Autor: Hudl Statsbomb

En marzo, lanzamos StatsBomb 360, la próxima revolución en los datos de evento de fútbol. Nuestros clientes ya han empezado a sacar provecho de este producto único en el mercado y estamos empezando a incluir elementos de 360 en nuestra plataforma de análisis StatsBomb IQ.

StatsBomb 360 proporciona datos de evento contextuales. Revolucionamos la industria en 2018 con el lanzamiento de StatsBomb Data y la inclusión de una imagen de cada tiro, un Freeze Frame, que nos proporciona la posición tanto del portero como de los atacantes y defensores en el momento del tiro. Con StatsBomb 360, recogemos un Freeze Frame para todos los eventos en un partido, mostrando la posición de todos los jugadores en el plano.

La primera herramienta relacionada con StatsBomb 360 en IQ es el Freeze Frame Viewer, un visor de imágenes que permite filtrar y visualizar los Freeze Frame de manera sencilla.

La imagen de un campo de juego en el centro de la pantalla representa el Freeze Frame de la acción seleccionada, mientras que la a su derecha visualiza la acción en el contexto de la posesión de la que forma parte. Se puede analizar los Freeze Frame en IQ o exportarlos en varias formas y formatos.

Los Freeze Frame se pueden filtrar por tipo de acción (pase, recepción de balón, presión...), tipo de jugada (juego dinámico, saque de portería, saque de esquina...), sector del campo, equipo, jugador o estado del marcador, y también existen calificadores adicionales como si la acción se trata de un centro, un pase filtrado o una asistencia o pase clave. Cada búsqueda se puede guardar para uso futuro.

Con las variables ya seleccionadas, se pueden utilizar las flechas horizontales para hojear por las acciones filtradas. Así, los analistas se benefician de una manera rápida y fácil de obtener información valiosa sobre la colocación de los jugadores de un equipo en determinados escenarios sin la necesidad de recurrir a los videos de los partidos en la fase inicial del análisis.

Ejemplo: Los saques de portería del Chelsea

Por ejemplo, aquí están cuatro saques de portería del Chelsea (amarillo) en su partido contra el Manchester City (azul) en septiembre. Hay un visible patrón: un jugador a cada lado del portero, otro más abierto a la derecha y otro en una posición central en la frontal del área.

Luego, se pueden analizar los Freeze Frame de otros partidos para comprobar que el patrón se repite. Parece que sí en el caso del Chelsea.

Asimismo, existe la opción de utilizar las flechas verticales a la izquierda del Freeze Frame para hojear por todas las acciones del partido y así ver lo que ocurrió en las acciones posteriores y analizar cómo las cambiaron la forma tanto del Chelsea como de su rival. En este ejemplo del penúltimo saque de portería del gráfico de arriba, del partido entre el Chelsea y el Leicester City, la secuencia fue así:

1. Eduardo Mendy realiza un pase
2. Thiago Silva recibe el pase
3. Kelechi Iheanacho del Leicester inicia una acción de presión
4. Thiago Silva realiza un pase
5. Hakim Ziyech recibe el pase bajo la presión de Çağlar Söyüncü
6. Çağlar Söyüncü comite una falta sobre Hakim Ziyech

Esta herramienta también tiene mucha utilidad en el análisis de las acciones a balón parado, aportando información sobre la colocación y distribución tanto de los atacantes como de los defensores. Así, es posible identificar las diferentes rutinas de un equipo y analizar cómo sus rivales intentan defenderlas.

Ejemplo: Los saques de esquina del Athletic Club

Por ejemplo, se pueden filtrar los Freeze Frame para analizar los saques de esquina que acabaron en tiros. El Athletic Club es uno de los equipos de La Liga que ha creado más tiros de saques de esquina en lo que va de temporada, entonces tiene sentido usarlo como ejemplo. Aquí están ocho ejemplos de saques de esquina suyos desde la derecha que acabaron en tiros.

Una vez más, es importante destacar que existe la posibilidad de ver los Freeze Frame de las acciones posteriores. En este caso, el Freeze Frame del tiro serviría para ver la colocación final de los jugadores e intuir los movimientos intermedios.

El Freeze Frame Viewer también vale para el análisis de situaciones de juego dinámico. Por ejemplo, se puede analizar la estructura de la defensa de un equipo en el momento en el que su rival recupera el balón en el tercio medio del campo.

Ejemplo: La estructura defensiva del Atlético de Madrid

Aquí están cuatro ejemplos de esa situación, elegidos al azar, del partido entre el Atlético Madrid (rojo) y el Real Betis (azul) en octubre. En cada imagen, es el Betis que ha acabado de recuperar el balón. El Atlético está defendiendo el gol a la izquierda de cada imagen.

El Atlético está más o menos bien posicionado en cada imagen, algo que tiene sentido dado que ningún equipo de La Liga ha concedido menos tiros en fases de transición en lo que va de temporada.

El Granada, por el contrario, es el equipo que ha concedido más tiros en esas situaciones y en estos cuatro ejemplos, de nuevo elegidos al azar, de su reciente partido contra el Deportivo Alavés parece tener una estructura menos sólida en estas fases de transición.

Con imágenes así, un analista podría identificar los puntos débiles de un rival y sugerir estrategias para aprovecharlos. En el caso del Granada, casi siempre hay un jugador rival abierto en el centro del campo para combinar y agilizar el avance hacia el gol.

Cobertura global

Cabe mencionar que StatsBomb 360 no es sólo un producto para las grandes ligas de Europa. StatsBomb 360 está o estará disponible próximamente en 38 ligas del mundo. Se puede visualizar un saque de portería del Málaga de la Segunda División española...

...o un saque de esquina del Santos Laguna de la Liga MX...

...o un pase filtrado de Éver Banega del Al Shabab de la Liga Profesional Saudí.

En StatsBomb, nos comprometemos a proporcionar a nuestros clientes las herramientas que necesitan para triunfar y el Freeze Frame Viewer es sólo una de las muchas novedades que recién han llegado o pronto llegarán a StatsBomb IQ.

Si trabajas en un equipo de fútbol, un medio de comunicación o una agencia de jugadores y quieres saber más sobre nuestros datos y herramientas de análisis y scouting líderes de la industria, por favor ponte en contacto con nosotros >> https://statsbomb.com/es/contacto

La semana pasada, agregamos los datos de la última temporada de Lionel Messi en el Barcelona a nuestra base de datos gratuitos. Esta semana, tenemos algo muy especial para la comunidad de analistas e investigadores: datos gratuitos de la Euro 2020, y no solo los datos de evento normales sino también toda la información adicional que proporciona nuestro nuevo producto StatsBomb 360.

¿Qué es StatsBomb 360?

StatsBomb 360 es la próxima revolución en los datos de evento de fútbol. Ya revolucionamos la industria en 2018 con el lanzamiento de StatsBomb Data y la inclusión de una imagen de cada tiro, un freeze frame, que nos proporciona la posición tanto del portero como de los atacantes y defensores en el momento del tiro. Con StatsBomb 360, recogemos un freeze frame para todos los eventos en un partido, mostrando la posición de todos los jugadores en la pantalla. Esta información adicional abre muchas posibilidades de análisis, cosas como:

• Pases que rompen líneas
• Recepciones entre líneas, al pie, o al espacio
• Distancia respecto a los defensores
• Líneas de pase abiertas… ¡y cerradas!
• Defensive Island Events (DIEs) - cuando equipos crean situaciones de 1v1 donde los defensores están sin coberturas/ayudas cercanas
• Formación defensiva en cada evento

Esto solo es la punta del iceberg. Nuestros clientes ya han empezado a analizar y sacar provecho de la esta nueva información y nosotros mismos estamos generando nuevas ideas día a día.

Ahora, vosotros tenéis la oportunidad de investigar los datos y hacer su propio análisis.

Cabe mencionar que si solo queréis aprovechar de los datos de evento normales de la Euro 2020 podéis hacerlo sin problema alguno. Podéis usar nuestra guía vigente sobre el uso de StatsBomb Data en R, utilizar nuestra herramienta de Python, statsbombpy, para acceder a los datos o buscar en la web una de las varias guías escritas por gente de la comunidad.

Pero aquí, os daremos el código del software de programación R para empezar a trabajar con los datos de StatsBomb 360. Os mostraremos como encontrar los Freeze Frame de StatsBomb 360, combinarlos con los datos de evento normales, utilizarlos para calcular la cantidad de atacantes y defensores en el área en todos los centros de la Euro 2020 y finalmente, hacer un plot de un centro dado con las localizaciones de todos los jugadores en la pantalla.

Antes de nada, hay que actualizar el paquete StatsBombR para tener acceso a las nuevas funciones relacionadas a StatsBomb 360: get.360matchFree y free_allevents_360.

Ya con esto hecho podemos empezar el proceso de importación. Primero, importamos los datos de evento normal de la Euro 2020.

library(tidyverse)
library(StatsBombR)

Comp <- FreeCompetitions() %>%
filter(competition_id==55 & season_id==43)

Matches <- FreeMatches(Comp)

events <- free_allevents(MatchesDF = Matches, Parallel = T)

events = allclean(events)

events = get.opposingteam(events)

Luego, importamos los datos de StatsBomb 360, los combinamos con los datos normales y guardamos este conjunto de datos para uso futuro.

datos360 <- free_allevents_360(MatchesDF = Matches, Parallel = T)

datos360 = datos360 %>% rename(id = event_uuid)

events = events %>% left_join(datos360, by = c("id" = "id"))

events = events %>% rename(match_id = match_id.x) %>% select(-match_id.y)

save(events, file = "Euro_2020_con_360.RData")

Con el conjunto de datos guardado, ahora lo utilizaremos para encontrar los 10 centros de la Euro 2020 en los que habían más atacantes en el área.

Primero, reducimos la cantidad de eventos con los que estamos trabajando para allanar un poco el próximo proceso, filtrando los eventos para incluir solo a los pases.

ffs = events %>%
group_by(team.name) %>%
filter(type.name=="Pass") %>%
select(id, match_id, team.name, OpposingTeam, player.name, type.name, minute, second, location.x, location.y, pass.end_location.x, pass.end_location.y, pass.type.name, pass.cross, freeze_frame)

Luego, desplegamos los freeze frame para tener las localizaciones de los jugadores en cada uno de ellos en el mismo dataframe que los eventos a las que se relacionan.

ffs = ffs %>% unnest(freeze_frame) %>%
mutate(ff_location.x = (map(location, 1)), ff_location.y = (map(location, 2))) %>%
select(-location) %>%
mutate(ff_location.x = as.numeric(ifelse(ff_location.x == "NULL", NA, ff_location.x)), ff_location.y = as.numeric(ifelse(ff_location.y == "NULL", NA, ff_location.y)))

Finalmente, filtramos otra vez para incluir solo a los centros en juego dinámico que acabaron en el área de penalti y calculamos la cantidad de atacantes y defensores en el área en cada uno de ellos. Luego, ordenamos los centros por la cantidad de atacantes en el área y hacemos una lista de los 10 centros en los que habían más atacantes en el área.

centros = ffs %>%
filter(pass.end_location.x>102 & pass.end_location.y>18 & pass.end_location.y<62) %>%
filter(is.na(pass.type.name) | pass.type.name=="Recovery" | pass.type.name=="Interception")%>%
filter(pass.cross==TRUE) %>%
filter(keeper==FALSE) %>%
group_by(team.name, OpposingTeam, id) %>%
summarise(atacantes = sum(teammate==TRUE & actor==FALSE & ff_location.x>102 & ff_location.y>18 & ff_location.y<62, na.rm = TRUE), defensores = sum(teammate==FALSE & ff_location.x>102 & ff_location.y>18 & ff_location.y<62, na.rm = TRUE), ata_v_def = atacantes-defensores) %>%
ungroup() %>%
arrange(desc(atacantes)) %>%
slice(1:10)

El resultado:

Ahora, haremos un plot de las localizaciones de los jugadores tanto del equipo atacante como del equipo defensivo en uno de estos centros.

Primero, filtramos para incluir solo al centro con más atacantes en el área (Polonia vs. Suecia), cogiendo el id de este centro del dataframe previo, y creamos una nueva columna para nombrar los cuatro tipos de jugador: el que realiza el centro, un compañero de este jugador, un jugador rival o el portero rival.

chart = ffs %>%
filter(id=="57074cd6-5525-49d5-8528-be4bfb329e9b") %>%
mutate(tipo_de_jugador = case_when(actor==TRUE & teammate==TRUE ~ "Activo", teammate==TRUE ~ "Compañero", teammate==FALSE & keeper==FALSE ~ "Rival", keeper==TRUE & teammate==FALSE ~ "Portero"))

De ahí, podemos hacer el plot.

ggplot() +
annotate("rect",xmin = 0, xmax = 120, ymin = 0, ymax = 80, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 0, xmax = 60, ymin = 0, ymax = 80, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 18, xmax = 0, ymin = 18, ymax = 62, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 102, xmax = 120, ymin = 18, ymax = 62, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 0, xmax = 6, ymin = 30, ymax = 50, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 120, xmax = 114, ymin = 30, ymax = 50, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 120, xmax = 120.5, ymin =36, ymax = 44, fill = NA, colour = "black", size = 0.6) +
annotate("rect",xmin = 0, xmax = -0.5, ymin =36, ymax = 44, fill = NA, colour = "black", size = 0.6) +
annotate("segment", x = 60, xend = 60, y = -0.5, yend = 80.5, colour = "black", size = 0.6)+
annotate("segment", x = 0, xend = 0, y = 0, yend = 80, colour = "black", size = 0.6)+
annotate("segment", x = 120, xend = 120, y = 0, yend = 80, colour = "black", size = 0.6)+
theme(rect = element_blank(),
line = element_blank()) +
# add penalty spot right
annotate("point", x = 108 , y = 40, colour = "black", size = 1.05) +
annotate("path", colour = "black", size = 0.6, x=60+10*cos(seq(0,2*pi,length.out=2000)), y=40+10*sin(seq(0,2*pi,length.out=2000)))+
# add centre spot
annotate("point", x = 60 , y = 40, colour = "black", size = 1.05) + annotate("path", x=12+10*cos(seq(-0.3*pi,0.3*pi,length.out=30)), size = 0.6, y=40+10*sin(seq(-0.3*pi,0.3*pi,length.out=30)), col="black") +
annotate("path", x=107.84-10*cos(seq(-0.3*pi,0.3*pi,length.out=30)), size = 0.6, y=40-10*sin(seq(-0.3*pi,0.3*pi,length.out=30)), col="black") +
geom_point(data = chart, aes(x = ff_location.x, y = ff_location.y, fill=tipo_de_jugador), size = 6, alpha = 0.8, shape=21) + #3
theme(axis.text.x=element_blank(),
axis.title.x = element_blank(),
axis.title.y = element_blank(),
plot.caption=element_text(size=13,family="Source Sans Pro", hjust=0.5, vjust=0.5),
plot.subtitle = element_text(size = 18, family="Source Sans Pro", hjust = 0.5),
axis.text.y=element_blank(), legend.position = "top",
legend.title=element_text(size=18,family="Source Sans Pro"),
legend.text=element_text(size=16,family="Source Sans Pro"),
legend.margin = margin(c(20, 10, -65, 50)),
legend.key.size = unit(1.5, "cm"),
plot.title = element_text(margin = margin(r = 10, b = 10), face="bold",size = 24, family="Source Sans Pro", colour = "black", hjust = 0.5),
legend.direction = "horizontal",
axis.ticks=element_blank(),
aspect.ratio = c(65/100),
plot.background = element_rect(fill = "white"),
strip.text.x = element_text(size=13,family="Source Sans Pro")) +
labs(title = "El centro de la Euro 2020 con más atacantes en el área", subtitle = "Przemysław Frankowski, Polonia vs. Suecia, 23/06/2021",
caption = "Creado con los datos gratuitos de StatsBomb\n https://github.com/statsbomb/open-data") +
coord_flip(xlim = c(85, 125))

Con este resultado:

Este código solo representa un punto de partida para investigaciones más profundas. Incluso con un cambio sencillo de los filtros para incluir a diferentes variables, podéis crear algo distinto. Tenemos muchas ganas de ver lo que vosotros haréis con estos datos.

Si necesitáis un poco de inspiración, varios académicos y analistas presentaron sus investigaciones con StatsBomb 360 en la StatsBomb Conference 2021. Podéis ver los videos (en inglés) en nuestro canal de Youtube o leer los artículos de investigación (también en inglés) aquí.

StatsBomb, el proveedor de datos avanzados de fútbol líder en la industria, ha llegado a un acuerdo con el Borussia Dortmund, uno de los clubes más innovadores en Europa.

El Borussia Dortmund se beneficiará de los datos y modelos más precisos disponibles, así como la plataforma de análisis StatsBomb IQ, incrementando así su capacidad de identificar jugadores, analizar a los rivales y evaluar su propio rendimiento.

Ismail Tari, Responsable de Negocio en Alemania de StatsBomb, dijo:

"Estamos encantados de firmar este acuerdo con uno de los clubes más reconocidos por su gran gestión. El Borussia Dortmund tiene un sólido historial en hacer cosas de manera inteligente y nuestra intención es ayudarles a seguir por ese camino con el acceso a los mejores datos y herramientas de análisis disponibles."

Kai-Norman Schulz, Responsable de Tecnología Deportiva en el Borussia Dortmund, dijo:

"Siempre intentamos ser innovadores y aplicar las mejores soluciones disponibles en nuestro día a día. Por ello, estamos encantados de trabajar con StatsBomb, una empresa que está desarrollando un enfoque muy interesante en relación a las estadísticas avanzadas y el eventing. Esperamos que nuestra colaboración sea un éxito."

Sobre StatsBomb

StatsBomb es el proveedor de datos avanzados y herramientas de análisis con mayor crecimiento en el mundo del deporte. Fundado por Ted Knutson, StatsBomb nace  con el propósito de potenciar a los analistas con el acceso a la mejor base de datos de fútbol en el mundo.

StatsBomb comenzó  como un blog de análisis de datos, posteriormente se transformó en una consultoría para clubes profesionales. En 2018, frustrados con las limitaciones de los datos disponibles en ese momento, StatsBomb adquirió ArqamFC, una empresa de recolección de datos con sede en El Cairo, Egipto, y comenzó a recoger y producir sus propios datos.

El lanzamiento de los datos de StatsBomb representó un antes y un después en el campo del análisis en fútbol incorporando información y métricas totalmente novedosas como acciones de presión, freeze frames con la posición del portero, los defensores y los atacantes en cada tiro, altura de remate, y aspectos relativos al tipo de pase.

En 2021, se ha dado un paso más con el lanzamiento de StatsBomb 360 que proporciona la posición de todos los jugadores en el frame en cada uno de los más de 3.400 eventos que se recogen en cada partido.

StatsBomb ha ganado rápidamente terreno en la industria y hoy en día trabaja con clubes profesionales y otras entidades de fútbol de más de 25 países.

StatsBomb, el proveedor de datos avanzados de fútbol líder en la industria, ha llegado a un acuerdo con el Club América, uno de los clubes más prestigiosos de Latinoamérica.

Club América podrá tomar decisiones con mayor información al convertirse en uno de los más de 100 clubes profesionales y federaciones alrededor del mundo que se benefician del acceso a los datos y modelos de vanguardia de StatsBomb con +3.400 eventos por partido en más de 80 competiciones.

El club mexicano se dispondrá de acceso a los datos y modelos más detallados y fiables disponibles así como la personalizable plataforma de análisis StatsBomb IQ, incrementando así su capacidad de identificar jugadores, analizar a los rivales y evaluar su propio rendimiento.

Pablo Peña Rodríguez, Responsable de Innovación en StatsBomb, dijo:

"Estamos encantados de trabajar de la mano de un club tan prestigioso como el Club América, una referencia en el fútbol mexicano y latinoamericano. La incorporación de datos avanzados para la toma de decisiones nunca ha sido tan importante como hoy en día para conseguir una ventaja competitiva en el fútbol de élite y esperamos acompañar al club en muchos éxitos."

Enrique Cházaro, Coordinador Inteligencia Deportiva en Club América, dijo:

"En el fútbol, como en todos los deportes, la tecnología y recolección de datos ha avanzado mucho en los últimos años y unos de los principales objetivos dentro del Club es siempre estar a la vanguardia tecnológica, pues pensamos que son estos detalles los que nos permitirán ganar una ventaja competitiva frente al resto de los clubes y también poder ser referentes en el continente en ésta área.

"Es por eso que poder contar ahora con StatsBomb nos va a permitir seguir con esta idea de trabajo, no tenemos duda que la información y reportes que podemos generar en esta aplicación son de la más alta calidad y van a aportar mucho en los análisis finales que hacemos al scoutear jugadores y analizar los jugadores rivales jornada a jornada."

Sobre StatsBomb

StatsBomb es el proveedor de datos avanzados y herramientas de análisis con mayor crecimiento en el mundo del deporte. Fundado por Ted Knutson, StatsBomb nace con el propósito de potenciar a los analistas con el acceso a la mejor base de datos de fútbol en el mundo.

StatsBomb comenzó  como un blog de análisis de datos, posteriormente se transformó en una consultoría para clubes profesionales. En 2018, frustrados con las limitaciones de los datos disponibles en ese momento, StatsBomb adquirió ArqamFC, una empresa de recolección de datos con sede en El Cairo, Egipto, y comenzó a recoger y producir sus propios datos.

El lanzamiento de los datos de StatsBomb representó un antes y un después en el campo del análisis en fútbol incorporando información y métricas totalmente novedosas como acciones de presión, freeze frames con la posición del portero, los defensores y los atacantes en cada tiro, altura de remate, y aspectos relativos al tipo de pase.

En 2021, se ha dado un paso más con el lanzamiento de StatsBomb 360 que proporciona la posición de todos los jugadores en el frame en cada uno de los más de 3.400 eventos que se recogen en cada partido.

StatsBomb ha ganado rápidamente terreno en la industria y hoy en día trabaja con clubes profesionales y otras entidades de fútbol de más de 25 países.

Un importante acuerdo con StatsBomb, el proveedor de datos avanzados de fútbol líder en la industria, permitirá a Alianza Lima mejorar sustancialmente sus procesos de evaluación y selección de jugadores, lo cual sin duda tendrá un impacto favorable para el desempeño deportivo de su equipo profesional.

Alianza Lima se ha convertido en uno de los más de 100 clubes profesionales y federaciones alrededor del mundo que se benefician del acceso a los datos de vanguardia de StatsBomb, con +3.400 eventos por partido en más de 80 competiciones, incrementando así su capacidad de identificar jugadores, analizar a los rivales y evaluar su propio rendimiento.

“Estamos encantados de firmar este acuerdo con Alianza Lima, uno de los clubes más prestigiosos del Perú, y así seguir con nuestra expansión en Latinoamérica”, dijo Pablo Peña Rodríguez, Responsable de Innovación en StatsBomb. “Las estadísticas avanzadas nunca han sido tan importantes como hoy en día para conseguir una ventaja competitiva en el fútbol de élite, y StatsBomb quiere ser la mejor ayuda para que el club consiga éxitos en los próximos años”.

El popular club peruano podrá tomar decisiones con mayor información gracias al acceso a los datos más detallados disponibles y la plataforma de análisis StatsBomb IQ.

Para José Antonio Bellina, gerente deportivo de Alianza Lima, trabajar con StatsBomb será de mucha ayuda a la hora de contratar y renovar jugadores. “Considero que es la mejor plataforma estadística de datos de fútbol”, comentó. “Se trata de una herramienta fundamental tanto para una evaluación objetiva del rendimiento de nuestros jugadores como para el proceso de scouting o búsqueda de futbolistas. StatsBomb ofrece información de toda la liga peruana y de la mayoría de ligas sudamericanas, lo cual es muy valioso para nosotros”.

Sobre StatsBomb

StatsBomb es el proveedor de datos avanzados y herramientas de análisis con mayor crecimiento en el mundo del deporte. Fundado por Ted Knutson, StatsBomb nace  con el propósito de potenciar a los analistas con el acceso a la mejor base de datos de fútbol en el mundo. StatsBomb comenzó  como un blog de análisis de datos, posteriormente se transformó en una consultoría para clubes profesionales.

En 2018, frustrados con las limitaciones de los datos disponibles en ese momento, StatsBomb adquirió ArqamFC, una empresa de recolección de datos con sede en El Cairo, Egipto, y comenzó a recoger y producir sus propios datos. El lanzamiento de los datos de StatsBomb representó un antes y un después en el campo del análisis en fútbol incorporando información y métricas totalmente novedosas como acciones de presión, freeze frames con la posición del portero, los defensores y los atacantes en cada tiro, altura de remate, y aspectos relativos al tipo de pase.

En 2021, se ha dado un paso más con el lanzamiento de StatsBomb 360 que proporciona la posición de todos los jugadores en el frame en cada uno de los más de 3.400 eventos que se recogen en cada partido. StatsBomb ha ganado rápidamente terreno en la industria y hoy en día trabaja con clubes profesionales y otras entidades de fútbol de más de 20 países.