Atlético Madrid 2020-21, previa de la temporada

Existen pocos equipos tan consistentes como el Atlético Madrid. En la 2019-20, se clasificó entre los tres primeros de La Liga para la octava temporada consecutiva. Una racha de siete victorias y cuatro empates después del reinicio de la competición en mayo lo llevó del sexto puesto al tercero al final de la campaña.

Lo hizo con su estilo de juego habitual. El equipo de Diego Simeone defendió en un bloque medio-bajo y compacto, y protegió bien su portería. Recibieron una cantidad por debajo de la media de tiros, mientras que la calidad media de estos tiros fue la más baja en toda La Liga. Encajó solo 27 goles, la segunda mejor cifra de la división. En el otro extremo del campo, atacó de manera precisa, primando la calidad sobre la cantidad de los tiros. Sólo el Barcelona y el Alavés crearon ocasiones de una calidad media más alta.

Fue el Atlético de siempre, a pesar de los cambios en la plantilla. Salieron Antoine Griezmann, Diego Godin, Filipe Luis y Rodri, cuatro de los ochos jugadores que habían disputado más minutos en la 2018-19. Asimismo, se fueron Juanfran y Lucas Hernández, dos más de los primeros 15. Como reemplazos llegaron ocho jugadores por una cantidad cercana a los 250 millones de euros.

No fue una revolución total. Simeone dio un 65% de los minutos a jugadores que habían jugado en la 2018-19, los rosados en el gráfico por debajo, pero algunos de los nuevos jugadores recibieron cantidades significativas de minutos. Felipe, Kieran Trippier y Renan Lodi disputaron más de 2,000; João Felix, más de 1,800; y Marcos Llorente, casi 1,500.

La suposición era que el Atlético necesitaba tiempo para integrar bien los fichajes y la realidad fue así, al menos en cuanto a los resultados. Después de ganar sus primeros tres partidos de la temporada, ganó solo tres de los siguientes 13, junto a ocho empates y dos derrotas. A principios de diciembre se encontraba en el séptimo puesto.

Sin embargo, los números subyacentes contaban otra historia. En ese momento, el Atlético tuvo una diferencia de goles (sin contar penaltis) de cinco goles, pero una diferencia de goles esperados (xG) de 9.53. Es decir, iba más de cuatro goles por debajo de lo esperado.

Los resultados empezaban a mejorar a partir de ahí, aunque las cifras reales tardaron más tiempo aún en asemejarse a números subyacentes que siempre estaban entre los mejores de La Liga. Este gráfico compara la diferencia de goles con la diferencia de xG a lo largo de la temporada, utilizando una media móvil de 10 partidos. La zona morada representa rendimiento por debajo de lo esperado; la zona verde, rendimiento por encima.

Había momentos en que la narrativa parecía ser que los métodos de Simeone se estaban agotando, algo que resurgió después de la floja eliminación de la Champions frente al RB Leipzig. Es verdad que fue una temporada más aceptable que excelente y que el Atlético consiguió su suma de puntos más baja (70) de la época de Simeone. Sin embargo, el equipo cumplió las expectativas en lo que fue un año de transición en el que tuvo, en una base ponderada de minutos, la tercera plantilla más joven de La Liga. Cuando las cifras reales se asemejó a los números subyacentes, fue el tercer mejor equipo de la división.

Félix fue el fichaje estrella, con un coste elevado de 126 millones de euros. El precio claramente condiciona la conversación, pero si lo dejamos a un lado vemos a un jugador que combinaba un estilo de juego muy vistoso con números muy aceptables para una primera temporada en La Liga dado su edad (20) y el planteamiento del Atlético.

En común con todos los delanteros del Atlético, el ex-jugador del Benfica empezó la temporada con una mala racha de puntería que duró hasta finales de enero, pero entre su vuelta de una lesión en febrero y el final de la temporada, marcó cuatro goles que cambió un poco la perspectiva. Sin embargo, dado su talento se espera un paso adelante en la 2020-21.

Simeone nunca parecía totalmente contento con sus opciones en ataque. Quería a Rodrigo Moreno del Valencia, pero él nunca llegó. Muchos diferentes jugadores disputaron minutos entre los dos puestos de delantero y lo en la banda más ofensiva en su habitual 4-4-2: Félix, Álvaro Morata, Ángel Correa, Diego Costa, Thomas Lemar, Vitolo, Yannick Carrasco (que volvió como cedido en enero y podría seguir en el club esta temporada) y hasta Llorente, un mediocentro reconvertido a segundo delantero. De todos ellos, solo Correa y Morata disputaron más de 2,000 minutos e incluso ellos jugaron menos de 2,300 a pesar de que cada uno solo perdió cuatro partidos por razones de lesiones o sanciones.

Los números surgieron que la mejor dupla delantera sería Félix y Morata. Aportaron más xG y xG asistido por 90 minutos que sus compañeros. Morata tiene sus detractores pero es un delantero que siempre tiene la habilidad de fabricar ocasiones de buena calidad.

Llorente impresionó en su rol más adelantado después del parón, muchas veces actuando como un acelerador y dinamizador de los ataques del equipo, y va a ser interesante ver si es capaz de mantener números creativos tan impresionantes en una muestra de mayor tamaño.

Entre las lesiones y su escasa producción de cara a puerta (ha marcado solo un gol por cada 464 minutos en el campo desde su vuelta del Chelsea en 2017), Costa ya no es el jugador que era antes. Está en el año final de su contrato y si se queda debería ser principalmente como revulsivo.

En el centro del campo, Koke, Saúl y Thomas Partey consumieron la gran mayoría de los minutos. Todavía existe la posibilidad de que salga Partey, pero de todos modos, Simeone quiere un mediocentro posicional para reforzar esta zona. Parece que Marc Roca es el elegido. Tuvo una temporada discreta en el descenso del Espanyol, pero tiene una base de talento suficiente para convertirse en el jugador muy útil en el Atlético con tiempo para asentarse.

No existen problemas en el centro de la zaga. Felipe disfrutó de una buena temporada tras su llegada del Porto y entre él, Jose Giménez y Stefan Savic la zona está bien cubierta. Mario Hermoso podría salir por falta de minutos y en ese caso otra opción llegaría.

Existen mas dudas en los puestos de lateral. En el izquierdo, Renan Lodi hizo una buena primera temporada en La Liga pero no tuvo un reemplazo de la misma calidad. En el derecho, Trippier disputó la mayoría de los minutos. Empezó bien la temporada, exhibiendo su gran golpeo a balón parado y también tenía un papel importante en avanzar el balón al área, pero como en el Tottenham Hotspur surgían dudas sobre su aptitud defensiva a medida que la campaña iba avanzado.

Junto a Santiago Arias y Šime Vrsaljko, Trippier es uno de los tres laterales derechos de experiencia que tiene el Atlético. Según informes el club está dispuesto a vender cualquiera de los tres si llega una buena oferta.

En general, parece que va a ser un mercado de fichajes relativamente tranquilo para el Atlético. La única llegada hasta hoy es Ivo Grbic, un portero croata que suplirá la salida de Antonio Adán. Aparte del posible fichaje de Roca, el resto de los refuerzos probablemente llegarían en forma de cesión. Podrían salir jugadores como Lemar o Vitolo, que podría crear espacio para jóvenes como Víctor Mollejo, que hizo una campaña interesante en el Deportivo La Coruña jugando tanto de carrillero como extremo.

En general, el Atlético parece estar en una buena posición de cara a la nueva temporada. Existen algunas debilidades y problemas que resolver, y es poco probable que compita por el título, pero tiene el talento para convertir otra vez el tercer mejor presupuesto de La Liga en un puesto de Champions. Podría ser que el Sevilla o otro equipo como la Real Sociedad o el Villarreal haga una temporada fantástica para colocarse entre los tres primeros, pero es improbable que dos de estos equipos sean capaces de sobrepasar al Atlético. La regularidad tiene sus beneficios.

Introducción a la interpretación de los radares de StatsBomb

Los radares son el símbolo de StatsBomb, una manera original y práctica de visualizar datos tanto de jugadores como equipos. A pesar de que hoy en día parecen omnipresentes en los círculos de análisis de datos en el fútbol, siguen siendo una de las marcas distintivas de StatsBomb, puesto que estos fueron creados y popularizados aquí.

Sin embargo, hasta ahora no habíamos escrito algo en Castellano para ayudaros a interpretar los radares que utilizamos tanto en nuestros análisis como en las redes sociales.

¿De qué estamos hablando? Aquí está un ejemplo de uno de nuestros radares.

Vamos a hablar de las métricas en sí más tarde, pero existen algunas cosas que tenemos que explicar antes.

Primero, los límites interiores y exteriores de los radares representan respectivamente los percentiles 5 y 95 de la distribución posicional para cada métrica en las cinco grandes ligas de Europa durante varias temporadas.

Segundo, la gráfica de distribución que se encuentra a la derecha del radar muestra donde cae el jugador dentro de la distribución de su posición en cada métrica. La flecha indica la posición del jugador mientras la paleta de colores da una idea del percentil en el que se encuentra. El percentil y el valor de la métrica están mostrados a la derecha de la gráfica.

Las gráficas de distribución son una manera sencilla de visualizar que excepcional es un jugador como Lionel Messi.

Existen más opciones. Dentro del radar, podemos visualizar los percentiles en vez de los valores de cada métrica. A veces, en lugar de la gráfica de distribución, publicamos los radares con una tabla que contiene los detalles de la producción estadística del jugador. Asimismo, nuestros clientes tienen la oportunidad de personalizar las métricas incluidas para crear sus propios radares.

Apuntes Generales

  • Cuando hacemos referencia al xG, estamos hablando de los Goles Esperados, el marco general empleado en la mayoría de los análisis actuales. La explicación simplificada de esta métrica es que mide la probabilidad de que un tiro dado termine en gol. Sin embargo, va mucho más allá de eso, como explicamos en este artículo.
  • Todos los datos son por cada 90 minutos. Hemos explicado antes las razones por las cuales ajustamos los datos así, pero en breve, es la forma más sencilla y práctica de hacer comparaciones entre jugadores que han disputado diferentes cantidades de minutos a lo largo de una temporada.
  • Asimismo, ajustamos algunas de las métricas defensivas en función de la posesión. Este ajuste es una solución práctica para estandarizar los valores de modo que se pueden comparar entre diferentes jugadores corrigiendo aspectos relacionados con el estilo de juego de sus respectivos equipos. Damos una explicación más profunda aquí.
  • Algunos de los radares incluyen la métrica On-Ball Value (OBV). En resumen, OBV es un modelo que mide el cambio en la probabilidad de un equipo de marcar/conceder como resultado de una acción dada. Esto permite identificar las acciones más relevantes en una posesión y poder otorgar más mérito a las acciones con mayor impacto en la posesión.
  • Cabe mencionar que no todas las métricas miden la calidad del jugador y/o su rendimiento. Muchas de ellas son marcas estilísticas, particularmente en el caso de los defensores.

En octubre de 2023, actualizamos nuestras plantillas para cada posición para incluir algunas de nuestras nuevas métricas como OBV. Aquí están las versiones actuales:

Centrales

  • Aerial Win%: Porcentaje de duelos aéreos ganados
  • Aerial Wins: Duelos aéreos ganados
  • OBV: Valor agregado en las acciones relacionadas con el balón
  • Pass OBV: Valor agregado mediante pases
  • Being Pressured Change in Pass %: El cambio en el porcentaje de acierto en el pase del jugador en los pases realizados bajo presión rival
  • Dribble & Carry OBV: Valor agregado mediante regates y conducciones
  • Fouls: Faltas
  • PAdj Clearances: Despejes ajustadas en función de la posesión
  • Blocks/Shot: Proporción de los tiros enfrentados que fueron bloqueados
  • Tack/Dribbled Past%: La proporción de entradas exitosas a ocasiones en que el oponente le/la regateó
  • PAdj Tackles: Entradas exitosas ajustadas en función de la posesión
  • Defensive Action OBV: Valor agregado mediante acciones defensivas

Laterales

  • PAdj Tackles & Interceptions: Entradas y interceptaciones ajustadas en función de la posesión
  • Deep Progressions: Incursiones en el último tercio a través de pases, regates o conducciones
  • Pass OBV: Valor agregado mediante pases
  • Open Play xG Assisted: Goles esperados asistidos en juego abierto (es decir, sin contar los que provienen de las acciones a balón parado)
  • Dribble & Carry OBV: Valor agregado mediante regates y conducciones
  • Turnovers: Perdidas de posesión a través de fallos en el control del balón o regates fallidos
  • Aerial Win%: Porcentaje de duelos aéreos ganados
  • PAdj Pressures: Presiones ajustadas en función de la posesión
  • Fouls: Faltas
  • Tack/Dribbled Past%: La proporción de entradas exitosas a ocasiones en que el oponente le/la regateó
  • Defensive Action OBV: Valor agregado mediante acciones defensivas

Centrocampistas / Mediocampistas

  • OBV: Valor agregado en las acciones relacionadas con el balón
  • Deep Progressions: Incursiones en el último tercio a través de pases, regates o conducciones
  • Pass OBV: Valor agregado mediante pases
  • Open Play xG Assisted: Goles esperados asistidos en juego abierto (es decir, sin contar los que provienen de las acciones a balón parado)
  • Dribble & Carry OBV: Valor agregado mediante regates y conducciones
  • Fouls Won: Faltas recibidas
  • Turnovers: Perdidas de posesión a través de fallos en el control del balón o regates fallidos
  • PAdj Pressures: Presiones ajustadas en función de la posesión
  • PAdj Tackles & Interceptions: Entradas y interceptaciones ajustadas en función de la posesión
  • Tack/Dribbled Past%: La proporción de entradas exitosas a ocasiones en que el oponente le/la regateó
  • Defensive Action OBV: Valor agregado mediante acciones defensivas

Extremos / Mediapuntas

  • xG: Goles esperados
  • Shots: Tiros
  • Shot OBV: Valor agregado en la ejecución de los tiros
  • PAdj Pressures: Presiones ajustadas en función de la posesión
  • Pass OBV: Valor agregado mediante pases
  • Open Play xG Assisted: Goles esperados asistidos en juego normal (es decir, sin contar los que provienen de las acciones a balón parado)
  • Dribble & Carry OBV: Valor agregado mediante regates y conducciones
  • Fouls Won: Faltas recibidas
  • Turnovers: Perdidas de posesión a través de fallos en el control del balón o regates fallidos
  • Touches in Box: Toques del balón dentro del área de penalti
  • xG/Shot: Goles esperados por tiro. Es decir, la calidad media de sus tiros

Delanteros Centros

  • xG: Goles esperados
  • Shots: Tiros
  • Shot OBV: Valor agregado en la ejecución de los tiros
  • Pass OBV: Valor agregado mediante pases
  • Open Play xG Assisted: Goles esperados asistidos en juego normal (es decir, sin contar los que provienen de las acciones a balón parado)
  • PAdj Pressures: Presiones ajustadas en función de la posesión
  • Aerial Wins: Duelos aéreos ganados
  • Turnovers: Perdidas de posesión a través de fallos en el control del balón o regates fallidos
  • Dribble & Carry OBV: Valor agregado mediante regates y conducciones
  • Touches in Box: Toques del balón dentro del área de penalti
  • xG/Shot: Goles esperados por tiro. Es decir, la calidad media de sus tiros

¿Quieres saber más sobre las métricas que se están generalizando en el fútbol? Nuestro curso online Introducción al Análisis de Datos en Fútbol Profesional ya está disponible. Los goles esperados (xG), táctica ofensiva y defensiva, acciones a balón parado, análisis de equipos y más... Apúntate >> https://cursos.statsbomb.com/

Un resumen analítico de la transformación del Leeds de la mano de Marcelo Bielsa

La contratación de Marcelo Bielsa por parte del Leeds sorprendió el mundo de fútbol. En junio de 2018, el renombrado entrenador argentino se hizo cargo de un equipo atrapado en la Championship, la segunda división del fútbol inglés. Lo que Bielsa ha logrado desde entonces ha sido muy notable.

Desde su descenso a la Championship en 2004, el Leeds ha sufrido mucha inestabilidad, pero ha estado yendo en la dirección correcta desde el primer partido de Bielsa. Un equipo de media tabla en la Championship se ha transformado en un club de la Premier League.

StatsBomb se enorgullece de haber prestado sus servicios al club durante la temporada 2019-20 y seguirá haciéndolo en su vuelta a la máxima categoría. Vamos a echar un ojo a algunos de los aspectos analíticos que han llevado al Leeds de vuelta a la Premier League después de 16 años de frustración.

Un impacto rápido con una plantilla consistente

En la temporada anterior a la llegada de Bielsa, la 2017-18, el Leeds terminó 13º en la Championship. Fue la sexta vez en ocho temporadas que había terminado la campaña en la mitad de la tabla. El núcleo de la plantilla heredada por Bielsa ha estado en el club durante mucho tiempo.

De hecho, nueve jugadores que tuvieron un papel importante en el ascenso estaban en el club y jugaron con regularidad durante la 2017-18. Bielsa no hizo grandes cambios a la plantilla y utilizó en gran medida lo que ya tenía. En su debut contra el Stoke ya había nombres como Luke Ayling, Liam Cooper, Ezdzhan Alioski, Pablo Hernández, Kalvin Phillips, Stuart Dallas, Mateusz Klich y Jack Harrison.

Durante la 2019-20, cada uno de esos jugadores disputó más de 2000 minutos. Gaetano Berardi, Barry Douglas y Adam Forshaw también jugaron ese día y siguen formando parte de la plantilla casi dos años después. El estilo de juego del Leeds rápidamente se hizo distintiva, como muestra esta red de pases del primer partido con Bielsa al mando:

El resto de la plantilla ha sido construido de manera relativamente barata, especialmente si se tiene en cuenta las cantidades que suelen gastar los aspirantes al ascenso. El Leeds fichó a Patrick Bamford y Barry Douglas en el verano de 2018, pero sus otros refuerzos llegaron cedidos. Fue una tendencia que continuó en la 2019-20 con las llegadas como cedidos de Ben White y Hélder Costa, este último en un acuerdo de préstamo que incluyó la obligación de compra.

Mejores números subyacentes

Bielsa convirtió un equipo de media tabla, con una diferencia negativa de Goles Esperados (xG), en uno con los mejores números subyacentes de la división. Asimismo, lo hizo muy rápidamente. En sus primeros diez partidos el equipo estaba consiguiendo cerca de 0.7 xG más que sus oponentes por partido. Es decir, su producción subyacente estuvo cerca de siete goles mejor que la de sus oponentes a través de estos diez partidos.

A partir de ese momento, a lo largo de dos temporadas, sus números subyacentes sólo empeoró una vez, entre enero y febrero de 2020, e incluso entonces, todavía creó tres goles esperados más que sus oponentes en su peor tramo de diez partidos. En los tramos mejores, frecuentemente creó 11 o 12 goles esperados más que sus oponentes. Los números subyacentes del equipo han sido muy buenos a lo largo de dos temporadas:

Sin embargo, los números subyacentes no representan la realidad y los inevitables vaivenes de la varianza han producido dos tramos en los que los resultados variaban mucho respecto a los goles esperados.

Primero, el Leeds perdió su puesto de ascenso directo en el tramo final de la 2018-19, en parte porque en sus ocho partidos finales rindió diez goles por debajo de lo esperado. Luego, un giro positivo de dimensiones similares, en gran parte en ataque, selló su ascenso a la Premier League tras el regreso del parón de 2019-20:

La salida de los puestos de ascenso directo en la 2018-19 provocó la aparición de una narrativa común sobre los equipos de Bielsa, en concreto que se cansan en el tramo final de la temporada. Es cierto que el estilo de juego del Leeds requiere un alto nivel de aptitud física, pero en este caso no existe evidencia concreta de un bajón global.

En los resultados, sí, pero no en cuanto al nivel de las actuaciones. En términos de xG (sin contar penaltis) el Leeds tuvo el mejor ataque de la división en la 2018-19, con casi 71 goles, pero el mismo total de goles reales fue sólo el quinto mejor registro de la liga. No hay nada intrínsecamente malo en igualar los números esperados, pero los equipos que ganan títulos suelen superarlos.

Ese tipo de impulso a corto plazo puede hacer una gran diferencia y en este caso, cada uno de los equipos que logró el ascenso superó sus números esperados. Sin embargo, fue el otro extremo del campo el que resultó más costoso para el Leeds en la 2018-19. Al recibir 50 goles, encajó alrededor de 13 goles más de lo esperado. Podemos ver de dónde vino la mayoría de la diferencia si miramos los tiros a puerta de larga distancia:

En la 2018-19, tanto Peacock-Farrell como Casilla tuvieron problemas en parar los tiros de larga distancia.

En líneas generales, tiros a puerta desde cualquier posición aproximadamente terminan en gol un 30% de las veces. En la 2018-19, los porteros del Leeds encajaron goles a este ritmo sólo desde tiros de larga distancia. Desde los tiros dentro del área, el Leeds encajó goles a un ritmo cercano al esperado. Asimismo, vale la pena echar un ojo a los goles marcados y recibidos por el Leeds con el marcador igualado.

En esa situación, realizaron casi 150 tiros más que sus oponentes pero marcaron sólo un gol más. La diferencia ocurrió en ambos extremos del campo. El ataque marcó cerca de cinco goles menos de lo esperado mientras que la defensa encajó casi 11 más. Este es un clásico ejemplo de como desde una perspectiva analítica, podemos observar que el proceso es bueno mientras que los resultados son más variables. Teniendo en cuenta los números subyacentes del Leeds en la 2018-19, no había razón de dudar en la capacidad del equipo de Bielsa para luchar otra vez para el ascenso directo en la 2019-20.

Un estilo único

El estilo de juego del Leeds ha generado mucho interés, incluso hasta el punto que el Huddersfield Town ha contratado a uno de sus asistentes, Carlos Corberán, como entrenador principal. Vale la pena preguntarse si un equipo es capaz de presionar con el vigor con el que presiona el Leeds, y con ese estilo lograr éxito, ¿es algo que otros equipos podrían replicar? Esta visualización muestra cómo la proporción de acciones defensivas, incluyendo nuestros exclusivos datos de presión, de cada equipo a los pases de sus rivales compara con la media de la Championship en cada una de seis zonas verticales.

Los tonos rojos indican que el equipo en cuestión hizo una proporción superior a la media de acciones defensivas en esa zona. Podemos ver que el estilo del Leeds fue como el de ningún otro equipo de la Championship en la 2018-19. De hecho, como pocos del mundo:

El Leeds estuvo enormemente activo en todas las zonas del campo, excepto cerca de su propia portería. Este perfil es inusual. Los equipos buenos que hace presión alta (Liverpool, Manchester City) normalmente son muy activos en campo contrario y no tanto en otras zonas. El Leeds cubre casi todo el campo. Podemos ver cómo este estilo ha persistido cuando vemos el mismo gráfico para la 2019-20:

Entre los 92 (91 en la 2019-20) clubes de las primeras cuatro divisiones del fútbol inglés, el Leeds ocupó el segundo puesto en cuanto a su agresión (definida como el porcentaje de las acciones defensivas del equipo registradas a dos segundos de que un oponente reciba el balón) en ambas temporadas, marginalmente detrás del Manchester City en la 2018-19 y del Barnsley en la 2019-20. De hecho, ligeramente aumentó su cifra en la 2019-20, de un 29% a un 30%.

Seguridad defensiva

En la temporada 2019-20, el Leeds nunca bajó del quinto lugar en la clasificación y después de una victoria contra el Luton el 19 de noviembre, nunca terminó una jornada de partidos fuera de los dos primeros puestos. Su ataque no superó de nuevo su xG, pero un enorme siete autogoles por parte de sus oponentes ayudó a acortar la brecha. Fue en defensa donde se vio el verdadero cambio, con un total de 35 goles recibidos que fue mucho más cerca de la cifra esperada que el de la 2018-19.

Al ganar cinco partidos antes del parón y siete de nuevo al regresar, el Leeds encajó sólo cinco goles y un promedio de poco más de medio gol de xG por partido. Sus oponentes promediaron menos de ocho tiros por partido y los que realizaron fueron de una calidad media realmente miserable. La debilidad de los equipos que hace presión alta suelen estar en la calidad de las ocasiones que conceden cuando el oponente es capaz de eludir su presión.

Sin embargo, el Leeds de Bielsa ha recibido una baja volumen de tiros sin sacrificar su habilidad de evitar tiros de buena calidad. Este aspecto será difícil de replicar en una liga superior, pero sus números defensivos durante el tramo final de la temporada fueron casi perfectos:

¿Algo de suerte en la finalización de sus oponentes? Sí, pero podemos ver la falta de ocasiones de buena calidad (¡dónde está la roja!), la escasez de tiros de pie desde zonas centrales (¡pocos hexágonos!) y casi nada en el área pequeña. Irónicamente, los únicos dos goles que el Leeds recibió desde fuera del área esta temporada llegó en este tramo de partidos.

Como era entonces, es ahora

Como señalamos antes, el primer partido de Bielsa fue en casa contra el Stoke. Ochenta y siete partidos y 704 días más tarde, el mismo encuentro se repitió. Una vez más el Leeds dominó el marcador, esta vez con una victoria por 5-0. Si comparamos las redes de pases de estos dos partidos, podemos ver que a pesar de que habían pasado casi dos años, la manera en que jugaba el Leeds, las posiciones que ocupaban sus jugadores y la estructura general del equipo habían variado muy poco:

Fuera de los dos primeros, pocos equipos de la Premier League son capaces de jugar con un estilo cercano al que Bielsa exige a su equipo. Los otros equipos tendrán que prepararse para un duro encuentro. Como único punto de referencia, la única vez que este Leeds se ha enfrentado a un rival de la Premier League fue en un entretenido partido de la FA Cup contra el Arsenal.

En el segundo tiempo, el Arsenal fue mejor y el Leeds perdió 1-0, pero los que vieron el partido recordarán un primer tiempo en que el Leeds abrumó a los Gunners por su energía y viveza. Realizó 15 tiros a los tres de su rival sin lograr abrir el marcador. Contra los equipos más débiles de la Premier League, ese tipo de juego dará dividendos, y el Leeds debería ser capaz de ganar varios partidos de esta manera.

Asimismo, una buena defensa en una temporada de ascenso suele ser un pronosticador de una defensa aceptable en la Premier League. Pocos equipos estarán mejor preparados tanto físicamente como tácticamente. La Premier League será mejor por la presencia del fútbol de Bielsa, y los partidos contra el Manchester City de Pep Guardiola y el Liverpool de Jürgen Klopp deberían ser particularmente entretenidos. El Leeds ha vuelto a la máxima categoría, y se lo merece.

StatsBomb lanza un modelo de Goles Esperados con Shot Impact Height

El modelo de Goles Esperados (xG) de StatsBomb siempre ha sido un poco diferente. Cuando StatsBomb Data se lanzó en 2018, el objetivo era acercar más los datos de fútbol a lo realmente pasa en el campo de juego.

Desde el principio, añadimos la posición del portero y de los defensores en cada tiro de cada liga que recogemos. Esta aparente pequeña mejora ha resultado en mejoras sustanciales en los valores de xG cuando hay mucha gente en el área de penalti y especialmente cuando el portero está fuera de posición.

Con los mejores valores de xG, acciones de presión, información sobre el pie con el que se realizan todos los pases y muchos otros factores diferenciales, no es de extrañar que StatsBomb Data se ha convertido en la opción preferida para equipos inteligentes, federaciones y jugadores de todo el mundo.

Nuestros datos son más precisos no sólo en cuanto a dónde ocurren los eventos en el campo, y en qué orden, sino que también en cuanto a cuándo ocurren. Esto significa que los datos de StatsBomb son más fáciles de integrar con los datos de tracking que los de cualquier otro proveedor de datos de evento en el mercado.

Sin embargo, el mundo de los datos deportivos es un ámbito competitivo y cada año nos esforzamos por mejorar nuestro producto. La temporada pasada, hicimos dos grandes mejoras en la información que recogemos en relación con los tiros:

  • Nuestro Freeze Frame (un imagen del momento en que se realiza el tiro, que muestra la posición del portero y tanto de los atacantes como de los defensores) se recoge mediante visión por ordenador. Esto nos da mejor información sobre la posición tanto del balón como de los jugadores que nunca antes.
  • Añadimos algo que llamamos Shot Impact Height (SIH) a los datos de los tiros. En breve, el Shot Impact Height es la altura (o la coordenada z) del balón en el momento en que se realiza el tiro.

¿Por qué recoger el Shot Impact Height? Porque mirando el juego desde una perspectiva futbolística, parecía que podía haber una diferencia entre un tiro de cabeza realizado con el balón a la altura de la cabeza frente a uno realizado con el balón 40 cm más alto que solamente roza la parte superior de la cabeza. O una volea realizada cerca del suelo frente a una realizada a la altura del pecho.

Lo interesante es que no sabíamos nada de esto cuando empezamos a recoger los datos. Simplemente añadimos las características al proceso de recogida y este verano las revisamos para investigar más.

¿Qué hemos aprendido?

Esta nueva información apenas cambia los valores de xG en la mayoría de los tiros ya que el modelo ya incluía la altura del pase previo el tiro. Siempre hemos recogido la altura de los pases y esa información formaba parte de nuestro modelo de xG. Esto significaba que ya había alguna información sobre la potencial altura de impacto de los tiros incorporada en el modelo, por lo que la mayoría de los valores de xG no han cambiado.

Sin embargo... en algunos tiros, la adición del Shot Impact Height ha hecho una diferencia significativa. Estos tiros son en gran parte ellos en los que el modelo no conoce la altura del balón porque los tiros se realizan después de un evento que no es un pase, como un rebote, el control del jugador, la segunda jugada de una acción a balón parado... lo que sea. En esos tiros, la adición de la altura de impacto del tiro hace una diferencia significativa.

Aquí están los pensamientos de nuestro CTO, Thom Lawrence:

Nuestra esperanza era que la inclusión de la altura de impacto mejoraría el modelo en algunos casos de borde, especialmente en aquellos que requieren saltos particularmente majestuosos o posiciones corporales difíciles. Aunque esta adición no proporciona un gran salto en la precisión general del modelo, existen muchos tiros cuyos nuevos valores parecen más precisos cuando consultamos el vídeo.

Por ejemplo, este tiro del Ajaccio contra el Caen previamente tenía un valor de ~0.6 xG. Hay dos defensores presionando el tiro, pero es un remate de pie dentro del área pequeña con el portero completamente fuera de posición.

Sin embargo, viendo el vídeo podemos ver que el punto de impacto es a la altura de la cintura.

Eso significa que el tiro es mucho más difícil de ejecutar. El jugador realizó el tiro pero no de manera limpia. El modelo identifica la altura de impacto como un factor significativo en su predicción aquí, y el nuevo valor es de ~0.3 xG.

Como curiosidad, señalar que la altura de impacto no sólo tiene un efecto negativo en el xG de los tiros difíciles. Asimismo, tiene un efecto positivo en algunos tiros. Por ejemplo, una altura de impacto de cero, es decir, con el balón en el suelo, puede ser a veces muy útil para detectar grandes ocasiones. Vemos mejoras en esas ocasiones a través del conjunto de datos.

Más ejemplos

xG anterior: 0.65
xG con SIH: 0.35

xG anterior: 0.40
xG con SIH: 0.20

xG anterior: 0.54
xG con SIH: 0.29

xG anterior: 0.67
xG con SIH: 0.47

Esto es similar al efecto de tener la posición del portero en cada tiro. En la gran mayoría de los tiros en los que el portero está en una posición normal, tener su posición tiene un valor nominal. Sin embargo, en los tiros en los que el portero está fuera de posición, la diferencia entre tener o no tener su posición es enorme.

Ejemplos del efecto de la posición del portero

xG sin la posición del portero: 0.48
StatsBomb xG: 0.82

xG sin la posición del portero: 0.27
StatsBomb xG: 0.74

Al igual que tener la posición del portero, tener el SIH en el modelo refleja con más precisión el valor de xG para cada tiro. Cada mejora en la recogida de datos nos acerca a reflejar de manera más completa lo que está sucediendo en el campo de juego.

Conclusiones

  • Tiros desde el suelo son más valiosos de lo que pensábamos antes.
  • Shot Impact Height tiene un impacto considerable en un subconjunto de tiros que no se realizan inmediatamente después de un pase.
  • La posición del portero, la altura del pase y el Shot Impact Height combinan para mejorar de manera significante los modelos de goles esperados y reducir los errores en los casos atípicos.
  • Realmente importa tener datos más detallados y de mejor calidad.
  • Deberías comprar los datos de StatsBomb porque son los mejores.

Si quieres saber más sobre lo que StatsBomb puede hacer por ti, envía un email a Sales@StatsBomb.com

-- Ted Knutson
CEO, StatsBomb