

  • Ben Torvaney, ggsoccer - Alternativa para trazar campos de juego con StatsBombData.
  • Joe Gallagher, soccermatics – Otra alternativa para dibujar campos de juego incluyendo además atajos sencillos para crear mapas de calor entre otras funciones.
  • ggrepel – Solución para problemas de texto superpuesto en las gráficas.
  • gganimate – Opción sencilla para crear gráficos animados con ggplot en R.

Apuntes de La Liga: Edición de preguntas y respuestas

Con el fútbol parado, y el país también, esta semana he tomado vuestras preguntas para una edición especial de mis Apuntes de La Liga.

¿Crees que Mikel Merino tiene un estilo de juego similar al de Axel Witsel? ¿Y qué pasó durante su tiempo en el Borussia Dortmund? 

Puedo ver de dónde viene la comparación pero si miramos sus respectivas producciones esta temporada, no parece que tienen mucho en común.

Mikel Merino-La Liga-2019_2020 (1)

Realizan el trabajo defensivo en zonas similares, y las diferencias entre sus números en esta parcela de juego podrían venir simplemente del hecho de que la Real Sociedad es más proactivo sin balón que el Dortmund. Sin embargo, con el balón a sus pies no existen muchos paralelismos entre los dos.

Witsel es mucho más seguro en posesión. Tiene un porcentaje mucho más alto de acierto en los pases, en gran parte porque sus pases son más cortos que los de Merino, y también hace menos de la mitad de los pases hacia adelante de los que hace el centrocampista de la Real. Otros jugadores llevan el peso de la progresión del balón en el Dortmund. Merino, por su parte, es mucho más vertical en sus pases; sólo Martin Ødegaard avanza el balón al último tercio más a menudo que él.

Real Sociedad_2019_2020_

Esa diferencia también se mantiene en situaciones en las que los dos son presionados por los jugadores contrarios. Witsel mantiene un alto porcentaje de acierto, haciendo en gran parte elecciones de bajo riesgo en el pase, como muestra este mapa de sus pases bajo presión.

Rojo = completado; Amarillo = fallido.

IQTactics_Events_Axel Witsel_Borussia Dortmund__2019_2020

En las mismas circunstancias, Merino hace pases más largos y verticales. Su porcentaje de acierto disminuye al 70%... uno de los más bajos en los pases bajo presión entre todos los centrocampistas de La Liga.

IQTactics_Events_Mikel Merino_Real Sociedad__2019_2020 (1)

Asimismo, existe un contraste en cuanto a cuándo y dónde intentan regatear. Witsel completa un muy solido 76.2% de sus regates y rara vez se arriesga dentro del campo propio.

IQTactics_Events_Axel Witsel_Borussia Dortmund__2019_2020 (1)

Merino intenta regatear más a menudo dentro de su propio campo, pero no siempre con éxito. En todo el campo, sólo completa un 58.1% de sus regates... de nuevo, uno de los registros más bajos entre todo los centrocampistas de La Liga.

IQTactics_Events_Mikel Merino_Real Sociedad__2019_2020

Con el balón tienen perfiles claramente distintos. Witsel recibe y recicla la posesión de forma segura, mientras Merino toma más riesgos en busca de más verticalidad. Ambos hacen lo que los sistemas de juego de sus respectivos equipos les exigen.

¿Por qué no funcionó Merino en el Dortmund?

No soy especialista en la Bundesliga, y nuestros datos no cubren el tiempo en que Merino estuvo allí. Parece que el Dortmund tuvieron un overbooking de centrocampistas esa temporada. En el once inicial, Julian Weigl normalmente jugó junto a Gonzalo Castro, mientras que Nuri Şahin y Sebastian Rode también estuvieron por delante de Merino en la jerarquía.

El Dortmund probablemente estuvo feliz de venderlo por un beneficio decente un año después de su fichaje.

¿Lionel Messi está realmente haciendo más trabajo defensivo bajo Quique Setién? (@Adeolu_KI)

Todavía estamos trabajando con un tamaño de la muestra relativamente pequeño, y por eso es un poco pronto para sacar conclusiones concretas, pero desde que llegó Setién al banquillo, el Barcelona está defendiendo un poco más cerca de su propia portería y con un pelín menos agresividad que bajo al mando de Ernesto Valverde.

Barcelona-La Liga-

No parece que Messi esté haciendo más trabajo defensivo bajo el nuevo entrenador. Su volumen de interceptaciones y entradas es ligeramente inferior, sus acciones defensivas están resultando en cambios de posesión con menos frecuencia, y sus presiones y presiones que provocan un cambio de posesión también se reducen. Comete el mismo número de faltas que antes.

Lo que sí está haciendo más, y lo que posiblemente llama la atención, es hacer presiones directamente después de que el Barça haya perdido el balón. Tanto sus counterpressures (presiones tras pérdida) y counterpressures que provocan un cambio de posesión han aumentado, este último de manera significativa.

¿Hay datos en que La Liga se destaca en comparación con la Premier League? (@sapre)

Voy a ampliar esto un poco para hacer una comparación de las cinco grandes ligas europeas. He escrito antes sobre cómo La Liga se compara con las otras ligas en términos de tiros y Goles Esperados (xG). Por partido, es el campeonato con menos tiros y los totales de xG más bajos.

¿Qué otras diferencias se destacan?

Los equipos de La Liga parecen tener más dificultad en crear tiros en las fases de transición. Una menor proporción de los tiros de sus equipos provienen de contraataques y situaciones de presión alta que en cualquiera de las otras ligas.

Existe muy poca variación en la calidad media de los tiros en las cinco ligas pero sí existen diferencias en la proporción de tiros que se realizan desde fuera del área. La Premier League tiene la proporción más baja (26.89%); la Serie A la más alta (31.46%). Rolando Mandragora parece tener una misión para aumentar el porcentaje de la liga italiana por sí mismo. Ningún jugador en las cinco ligas ha rematado más veces sin marcar.

Rolando Mandragora Serie A 2019_2020

Los porcentajes de los regates completados son bastante consistentes en todos los campeonatos, pero La Liga tiene menos regates y por consiguiente menos regates completados que cualquier otro.

Donde realmente destaca La Liga es en la manera en que defienden sus equipos. En promedio, sus equipos defienden más arriba y intentan romper las cadenas de pases de sus rivales en terreno contrario más a menudo que los de cualquiera de las otras ligas. Sólo la Serie A está cerca en este aspecto. La presión alta tiende a producir un menor número de tiros, lo que probablemente explica en gran medida por qué hay menos tiros en La Liga.

Finalmente, en La Liga el balón está en juego tres minutos menos que en cualquiera de las otras ligas, y cuatro minutos menos que en la Ligue 1.

¿Cómo de bueno es Oyarzabal? ¿Su juego ha cambiado al lado de Isak and Ødegaard? (@RobRogers94)

Oyarzabal es bueno.

Mikel Oyarzabal-La Liga-2019_2020

Es un extremo de casi 23 años de edad, ampliamente competente, que aporta una sólida producción tanto real como subyacente en términos de goles y asistencias. Ha generado diez goles y asistencias sin contar penaltis esta temporada, mientras que su 0.36 xG y xG asistido (xGA) cada 90 minutos lo sitúa en el percentil 67 en su posición en las últimas temporadas en las cinco grandes ligas.

Esto es más que aceptable. Como ya he dicho, los partidos de La Liga tienen menos tiros y xG que los de las otras grandes ligas. Si esa tendencia sigue, podríamos tener que empezar a calibrar de nuevo nuestras expectativas en cuanto a la producción ofensiva de jugadores que juega en España. En un club más dominante, como el Manchester City, alguna vez citado como posible destino, es probable que aumenten los números de Oyarzabal.

Sin embargo, podría ser una preocupación para sus potenciales pretendientes que su suma de xG y xGA ha permanecido constantemente en el rango de 0.33 a 0.36 en cada una de las últimas tres temporadas. Eso sugiere una relativa falta de progreso en su desarrollo, al menos en ese aspecto del juego. La Real es un equipo muy sólido este año, metido en la pugna por los puestos de Champions, pero los números individuales de Oyarzabal se han mantenido más o menos igual.

En cuanto a la segunda parte de tu pregunta, su juego no parece haber cambiado mucho desde que llegó Martin Ødegaard. De hecho, el fichaje de Portu ha tenido un efecto más directo. Su llegada ha hecho que Oyarzabal empezara los partidos casi exclusivamente por el flanco izquierdo. Desde una posición de partida ligeramente más lejos de la portería rival, y sin la oportunidad de moverse hacia dentro para realizar tiros con su pie más fuerte, el izquierdo, la calidad media de sus tiros ha disminuido. Está realizando un poco más de tiros pero desde posiciones peores.

OyarzabalShotsMap181920

En cuanto a Aleksander Isak, he escrito antes sobre las diferencias entre su estilo de juego y el de Willian José, el otro delantero centro del club. Sin embargo, esas diferencias no han afectado la producción de Oyarzabal de manera significativa. Él sigue igual.

Apuntes de La Liga: El Espanyol y el Eibar en problemas, tiros ineficientes y más

El Espanyol al borde, las dificultades del Eibar, los ratios de tiros y los remates ineficientes. Vamos a echar un ojo a algunas cosas interesantes de la jornada 27 de La Liga. Con el acuerdo para suspender La Liga por lo menos las próximas dos jornadas, el formato va a cambiar un poco la semana que viene.

El Espanyol está en problemas

Los resultados del Espanyol han mejorado desde que Abelardo se convirtió en su tercer entrenador de la temporada a finales de diciembre. Se está llevando el doble de puntos por partido que antes de su llegada. El problema es que el resto de los cuatro equipos en las posiciones más bajas de la tabla también han empezado a sumar puntos con un buen ritmo. En ese tiempo, el Leganés y el Mallorca han igualado la acumulación del Espanyol; el Celta Vigo se ha llevado dos puntos más.

Cuando Abelardo tomó el relevo, el Espanyol era colista, a tres puntos del equipo más cerca en la tabla y a cinco de la salvación. Ahora, sigue como colista, a tres puntos del equipo más cerca pero a seis de la salvación. En lugar de 20 partidos para resolver la situación, ahora sólo tiene 11.

Tampoco pintan un cuadro prometedor los números subyacentes. En sus nueve partidos bajo el mando de Abelardo, el Espanyol tiene la cuarta peor diferencia de Goles Esperados (xG) de La Liga. El Celta Vigo, el Leganés y el Mallorca se ven mejor por esa medida.

La Liga__team_season_np_xgd_pg (3)

No sólo eso, sino que en comparación con el conglomerado de los números subyacentes de sus predecesores David Gallego y Pablo Machín, el Espanyol ha empeorado desde que Abelardo se hizo cargo del equipo.

Su rendimiento en ataque apenas ha cambiado. El perfil de sus tiros es un poco diferente - hace menos tiros de mayor calidad media - pero el resultado final es el mismo. Tiene uno de los peores ataques de La Liga.

Espanyol-La Liga-

La defensa tampoco se ve bien. El Espanyol está recibiendo un poco más de dos tiros más por partido que antes. Con apenas un cambio en la calidad media, su xG concedido ha aumentado. La evidencia sugiere que su bloque más bajo y estilo defensivo más pasivo con Abelardo no están funcionando.

Espanyol-La Liga- (1)

El Espanyol va 2.5 goles por delante de su diferencia de xG desde que llegó Abelardo al banquillo. Dado que su actual ritmo de acumulación de puntos se ha demostrado ser insuficiente para mejorar su posición en la tabla, cualquier movimiento hacia los números subyacentes probablemente lo remataría. Su estadía de 26 temporadas en la Primera División podría estar llegando a su fin.

El Eibar también

La mejora de los resultados de los cuatro últimos en la tabla ha arrastrado a Eibar de nuevo a la lucha contra el descenso. Después de una derrota en casa por 2-1 contra la Real Sociedad el martes, está a sólo dos puntos de los puestos de descenso.

Los números subyacentes del Eibar son los segundos peores de La Liga, una gran caída dado que tuvo la sexta mejor diferencia de xG la temporada pasada.

La Liga_2019_2020_team_season_np_xgd_pg (4)

Las cosas han mejorado un poco desde que escribí (en inglés) sobre su preocupante comienzo de temporada. El Eibar tuvo una horrible diferencia de xG por partido de -0.71 en sus primeros diez partidos. Su ataque se había disminuido en caída libre, y sus números defensivos eran apenas mejores.

Eibar La Liga Trendlines (2)

El equipo de Ipurua se ha estabilizado un poco desde entonces. Sus números de ataque han subido significativamente de un irrisorio 0.66 xG por partido hasta 1.01, casi en la media de la división. Junto con una mejora defensiva marginal, lo ha convertido en el sexto peor equipo de La Liga por los números subyacentes a lo largo de sus 17 partidos posteriores.

Sin embargo, no ha sido suficiente para alejar la amenaza del descenso ni para aplacar a su irascible entrenador José Luis Mendilibar. El partido de martes fue el primer encuentro de la Primera División jugado a puerta cerrada debido al brote de coronavirus. Si esa situación hubiera continuado, probablemente no habría pasado mucho tiempo antes de que los micrófonos del lado del campo se apagaran durante los partidos del Eibar, dado el volumen de “hostias” frustradas que emanan de su banquillo.

Todo es muy ajustado hacia el fondo de la tabla y las mejoras del Eibar a medida que la temporada ha ido avanzando significan poco cuando sigue siendo uno de los cinco o seis peores equipos de la división.

Incluso si sobrevive, mucho tiene que cambiar si quiere evitar una campaña igualmente incómoda la próxima temporada. En una base ponderada de minutos, el Eibar tuvo el equipo más viejo de La Liga la temporada pasada, y todavía lo tiene... es sólo que la mayoría de los jugadores están ahora un año más avanzados. Tres de sus cuatro jugadores de campo más utilizados tendrán 33 años o más al final de la campaña. Sólo dos jugadores menores de 27 años han disputando minutos significativos.

Eibar_2019_2020_Minutes On Pitch by Age (1)

La plantilla necesita una reparación este verano, independientemente de si Mendilibar se queda o no. Él ha estado a cargo desde 2015 pero ha firmado constantemente extensiones de un año sólo. Tal vez este sea el año en que decida terminar la relación.

La distribución de tiros, y los tiros ineficientes

La distribución de tiros en el empate de 0-0 del Getafe en casa contra el Celta Vigo el sábado realmente resaltó. El Getafe remató 19 veces a los cuatro del Celta, un ratio cercano al 83%, pero fue incapaz de encontrar el camino del gol. Su suma de xG de sólo 1.10 fue la primera pista de por qué fui así.

Había tres cosas que parecían que podrían ser bastante únicas: una incapacidad de ganar el partido con una cuota de tiros tan alta, una incapacidad de marcar con tantos tiros, y una suma tan pequeña de xG con ese volumen de tiros.

El partido fue el décimo tercero de La Liga esta temporada en el que uno de los equipos realizó el 80% o más de los tiros. El mayor porcentaje fue registrado por el Osasuna en su victoria por 3-1 en casa contra el Valencia en octubre, en la que realizó casi el 90% (28-3). Sólo dos equipos han tenido un ratio mayor que la que tuvo el Getafe contra el Celta sin ganar el partido: el 89.5% del Sevilla en su empate de 1-1 con el Celta en agosto, y el 84.6% del Leganés en un 0-0 con el Betis el mes pasado.

Sólo seis equipos han intentado más tiros en un partido sin marcar. El mayor número se produjo en el 0-0 del Villarreal en casa contra el Atlético Madrid en diciembre. El Villarreal remató 23 veces a los 18 del Atlético ese día. ¿Cómo es posible que este terminase sin goles?

Villarreal - Atlético Madrid - 2019-12-06

El Real Madrid ha realizado dos veces 20 o más tiros sin recompensa, en casa contra el Betis y el Athletic. En ambas ocasiones se acumuló más de 2.4 xG... las dos sumas más altas de xG sin marcar esta temporada, y por lejos.

La suma del Getafe fue mucho más baja. En general, los lugares de sus tiros no eran nada buenas, y el Celta tenía un buen número de defensores entre el rematador y su portería cuando el Geta remataba desde lugares mejores. Sólo un tiro de Nemanja Maksimović en el segundo tiempo, tras un pase de la muerte de Jorge Molina, fue una oportunidad históricamente convertido al menos una de cada cinco veces.

Getafe Celta Vigo Sat Mar 07 2020 22_00_00 GMT+0100 (Central European Standard Time)

Sin embargo, la calidad media de sus tiros de 0.058 xG no es tan baja entre todas las veces que un equipo ha hecho más de la media de La Liga de tiros (11.19) esta temporada. De hecho, es la decimocuarta.

¿La peor? El Mallorca apenas sumó medio gol de xG de sus 16 tiros en una derrota en casa contra el Real Valladolid el mes pasado. Estos realmente no son buenos tiros.

Mallorca Real Valladolid Sat Feb 01 2020 19_30_00 GMT+0100 (Central European Standard Time)

Introducción a las Métricas Defensivas en Fútbol

Continuamos con la serie de artículos en los que tratamos de explicar las nociones básicas del análisis de datos en el fútbol. Históricamente la mayoría de la investigación en este área ha sido en inglés, pero queremos contribuir a cambiar eso. Esto pretende ser un manual básico para entender las métricas que se están generalizando en el fútbol y previsiblemente serán parte del vocabulario estándar en pocos años.

Sabemos que hay partes del juego y posiciones que son más difíciles de analizar desde un enfoque cuantitativo que otras. Históricamente, los aspectos defensivos han sido uno de los más complicados.

Este no es un problema exclusivo del fútbol, sino que ha sido recurrente en deportes con mayor nivel de desarrollo analítico como el baseball o el baloncesto.

Incluso en la famosa gesta de los Oakland A’s contada en Moneyball, Billy Bean y Paul De Podesta se centraron específicamente en la parte ofensiva. El desarrollo y análisis de la parte defensiva es algo que no se ha ido corrigiendo en general hasta mucho más recientemente.

¿Por qué la defensa es difícil?

Hay varias razones que explican por qué es tan difícil entender la defensa en fútbol.

Conceptualmente, hay una diferencia fundamental entre el ataque y la defensa: Mientras que en ataque, de un modo u otro, el rendimiento exitoso acaba traduciéndose en realizar una acción (rematar, completar un regate, meter gol etc.) y hacerlo más veces suele ser mejor, en defensa no siempre sucede lo mismo. No en vano, el objetivo es evitar que el equipo rival haga algo, y por tanto muchas veces lo que no se hace es tan importante o más que lo que sí se hace. Paradójicamente, en defensa menos puede ser mejor.

Por ejemplo, un posicionamiento adecuado o un pressing coordinado de manera eficaz limitan las opciones del rival y por tanto es menos probable que los jugadores más retrasados tengan que defender de manera activa frecuentemente.

Como ejemplo opuesto, si un portero tiene que intervenir muchas veces durante un partido para evitar que su equipo reciba gol, parece evidente que hay algún problema en la manera de defender de ese equipo más allá de las estadísticas individuales del meta.

Un defensa que realice más entradas o interceptaciones no es necesariamente mejor que uno que realice menos, estos datos miden en mayor medida la oportunidad que la habilidad. En las acciones que se realizan en defensa hay mucho más ruido que señal. ¿Cómo podemos empezar a disipar ese ruido?

La segunda razón, relacionada con lo anterior, tiene que ver con los datos que había disponibles hasta hace poco. Durante mucho tiempo los proveedores se limitaron a contar eventos (por ejemplo, interceptaciones) sin tener en cuenta si estos eran representativos de las tareas fundamentales en defensa. Por el camino, se dejaron algunas acciones que ahora sabemos no sólo dan una imagen más realista del espectro de tareas en defensa sino que además permiten analizar en detalle algunas posiciones concretas. Explicaremos más sobre esto al hablar de los eventos de presión.

Razones adicionales que van más allá del propósito de esta introducción son, entre otras, las interacciones entre jugadores, el contexto de las acciones defensivas, el tipo de datos empleados, o efectos de equipo difíciles de controlar.

En definitiva, ni todo lo que es relevante se puede contar, ni (hasta recientemente) se ha contado todo lo que es relevante.

Métricas Defensivas: Revisión de diferentes enfoques

Para comenzar a arrojar un poco de luz, vamos a hacer una pequeña revisión de los enfoques que se han empleado en los últimos años y a mostrar algunas de las soluciones que hemos desarrollado en StatsBomb para analizar la defensa con mayor rigor. Algunas de las preguntas relevantes son las siguientes:

  • ¿Cómo de efectivos son los equipos tratando de evitar recibir goles?
  • ¿Qué rasgos estilísticos diferencian equipos que tratan de presionar alto respecto a los que defienden en bloques medios o bajos?
  • ¿Cómo podemos tener una visión más representativa de la influencia de determinados jugadores en defensa más allá de recuperar la posesión directamente?

Una de las premisas de las que partimos es que en defensa hay dos objetivos: Evitar recibir goles y recuperar la posesión. Ambos están latentes en las decisiones estratégicas que toman los equipos haciendo que haya rasgos estilísticos reconocibles que permiten situar los diferentes enfoques tácticos en categorías específicas.

Métricas de equipo: Defender nuestra portería

La primera tarea colectiva es evitar conceder goles restringiendo para ello la cantidad y calidad de ocasiones de las que dispone el rival. Si los Goles Esperados (xG) son una métrica útil para medir el rendimiento ofensivo, parece lógico pensar los Goles Esperados Concedidos (xGA) es una métrica que nos muestra la eficacia del equipo evitando que les generen ocasiones de valor elevado.

Un equipo al que regularmente le generan un número elevado de Goles Esperados es probable que - pese a variabilidad transitoria - acabe concediendo goles y por tanto teniendo complicado sumar puntos.

Además, podemos tratar de discernir la capacidad que tenga el equipo para conceder menos goles de los que el modelo espera (y la habilidad de los porteros evitando goles, pero este es un tema para otra ocasión). Hay equipos como el Atlético de Madrid que lo han logrado regularmente.

Sin embargo, no tenemos por qué detenernos en los números agregados de xG. Podemos analizar detalles sobre el volumen y aspectos concretos de los remates tales como distancia, situaciones de juego o defensores cercanos al rematador.

En este sentido, los datos de StatsBomb y por consiguiente los modelos construidos a partir de ellos proporcionan una visión más precisa del valor de las ocasiones que el equipo recibe. Podéis leer más en este artículo.

En el gráfico superior podemos ver los tiros claros concedidos (por partido) por los equipos de La Liga esta temporada. Los tiros claros (Clear Shots) son aquellos en los que no hay ningún defensor interponiéndose entre el rematador y el portero.

En el Freeze Frame inferior se puede ver un ejemplo de un Clear Shot.

También podemos analizar aspectos como los tiros bloqueados, la distancia media desde la que se remata, o la altura del remate, así como tiros precedidos por una pérdida en campo propio o tiros en situaciones de contraataque.

Además, dado que tenemos la posición de los defensas en cada remate podemos analizar al detalle cómo influye la presión de un defensor en los distintos remates. Revisaremos este tema en profundidad más adelante, pero si tenéis interés podéis leer la investigación original al respecto de Derrick Yam aquí, aquí y aquí (en inglés).

Es indudable que analizar lo que sucede en las áreas y las ocasiones de cada equipo aporta información relevante. Sin embargo, la pregunta que sigue sin quedar resuelta es qué hacen los equipos para evitar eso en primer lugar y cómo influye en la cantidad y calidad de las ocasiones.

Por ejemplo, hay equipos que prefieren presionar con una línea defensiva alta para así mantener al rival lejos de su área y limitar el número de tiros de los que dispone, sin embargo, al mismo tiempo esto hace más probable que las ocasiones de las que dispone el rival tengan un xG medio más alto (porque habitualmente serán situaciones de juego al espacio y unos contra uno).

Otros equipos prefieren defender más cerca de su propio área acumulando más jugadores en las inmediaciones, lo que limitará la calidad de las ocasiones rivales, pero al mismo tiempo tenderá a cederle la iniciativa por lo que dispondrá de mayor número de remates.

Analizar sólo el tipo o cómo evitan las ocasiones es descuidar la interrelación entre los dos objetivos anteriormente mencionados. Puesto que la defensa trata tanto de evitar conceder goles como de recuperar la pelota (para posteriormente crear ocasiones) entender las diferentes opciones tácticas para asegurar un equilibrio entre ambos y los trade-offs de diferentes enfoques ha sido una preocupación para la comunidad de analistas.

Rasgos estilísticos, control del espacio e intensidad defensiva

Las cuestiones habituales al respecto han sido cómo, cuánto y dónde realizan las acciones defensivas los equipos.

Ha habido varios enfoques al respecto, pero podemos señalar como inicial el trabajo de Colin Trainor en 2014 que llevó al desarrollo de la métrica PPDA (pases por cada acción defensiva). Esta métrica responde a una pregunta sencilla: ¿cuántos pases realiza el rival por cada acción defensiva de mi equipo?

Pases del rival / Acciones defensivas (entradas, interceptaciones, faltas, duelos)

Por tanto, a menor PPDA, mayor intensidad defensiva ejercida.

Partiendo de que el número de acciones defensivas de un equipos (originalmente entradas e interceptaciones) tienen nula correlación con el rendimiento de los equipos Colin desarrolló gradualmente una medida que era más representativa de la intensidad defensiva.

Pese a que la idea inicial era discriminar los equipos que mostraban una presión más alta, la métrica se fue desarrollando y gradualmente adaptando a diferentes zonas hasta ser una de las métricas descriptivas más empleadas para mostrar los rasgos estilísticos que definen la defensa de los equipos. En StatsBomb la utilizamos regularmente en los análisis.

la liga dapp 1920

Hay equipos que presionan más alto y otros que prefieren defender en bloque bajo. Poder diferenciar estos rasgos estilísticos es un primer paso para saber qué estrategia defensiva es más interesante, la influencia en las posteriores transiciones ofensivas, contextualizar los datos de un jugador individual o saber si el rendimiento del equipo con determinada estrategia tiene puntos débiles.

Otras fórmulas para medir la intensidad defensiva incluyen la altura a la que los equipos realizan acciones defensivas, las recuperaciones post-presión, entre otras.

En el gráfico superior podemos ver la distancia defensiva media (respecto a su propia portería) a la que los equipos realizan las acciones defensivas en Liga. Como se puede comprobar a simple vista, y de manera poco sorprendente, el Getafe y el Eibar sobresalen en está métrica.

Sin embargo, todas estas fórmulas quedaban cojas por las razones expuestas anteriormente - principalmente porque sólo utilizan acciones defensivas realizadas sobre el balón. En StatsBomb creíamos que había mucho margen de mejora y una de las soluciones que creíamos más valiosas era recoger otros eventos relevantes.

Las presiones

Los eventos defensivos en los proveedores de datos tradiciones han sido las entradas o tackles, interceptaciones, duelos, despejes, etc. Mientras que estos datos son útiles hasta cierto punto, no llegan a dar una visión representativa del espectro completo de acciones que tienen impacto a nivel defensivo del equipo, limitando así la capacidad de extraer conclusiones relevantes.

Es aquí donde las cosas se ponen interesantes, y los datos de StatsBomb proporcionan un nuevo evento que cambia la manera de afrontar el análisis defensivo: las presiones.

¿Qué son las presiones?

Una presión es la acción de atacar al poseedor de balón o al receptor de un pase - en un radio de 5-8 metros en función de la zona del campo - sin llegar a realizar una entrada, falta o interceptar el pase (cualquiera de estas acciones puede ocurrir posteriormente, pero es un evento diferente).

Para cada evento de presión tenemos su localización, dirección, duración y resultado. En el vídeo de la presentación de los datos de StatsBomb se puede encontrar más detalle sobre la manera de recoger este evento.

La lógica subyacente es que muchas de las acciones defensivas que permiten que posteriormente un equipo recupere la posesión o lleve a cabo un pressing* eficaz no se limitan a las acciones que ocurren sobre balón, sino que hay toda una serie de acciones que llevan a ello tales como cerrar líneas de pase, acelerar la acción del jugador, dirigirle hacia determinadas zonas, forzar pases descontrolados, o hacer que el jugador en posesión se quite el balón de encima.

A nivel colectivo esto nos permite tener una visión más realista y completa de los mecanismos tácticos que los equipos usan en fase defensiva: En qué zonas comienzan a ejercer presión, hacia qué lado dirigen a los rivales, dónde son más fuertes, con qué frecuencia presionan en determinadas zonas del campo y qué jugadores son los más involucrados en ello.

En el mapa defensivo inferior podemos ver la actividad defensiva (acciones defensivas incluyendo presiones) del Getafe respecto a la media de la Liga en cada zona. Los colores más rojos indican mayor actividad defensiva que la media, y los colores más oscuros menor. El perfil defensivo del Getafe es claro a simple vista.

Además, nos permite analizar al detalle aspectos como la presión tras pérdida, o los contraataques que se inician a partir de presiones en diferentes zonas.

En los gráficos superiores podemos ver el mapa de presiones del Real Madrid en el último Clásico. Las zonas en las que el Real Madrid realizó más presiones y las zonas en las que realizó más frecuentemente presiones tras pérdida (definido como presiones realizadas en los 5 segundos posteriores a la pérdida de balón).

A nivel individual, los datos de presión nos proporcionan una dimensión adicional para analizar el rendimiento defensivo. Este evento es especialmente relevante para los atacantes y los centrocampistas, pero por su granularidad y por la cantidad de eventos de este tipo que se dan por partido podemos emplear para analizar de manera más exhaustiva incluso los defensas.

El problema evidente que supone tratar de evaluar el rendimiento de los jugadores atacantes con las acciones como entradas o interceptaciones es que estas son por definición acciones en las que se trata de recuperar directamente la posesión. Sin embargo, como cualquiera con experiencia en fútbol puede corroborar, desde un punto de vista táctico las funciones defensivas habituales de los atacantes no son recuperar el balón.

Es decir, normalmente el delantero no presiona para recuperar la pelota por sí mismo, sino para tapar líneas de pase concretas, orientar la salida de balón del rival hacia zonas concretas (normalmente exteriores), forzar a los rivales a realizar acciones descontroladas, cometer errores, o a quitarse el balón de encima.

En definitiva, ayudar a que los compañeros tengan mayor probabilidad de recuperar la pelota posteriormente. Con los eventos de presión podemos otorgar valor a estas acciones y comenzar a analizar de manera más detallada el rendimiento de los jugadores sin balón.

Una de las maneras es utilizando la métrica Pressure Regains o Recuperación post-presión. Si el equipo recupera la pelota en los cinco segundos posteriores a una acción de presión de un jugador, se le asignará una recuperación post-presión al jugador. Este es un proxy muy práctico de la influencia de los jugadores atacantes en las recuperaciones de su equipo.

Como todo, no está exento de limitaciones, y es que un delantero puede esforzarse muchísimo, ejercer presión con el timing apropiado pero si el resto del equipo no le acompaña o no lo hacen de manera coordinada, difícilmente será efectivo. Sin embargo, estas métricas dan una visión más representativa de la realidad que intentamos analizar.

En los gráficos inferiores podemos ver la comparativa del rendimiento defensivo de Roberto Firmino (2018-2019) excluyendo las acciones de presión (gráfico izquierdo) e incluyéndolas (gráfico derecho).

Ventajas y usos adicionales de los eventos de presión

No tenemos por qué deternos aquí, los eventos de presión abren un abánico nuevo de posibilidades y preguntas que podemos intentar responder (y que de hecho aún estamos haciendo). Entre otras cosas podemos evaluar las acciones de counterpressure (presiones en los cinco segundos posteriores a la pérdida), qué jugadores tienen mayor influencia en los momentos de transición defensiva o cómo la capacidad de presionar evoluciona a lo largo de los partidos, de las temporadas o cómo disminuye con la edad.

También podemos medir aspectos como la intensidad (o agresividad) defensiva, el número de recepciones en zonas de influencia presionadas, entre otras.

Además, los usos de estos datos no se circunscriben sólo al apartado defensivo, sino que gracias a tener los eventos de presión, al mismo tiempo, podemos saber si los jugadores en posesión del balón están siendo presionados mientras realizan una acción determinada (AUP o Actions Under Pressure). Es decir, podemos ver cómo cambian las decisiones y el grado de precisión en las acciónes de los jugadores en posesión cuando están presionados respecto a cuando no lo están. Esto no es sólo fascinante sino que tiene innumerables utilidades prácticas.

En la imagen superior podemos comparar visualmente los pases desde zonas centrales a zonas adyacentes de Casemiro y Busquets cuando están presionados. El jugador catalán tiene un volumen mayor como es esperado, así como un porcentaje de pases completados mayor (en rojo los completados) y su tendencia a distribuir en corto hacia las bandas incluso bajo presión es evidente. Por su parte el mediocentro brasileño prefiere los envíos largos y los cambios de orientación al lado opuesto.

Ajustar las métricas defensivas en función de la posesión

Para terminar, hay una pregunta recurrente que tenemos que abordar, ¿Cómo afecta el estilo de juego del equipo al output defensivo de los jugadores? ¿Qué podemos hacer para controlar esto?

Uno de los puntos más claros, es que los jugadores sólo pueden realizar acciones defensivas cuando su equipo no tiene la posesión, por tanto, en función del tiempo que el equipo esté en posesión tendrán más o menos oportunidades de sumar acciones defensivas. Esto hace que los equipos con volúmenes elevados de posesión tengan menor número de acciones defensivas y por tanto los números absolutos de tackles, interceptaciones (o presiones) tienen más ruido de lo deseable.

Por tanto, para una comparación más objetiva una de las soluciones prácticas y sencillas es ajustar en función de la posesión (esto es más difícil de lo que parece, si tenéis interés podéis leer el artículo de Ted Knutson con la metodología original aquí).

En el gráfico superior vemos los diez jugadores de La Liga esta temporada ordenados por la suma de interceptaciones y entradas (cada 90 minutos). Mientras que el gráfico izquierdo muestra los valores absolutos, el derecho muestra los valores una vez que aplicamos el ajuste en función de la posesión de sus equipos.

Pese a que algunos nombres se repiten, como es esperable, en el ranking ajustado vemos algunos sospechosos habituales que pese a ser defensores intensos y agresivos no aparecen en el izquierdo (o en menor medida) simplemente porque sus equipos dominan la posesión más tiempo.

Este ajuste es una solución práctica para estandarizar los valores de modo que se puedan comparar entre diferentes jugadores corrigiendo aspectos ajenos a su habilidad.

Sin embargo, es importante remarcar que una vez ajustada por posesión ya no existe una correspondencia verídica entre el valor de la métrica y las acciones reales que podamos ver en vídeo. Es por ello, que los números absolutos siguen teniendo utilidad a la hora de evaluar el rendimiento de los jugadores (por ejemplo, para definir los límites).

* Aclaración: Adaptando la terminología inglesa, al hablar de presión nos referimos a la acción individual. Por su parte, pressing se refiere a la tactica colectiva basada en acciones presión de manera coordinada por los miembros del equipo.

Apuntes de La Liga: La perseverancia de Vinícius, el nivel de De Jong y más

Vamos con una edición sobre El Clásico.

Una ligera ventaja para el Real Madrid

La victoria del Real Madrid por 2-0 el domingo no fue un gran Clásico. En nuestra extensa base de datos, que incluye todos los Clásicos desde la 2005/2006, tuvo el cuarto peor número de tiros entre ambos equipos y el séptimo peor número de Goles Esperados (xG) de todos los Clásicos. Queda claro que ambos equipos están muy lejos de su mejor nivel.

Ha habido Clásicos menos brillantes recientemente, no obstante. Justo antes de Navidad en un empate por 0-0 con sólo cuatro tiros a puerta y 1.92 xG. Este no sólo fue el único Clásico sin goles en nuestra base de datos, también el único con un xG total menor de dos.

La victoria del Madrid le deja un punto por delante del Barcelona en la cima de la tabla. Independientemente de su nivel en Champions, los dos equipos siguen siendo los sobresalientes de La Liga. El Barcelona tiene nueve puntos de ventaja sobre el Sevilla en el tercer lugar, y los números subyacentes de ambos equipos son claramente los mejores de la división.

La Liga_2019_2020_team_season_np_xgd_pg (3)

Son los únicos equipos en la pugna por el título. El Madrid tiene un calendario un poco más fácil por nuestros números pero el Barcelona puede tomar esperanza de su nivel general de rendimiento desde que Quique Setién reemplazó a Ernesto Valverde como entrenador en enero.

Setien_Time_La Liga__team_season_np_xgd_pg (2)

Si esos números se mantuvieran, el Barcelona tendría oportunidad de ganar La Liga. No obstante, es el Madrid que tiene la ligera ventaja en este momento.

La perseverancia de Vinícius Júnior

Nada que reprochar a Vinícius, se ganó su gol. Encargado de añadir algo de velocidad directa a una alineación bastante ordinaria en este aspecto, persistió, y persistió y persistió, y finalmente obtuvo su recompensa.

En el primer tiempo, un par de pases al área fallidos y un remate flojo provocaron algún murmullo. Sólo completó dos de los diez regates que intentó durante los 90 minutos. Sin embargo, hizo progresar al Madrid al área dos veces más que cualquier otro compañero, dio una asistencia a Toni Kroos en el primer tiempo y luego marcó el gol que puso a su equipo en el camino del triunfo. Recibió un pase de Kroos y disparó un tiro desviado al primer palo.

Fue un ejemplo casi perfecto de su temporada. Vinícius intenta más regates cada 90 minutos (7.56) que cualquier otro jugador de La Liga pero tiene la segunda peor ratio de éxito entre todos los jugadores que completan dos o más. Sin embargo, sólo Messi completa más regates en el último tercio del campo, y nadie se acerca a Vinícius en cuanto a las conducciones al área.

LaLigaF3Dribbling

Vinícius recibe el balón y ataca verticalmente. Sus conducciones figuran entre las más rápidas de La Liga y él se encuentra entre los diez primeros jugadores que han intentado una volumen razonable de acciones de ataque en cuanto a su proporción de conducciones a pases en campo contrario. Sólo Messi y Luis Suárez generan más tiros a través de regates.

También tiene producción de cara a puerta. Acumula casi 0.50 xG y xG asistido cada 90 minutos.

Vinícius Júnior-La Liga-2019_2020 (1)

Es interesante ver la diferencia entre como Vinícius y Eden Hazard interpretan el papel de extremo izquierdo. A pesar de ser diestro, Vinícius lo interpreta más como un zurdo. La mayoría (un 59%) de sus conducciones que empiezan en el flanco se quedan allí.

IQTactics_Events_Vinícius Júnior_Real Madrid__2019_2020 (1)

Pisa área mucho más...

...en lugar de ir hacia dentro más lejos de la portería para juntarse con sus compañeros.

IQTactics_Events_Vinícius Júnior_Real Madrid__2019_2020

Hazard, por el contrario, se queda en el flanco con menos fruecuencia (un 45%) y ataca al área casi dos veces menos. Lo que sí hace es moverse hacia dentro casi tres veces más que su colega más joven. Desde allí puede abrir la cancha con un pase a la derecha o avanzar el balón por el centro.

IQTactics_Events_Eden Hazard_Real Madrid__2019_2020

Eso encaja con el perfil de Hazard. Es un media punta que empieza desde la banda. Vinícius ha mostrado hasta ahora más de los atributos de un extremo. Zinedine Zidane ha utilizado las más obvias de esas cualidades para extraer producción útil del joven durante una campaña que Hazard ha observado principalmente desde la camilla de tratamiento.

¿Desarrollará Vinícius más habilidad en el pase con el tiempo? Por lo que hemos visto hasta ahora, parece carecer de esa capacidad para formar un panorama preciso del juego que haga que los mejores de su posición sean tan peligrosos. Pero eso es probablemente injusto. Está haciendo lo que tiene que hacer en el contexto de su equipo y su temporada. Cualquier otra cosa tendrá que esperar.

¿Qué pasa con Frenkie de Jong?

El fichaje de Frenkie de Jong por el Barcelona fue considerado casi universalmente como un traspaso brillante. Un mediocampista joven, talentoso y físicamente capaz que había salido de la escuela del Ajax, parecía un encaje perfecto. Las cosas empezaron de manera prometedora, pero después de una actuación irregular en el Clásico, colocado incómodamente como interior izquierdo, el consenso parece ser que no está cumpliendo con las expectativas.

¿Quizás esas expectativas eran demasiado altas?

¿Es su rendimiento en el Ajax en la Eredivisie, un equipo más dominante en una liga mucho menos competitiva, realmente un punto de comparación justo?

Frenkie de Jong-La Liga-2019_2020 (1)

¿Qué tal su producción en la Liga de Campeones cuando a menudo el Ajax tenía, al menos en el papel, un nivel igual o peor que lo de sus rivales?

Frenkie de Jong-La Liga-2019_2020 (2)

Un mejor punto de referencia sería en algún punto intermedio. Si se promedia su producción en ambas competiciones, está actuando en gran medida a un nivel similar en el Barcelona. La mayoría de los datos relevantes están dentro de un rango del 10% para bien o para mal. Sin embargo, existen algunas diferencias que sobresalen.

De Jong está haciendo mucho menos trabajo defensivo directo. Sus estadísticas de presión son más o menos iguales, pero cuando ajustamos en función de la posesión, está haciendo casi un 40% menos de entradas y interceptaciones. Eso puede ser atribuido a los distintos estilos de juego. El Ajax de la temporada pasada fue un equipo particularmente agresivo sin balón. Pero eso no explica toda la diferencia.

En el Ajax, De Jong fue una de las fuerzas destructivas claves del equipo.

Ajax_2018_2019_

En el Barcelona, él está bien abajo en esa lista.

Barcelona_2019_2020_ (1)

En el otro extremo del campo, De Jong está disparando mucho menos que en el Ajax. Allí, en las dos competiciones, disparó dos veces por cada tres partidos; en el Barcelona ha disparado menos de una vez cada cinco.

Dada la ubicación de los tiros, no es un gran problema. Su xG por 90 está dentro del mismo rango que lo de la temporada pasada. Lo que ha hecho es cortar algunas de las ubicaciones más especulativas...

Frenkie de Jong Eredivisie 2018_2019 (1)

...y reducir su producción a tiros desde el centro del área.

Frenkie de Jong La Liga 2019_2020 (1)

Quizás sea revelador el hecho de que los pases de De Jong son menos verticales esta temporada, particularmente en el último tercio. En el Ajax, dependiendo de la competición, entre un 20% y un 22% de sus pases en todo el campo fueron dirigidos hacia adelante, así como entre un 28% y un 29% de sus pases dentro del último tercio. En el Barcelona, esos porcentajes han bajado a un 14% y un 17% respectivamente.

Siempre es difícil extraer el rendimiento individual del contexto colectivo. Particularmente en la Liga de Campeones, el Ajax de la temporada pasada avanzó muy rápidamente cuando se presentaron las oportunidades. El Barcelona utiliza mas a menudo la posesión como medio de control. ¿No está avanzado el balón hacia adelante porque las opciones no se presentan? ¿El sistema y, por consiguiente, sus opciones están menos definidos?

De Jong a menudo ha dado la impresión de jugar de manera un poco tímida esta temporada. No obstante, dado el aumento en la calidad de la liga, algunas de las disfunciones a su alrededor y el cambio de entrenador a mitad de la campaña, ha estado más o menos bien. Si la historia sigue igual la próxima temporada, habría muchos más motivos de preocupación.

El Betis de Rubi en tierra de nadie

Tras los últimos resultados, el Betis se encuentra en una encrucijada donde no tiene claro si seguirá cayendo en la tabla y tendrá que fijar la mirada en el horizonte de puntos que da la permanencia o si será capaz de reaccionar justo cuando llegan dos partidos claves: la visita del Real Madrid y el derbi sevillano.

Esta incertidumbre no le es ajena al seguidor bético que ya vivió una última temporada con Quique Setién en la que el balance de Goles Esperados (xG) y la crisis de resultados metieron al Betis en el centro de un tornado de negatividad que sólo se calmó con la permanencia y dos victorias finales para dejar una foto optimista de la 2018/19.

Con Rubi en el banquillo, los altibajos también han sido constantes, como muestra este gráfico que compara sus goles esperados a sus goles esperados en contra, utilizando una media móvil de 10 partidos.

Cada vez que parece que el rumbo se encamina a una ilusionante lucha por las plazas europeas, una mala racha lo abandona de nuevo en tierra de nadie. Debería ver el vaso medio lleno gracias a los números de goles esperados pero los resultados lo dejan en una tesitura bastante pesimista.

Esta situación desespera al aficionado bético, exigente por pasión, historia y presupuesto. El límite salarial verdiblanco lo sitúa en disposición de jugar en Europa cada año o, al menos, de pelearlo hasta el final. También el talento y la inversión en futbolistas con calidad en los metros finales como Nabil Fekir, Sergio Canales o Borja Iglesias son los de un equipo ambicioso.

El ataque del Betis, sin embargo, no está siendo tan brillante como podría imaginarse con tal nómina.

Por ver el lado positivo, es de los equipos que más tiros claros (en situaciones de uno contra uno con el portero) consigue y también muestra calidad para completar pases en el área rival. No es de extrañar cuando a menudo el equipo se dispone en 4-1-4-1 con Fekir y Joaquín jugando en banda a pie cambiado para ir hacia dentro y juntarse con Canales, Andrés Guardado o Carlos Aleñá.

En punta, han alternado Loren Morón y Iglesias. Si bien Loren es un jugador que subió del filial y nunca ha sido considerado la principal referencia del equipo, su rendimiento es claramente superior al de Borja en un número muy similar de minutos.

Loren no tiene un volumen de tiros muy elevado pero las zonas desde las que remata son excelentes, consiguiendo muchas ocasiones en el área pequeña y un elevadísimo 0.19 de xG por tiro, el segundo mejor registro de La Liga entre todos los jugadores con una media de al menos 1.5 tiros cada 90 minutos.

Loren Morón La Liga 2019_2020 (1)

Por otro lado, lo que funcionó para Rubi con Borja Iglesias en el Espanyol no está dando el mismo resultado con los verdiblancos. Su volumen de tiros es pobre y predominan los remates de cabeza en las zonas más peligrosas donde casi no consigue finalizaciones con los pies. Son números no justifican la cantidad de minutos de los que está disponiendo y decepcionan teniendo en cuenta que fue la mayor inversión del Betis para esta temporada.

La aportación ofensiva que le está faltando al delantero gallego se ha visto compensada con un Joaquín más goleador que nunca y por el fichaje que sí está rindiendo al nivel esperado, Nabil Fekir. Curiosamente, ambos jugadores muestran perfiles muy distintos.

Joaquín-La Liga-2019_2020 (1)

Joaquín ha conseguido pocos remates pero bastante claros por lo que ha sabido convertirlos en gol y también está creando buenos pases para remates de sus compañeros (xG Assisted).

Por su parte, Fekir acumula mucho la posesión, quizás demasiado. Más ataques terminan, para bien o para mal, en sus botas que en las de cualquier compañero. El internacional francés es el jugador que más remata del equipo, no siempre desde buenas posiciones, y muestra su calidad con la pelota, siendo el futbolista que más faltas recibe de La Liga.

El principal lastre de este Betis parece estar en la defensa. Existe una falta de contundencia y al equipo le cuesta reponerse de los golpes. Muchas miradas apuntan a la portería, donde Joel Robles tiene unos números acordes con los tiros a puerta que recibe, incluso mejorando un poco el valor de goles esperados posteriores al tiro (Post-Shot xG).

De acuerdo con las características y colocación de los tiros que ha recibido entre los tres palos, Joel Robles razonablemente podría haber encajado más de 27 goles sin contar penaltis y ha encajado 26. Hay que recordar que Dani Martín jugó la mayoría de los dos primeros partidos y encajó siete goles (cinco de ellos contra el Barcelona).

En cuanto a los remates que recibe el equipo, vemos que está rindiendo por debajo de lo esperado en defensa, pues ha recibido 34 goles cuando lo normal habrían sido 29 o 30. Para colmo, es el tercer equipo que más penaltis lleva en contra con ocho y sus rivales transformaron todas esas penas máximas. Estos números podrían ser utilizados como una excusa pero, con seis penaltis a favor, la diferencia no es muy grande. Parece normal que en sus partidos se produzcan tantas penas máximas dado que el Betis consigue y permite muchos pases en las áreas.

El Betis tiene más indicadores defensivos preocupantes. Si nos fijamos en las alineaciones, vemos que ha optado mayoritariamente por un solo medio defensivo aunque en todo caso ha sido una posición sin ninguna estabilidad por la ausencia de un perfil específico para las prestaciones que demanda el juego del Betis. Por ese puesto, ya sea en solitario o en un doble mediocentro, han pasado un montón de futbolistas esta temporada: Marc Bartra, William Carvalho, Edgar González, Guardado, Wilfrid Kaptoum...

Como ya comentamos en este artículo, parece que al Betis le van mejor las cosas cuando juega en esa posición un central reconvertido que principalmente dé apoyo a la defensa, ya sea Bartra o el jugador del filial González.

Detectada esa falta de medios defensivos, en el mercado invernal se fichó a Guido Rodríguez proveniente del América de México. Sin embargo, su adaptación al fútbol europeo está siendo complicada. Le falta mucha soltura con balón, ritmo de juego y comprensión del sistema. No parece que vaya a funcionar a corto plazo.

Al observar el mapa de la actividad defensiva, notamos que el sistema tiene ese problema para defender en la zona central y la mayoría de las acciones defensivas se reservan para el área propia.

Algunos números son realmente preocupantes: el Betis es el segundo equipo que más tiros recibe tras contrataque rival, el tercer equipo que permite más pases en las inmediaciones de su área y el quinto al que más pases le completan dentro de su propia área. También es el segundo equipo que menos recupera la posesión tras presión. Juntar tanto talento en la línea de centrocampistas (Fekir, Canales, Joaquín) se está notando en una falta de sacrificio y eso, unido a las carencias de perfiles específicos en el medio defensivo, está siendo una deficiencia muy grande en el centro del campo bético.

Repasadas las tendencias y los números, pese al pesimismo que reina en el Benito Villamarín, parecería que Rubi no está tan lejos de encontrar las respuestas. Sin embargo, no queda tiempo para experimentos y el puesto del entrenador catalán parece correr peligro. Los verdiblancos ya no tienen margen de error si no quieren acabar otra temporada en decepción y, aunque parezca increíble, metidos en la lucha por evitar el descenso.