Etiqueta: 2021

StatsBomb 360 Freeze Frame Viewer, una nueva herramienta de StatsBomb IQ

Posted on by 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.Tomas de saques de portería del Chelsea

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.

Athletic Club saques de esquina

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

Previa de la final de la Copa Libertadores 2021: Flamengo vs. Palmeiras

Posted on by Nick Dorrington

El Flamengo y el Palmeiras son los dos últimos ganadores de la Copa Libertadores y uno de ellos volverá a levantar el trofeo cuando se enfrenten en la final de la edición de 2021 en Montevideo el sábado. Es la segunda final consecutiva entre dos equipos brasileños, en este caso entre dos que provienen de los dos principales ciudades del país: Rio de Janeiro y São Paulo.

Es probable que ambos equipos terminen la temporada de la Serie A entre los tres primeros de la clasificación, aunque sólo el Flamengo aún tiene la oportunidad de luchar con el Atlético Mineiro por el título, y aunque el Flamengo ha sido el mejor equipo según tanto los resultados como los números subyacentes, la diferencia no es tan grande como para pensar que el resultado de la final ya está cantado.

El Flamengo es un equipo que apuesta por el balón, construyendo juego desde atrás con pases cortos y dominando la posesión en sus partidos. En promedio, tiene un 60% del balón, cuatro puntos porcentuales más que cualquier otro equipo. La cifra del Palmeiras es mucho más cerca de un 50% y es un equipo más directo, con una longitud media de pase que figura entre las más largas de la liga.

Esta diferencia queda evidente cuando echamos un ojo a las zonas del campo desde las que los dos equipos generan más peligro. Con la ayuda de nuestro nuevo modelo On-Ball Value (en adelante, OBV), un modelo que mide el cambio en la probabilidad de un equipo de marcar/conceder como resultado de una acción dada, podemos visualizar los sectores del campo desde las que los dos equipos generan más valor respecto a la media de la liga.

El Flamengo es mucho más activo en las zonas centrales, sobre todo en los pasillos interiores del último tercio donde crea la mayoría de sus ocasiones. Desde la izquierda, los pases incisivos de Giorgian de Arrascaeta y las conducciones directas de Michael son las acciones que agregan más valor; desde la derecha, los pases del delantero centro Gabriel Barbosa.

Barbosa, que marcó el doblete en los dramáticos momentos finales de la final de 2019 contra el River Plate que le dio la Libertadores al Flamengo, juega como el único delantero centro en el esquema de Renato Gaucho y es el máximo goleador del equipo en la Libertadores con 10 tantos. Sin embargo, no es su única amenaza goleadora. El Flamengo tiene los mejores números atacantes de la Serie A tanto reales como subyacentes, además de haber marcado una media de 2.75 goles por partido en la Libertadores, y Bruno Henrique y Michael también han marcado más de 10 goles de liga.

En cuanto a la tarea de hacer llegar el balón al ataque, es Filipe Luís que sobresale. El ex-lateral del Atlético Madrid es mucho más activo en zonas interiores que la gran mayoría de los laterales de la Serie A y lidera tanto su equipo como la liga en incursiones en el último tercio (mediante pases o conducciones), distancia avanzada en campo contrario y con las acciones directamente relacionadas a los tiros eliminadas del cálculo, OBV. Aún a sus 36 años, tiene un papel muy importante en el equipo.

En lo que se refiere al avance del balón, hay una balanza más igualada entre los dos lados del campo en el Palmeiras, con los pases y las conducciones de Dudu desde la banda izquierda acoplados con las subidas del lateral Marcos Rocha, o su suplente Gabriel Menino, por la derecha. Más atrás, Luan figura entre los centrales de la Serie A que más valor agregan con sus pases según OBV.

Sin embargo, es desde la derecha que el equipo de Abel Ferreira crea la mayoría de sus ocasiones. El cuadro de rojo oscuro dentro del área en el gráfico de arriba de OBV representa las aportaciones de Rocha, el delantero Rony y el mediapunta o extremo Gustavo Scarpa.

Scarpa es el jugador del Palmeiras que más tiros ha realizado y más ocasiones ha creado (ambos por cada 90 minutos en el campo) en la liga brasileña esta temporada y ha sumado tres goles (sin contar penaltis) y 11 asistencias. Asimismo, ha acumulado la cifra más alta de OBV por 90 entre todos los jugadores de la Serie A que han disputado al menos 900 minutos. Sin embargo, no ha jugado tanto en la Libertadores y es probable que empiece la final desde el banquillo.

Con la baja probable de Luiz Adriano, lesionado, es probable que Rony sea el elegido para ocupar el puesto de delantero centro en una formación que podría variar entre un 4-2-3-1 y un 3-4-2-1 en línea con el posicionamiento de Felipe Melo, aún jugando a sus 38 años. En liga, Rony ha jugado más en banda que la temporada pasada, lo que ha supuesto una bajada consecuente en su producción de tiros y goles, pero es el máximo goleador del equipo en la Libertadores con seis goles, 0.78 por cada 90 minutos en el campo.

En defensa, siguen las diferencias entre los equipos. El Flamengo no sólo defiende más lejos de su portería que cualquier otro equipo de la Serie A sino también figura entre los equipos más agresivos a la hora de intentar recuperar el balón, sobre todo tras pérdida.

En cambio, el Palmeiras defiende más cerca de su portería que la media de la liga y es claramente menos activo en campo contrario.

Dicho esto, ambos equipos parecen igualmente eficientes cuando se trata de convertir las recuperaciones de balón en ocasiones de gol. Ambos figuran entre los equipos que más tiros realizan y más goles marcan en los 20 segundos posteriores a una recuperación.

El Flamengo y el Palmeiras ya se han enfrentado dos veces en la liga brasileña este año, y el ganador en ambas ocasiones ha sido el Flamengo. Dominó en una victoria por 1-0 en casa en el primer partido de la temporada y otra vez, por 3-1, en el estadio del Palmeiras hace dos meses en un encuentro que fue más igualado en cuanto a la cantidad y calidad de ocasiones.

El Flamengo es el ganador más probable de la final, pero el Palmeiras, el campeón vigente, ya ha eliminado dos equipos brasileños para llegar a este punto y hará que sea un partido competitivo.

Datos gratuitos: La Euro 2020 con StatsBomb 360

Posted on by StatsBomb

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 anuncia acuerdo con el Borussia Dortmund

Posted on by StatsBomb

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 firma un acuerdo con el Club América, uno de los clubes más grandes de Latinoamérica

Posted on by StatsBomb

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.

Datos gratuitos: La última temporada de Lionel Messi en el Barcelona

Posted on by StatsBomb

En StatsBomb estamos comprometidos a apoyar la comunidad de analistas e investigadores de datos de fútbol y fomentar nuevas investigaciones y análisis. Es por eso que ofrecemos de manera gratuita acceso a los datos de una selección de competiciones al público.

La selección incluye los últimos mundiales tanto masculino como femenino, la FA Women’s Super League y todos los partidos de liga de Lionel Messi. En este último, acabamos de actualizar los datos disponibles para incluir la 2020-21, la última temporada de Messi en el Barcelona. Así que ahora es posible analizar la carrera completa de Messi en el club en el que creció y en el que disfrutó de muchísimos triunfos.

Se puede encontrar aquí los detalles de cómo acceder a los datos y trabajar con ellos en el software de programación R, y aquí más ejemplos de uso, incluyendo mapas de tiros y xG asistido.

¿Sois más de Python? Se puede encontrar aquí los detalles en nuestra herramienta de Python, statsbombpy. En ambos casos, la especificación de datos es un documento imprescindible para entender la estructura de los datos y ver los nombres de las varias variables. Esta nueva temporada de datos de Messi tiene las siguientes ids:

  • competition_id: 11
  • season_id: 90

Si necesitáis un poco de inspiración, hemos escrito varios artículos en el hemos utilizado estos datos para analizar la evolución de Messi como futbolista:

Asimismo, existen muchos ejemplos de gente que han creado cosas muy interesantes con nuestros datos gratuitos:

StatsBomb entra en un nuevo mercado al firmar un acuerdo con el Alianza Lima de Perú

Posted on by StatsBomb

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.

On-Ball Value (OBV): Un análisis de La Liga 2020-21

Posted on by StatsBomb

Hace tres semanas presentamos On-Ball Value (en adelante, OBV), nuestro nuevo modelo que mide el valor de cada acción en una posesión. Esta semana, vamos a dar algunos ejemplos del modelo en acción, utilizando principalmente los datos de la pasada temporada de La Liga.

Para tener todos los detalles del modelo hay que leer el artículo de presentación, pero de manera sencilla, OBV 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.

Para visualizar un poco el concepto, aquí está la jugada del gol de Borja Iglesias del Real Betis contra el Osasuna en diciembre de 2020 con el valor de OBV marcado para cada acción de la jugada. Como es lógico, los valores aumentan a medida que la jugada se acerca al área de penalti del rival.

El siguiente gráfico también ayuda a explicar la utilidad del modelo. Se trata de los pases directamente previos a una asistencia o un pase clave, a veces llamados pre asistencias, en este caso pases rasos y con los pies. Muestra los 30 pases más valiosos de este tipo según OBV y también los 30 pases menos valiosos, pases que, de hecho, tuvieron un efecto negativo en la probabilidad de que marcara el equipo.

Aquí, el valor del modelo queda claro. En vez de simplemente decir que un jugador ha acumulado tres pre asistencias, por ejemplo, podemos otorgar un valor a cada una de ellas y tener una idea mucho más precisa de la contribución del jugador.

Vamos a echar un ojo a los números acumulados de la pasada temporada de La Liga a nivel de jugadores. ¿Qué jugadores de campo agregaron más valor con sus acciones con balón?

No es ninguna sorpresa que Messi agregara más valor que cualquier otro jugador de La Liga, pero hay otros nombres interesantes o quizás inesperados en la lista como Toni Suárez del Real Valladolid. Aparte de Messi, Suárez fue el jugador que agregó más valor mediante conducciones. Aquí son sus 30 conducciones más valiosas de la temporada.

Tenemos la posibilidad de filtrar los resultados del modelo así para encontrar los jugadores que acumulan más OBV en distintos escenarios. Por ejemplo, si eliminamos del cálculo las acciones que tienen una relación directa con los tiros (los tiros en sí, las asistencias y los pases claves), otro nombres salen a relucir, sobre todo el de Kieran Tripper del Atlético Madrid.

Podemos filtrar por varias cosas: tipo de acción, localización en el campo, posición del jugador, etc... Aquí, echamos un ojo a los centrales que agregaron más valor con sus pases y conducciones en campo propio.

Sergio Ramos agregó más valor que cualquier otro central mediante pases, mientras que Gerard Piqué encabezó la lista en cuanto a conducciones. Pau Torres del Villarreal sobresalió en ambas acciones, sumando más OBV por 90 que cualquier otro central. Hemos marcado también a los dos centrales cuyas acciones tuvieron un efecto negativo: las conducciones en el caso de Marc Bartra del Real Betis y los pases en el de Esteban Burgos del Eibar.

OBV también proporciona un marco para poder empezar a evaluar el riesgo/recompensa en la toma de decisiones de los jugadores. Por ejemplo, podemos analizar a los jugadores que intentan más pases que mueven el balón más cerca de la portería en el último tercio del campo y ver la relación entre su porcentaje de acierto en estos pases y el valor de OBV por pase.

José Gayá del Valencia sobresale. Tiene un porcentaje de acierto bajo, de un 51.39%, pero el valor medio de sus pases, aun con los pases fallidos y sus correspondientes valores de OBV incluidos en el cálculo, es muy alto, lo que sugiere que agrega valor a pesar de su bajo porcentaje de acierto. Otros jugadores con porcentajes de acierto parecidos no aportan el mismo valor.

Vinícius Júnior es el único jugador entre los 40 que más pases de este tipo intentaron que tuvo un valor de OBV por pase negativo. Es decir que en suma sus pases de este tipo redujeron la posibilidad de que marcara el Real Madrid/aumentaron la posibilidad de que marcaran sus rivales.

El modelo también tiene utilidad en el análisis de equipos. Por ejemplo, podemos visualizar las zonas del campo desde las que generan más peligro respecto a la media de la liga.

Así podemos ver que la temporada pasada, el Barcelona fue mucho más activo en zonas centrales del último tercio que otros equipos de La Liga. O que el Sevilla principalmente generó peligro por la banda derecha o que el Eibar jugó mucho por las bandas y casi nunca hizo daño a sus rivales desde zonas centrales o que el Cádiz y el Elche jugaron muy directo. En el gráfico se esconden muchas historias.

Asimismo, podemos emplear filtros para encontrar los equipos que acumularon más OBV, como un porcentaje de su total, por distintos tipos de acción:

  • Pases altos: el Eibar, el Getafe y el Osasuna
  • Conducciones: el Huesca, el Villarreal y el Athletic Club
  • Pases al primer toque: el Eibar, el Levante y el Barcelona
  • Intercepciones: el Granada, el Cádiz y el Osasuna
  • Pases filtrados: el Villarreal, el Barcelona y el Celta Vigo

La mejor noticia es que OBV no es sólo para las grandes ligas de Europa. Este modelo de vanguardia está disponible en todas las más de 80 competiciones que cubrimos a lo largo del mundo. Podemos analizar las mismas cosas en La Liga que en la Liga MX de México...

o la Primera División de Perú...

o incluso la J1 League de Japón.

Tenemos muchas ganas de ver cómo nuestros clientes sacan provecho del modelo porque OBV abre muchas posibilidades de análisis, incluyendo muchas que aún están por descubrir. Y OBV es sólo la primera de muchas novedades que pronto llegarán a StatsBomb Data.

¿Quiere saber más? Un miembro de nuestro equipo de expertos le puede demostrar todas las ventajas de los datos de StatsBomb, los mejores y más detallados de la industria https://statsbomb.com/es/contact/

On-Ball Value, un método para valorar las acciones con balón

Posted on by StatsBomb

El fútbol siempre ha ido de números. La pura naturaleza del juego consiste en contar cosas, como qué equipo consigue más goles. Después de contar goles, se pasó a contar los remates, y con eso se pasó a medir la calidad de esos tiros.   El siguiente paso obvio era tratar de medir la calidad de las ocasiones que precedían a esos tiros, y yendo más allá tratar de medir cómo el resto de acciones previas a la asistencia influyen en la calidad de las ocasiones posteriores. Existen diferentes tipos de modelos, a los cuales nos referimos en general como Possession Value, que tratan de medir el valor de cada acción en una posesión.

De manera sencilla, los modelos de Possession Value (en adelante PV) miden el cambio en la probabilidad de un equipo de marcar/conceder como resultado de una acción dada. Inicialmente, esto permite identificar las acciones más relevantes en una posesión (o cambios de estado más formalmente) y poder otorgar más mérito a las acciones con mayor impacto en la posesión. Esto también proporciona un marco para poder evaluar de manera apropiada el coste de oportunidad el riesgo/recompensa en la toma de decisiones de los jugadores (con balón). Por ejemplo, jugadores que asumen mucho riesgo en sus acciones tenderán a perder el balón más veces, pero el efecto neto de sus acciones puede ser positivo. El primer modelo público con datos de evento de PV es el de Sarah Rudd en 2012 -- cabe mencionar que Charles Reep en 1997 desarrolló un modelo seminal que podría ser considerado de PV.

En 2021, presentamos el nuestro: On-Ball Value (en adelante, OBV). Nuestros clientes ya tenían acceso a este modelo, ahora lo presentamos al público general. Existen numerosas razones por la que nuestra metodología y por ende los resultados que arroja el modelo representan una mejora respecto a modelos previos:

Nuestro modelo está entrenado con nuestro modelo de goles esperados, StatsBomb xG

Otros modelos utilizan los goles como muestra de entrenamiento. Emplear los xG para estimar los goles nos permite entrenar los modelos de manera más precisa con la misma cantidad de datos pero reduciendo la varianza y la “class imbalance” inherente a utilizar sólo los goles como variable dependiente. Existen otros enfoques que también emplean los xG, sin embargo, ninguno de ellos emplea los xG de StatsBomb, el modelo más preciso que existe.

Hemos optado por entrenar dos modelos diferentes para los componentes Goles Marcados y Goles Concedidos del modelo

Esto representa un enfoque distinto a la mayoría de los demás. Esto nos permite identificar el impacto de cada acción en la probabilidad de marcar y conceder de manera separada para así poder ver el efecto en la contribución ofensiva y defensiva de cada acción en lugar de utilizar simplemente el efecto neto (i.e. Diferencia de Goles).

Hemos decidido no otorgar mérito a los receptores de los pases

Mientras que es obvio que ser capaz de recibir y mantener la posesión en espacios reducidos, consideramos que depende en gran medida del movimiento sin balón. Esto es complicado de cuantificar con datos de evento.

Así, desde la perspectiva de la posición del balón y los datos de evento, no hay un valor intrínseco en la recepción que no esté mejor representado por la acción subsiguiente del receptor. Es decir, si no podemos cuantificar el movimiento previo, el valor de la recepción está representado por el valor de la acción que realiza el jugador.

Características relativas al estado de la posesión

Nuestra decisión ha sido incluir información relativa a la localización en el campo (coordinadas x/y, distancia y ángulo a portería, etc), contexto de la acción (balón parado, juego dinámico, etc) y si la acción se realizó bajo presión de un oponente (sí, esto también es una característica exclusiva de los datos de StatsBomb), entre otros. Sin embargo, hemos decidido a propósito no incluir información sobre la “historia de la posesión”.

Con esto nos referimos a información relativa a los eventos previos en la posesión. Es decir, no queremos que el modelo sepa qué ha ocurrido antes de la acción concreta que está evaluando. Mientras que esto puede parecer trivial tiene verdadera relevancia en la metodología - y como siempre que se trata de números y modelos el diablo está en los detalles - y por tanto en los resultados del modelo. Vamos a explicarlo: La información relativa a la historia de la posesión suele ser incluida con el argumento de que actúa como proxy de aspectos que no podemos tener de manera explícita en los datos de evento, por ejemplo la posición de los atacantes o de los oponentes. Sin embargo, en la práctica la gran mayoría de esta información se correlaciona de manera muy fuerte con el estilo de juego del equipo y con el “team strength” (el nivel global de los equipos).

Modelos previos empleando información de la historia de la posesión sobrevaloran los pases que se realizan en posesiones largas, dado que normalmente los mejores equipos tienen posesiones más largas que los equipos más débiles. Así, nuestro enfoque se asegura de que cada evento es evaluado de manera independiente al resto.

Bueno, ya vale explicaciones, vamos con algunos ejemplos

A continuación se pueden ver el Top 20 de las cinco grandes ligas desde la 2016-2017. Los números representan la diferencia de goles agregada de todas las acciones del jugador por cada 90 minutos en el campo.

¿Lionel Messi encabeza la lista? Tick. ¿Neymar y Kylian Mbappé justo detrás? Tick. ¿Aritz Aduriz mejor rematador del mundo? Bueno, ningún modelo es perfecto...

Esto es sólo la puntuación global. Podemos ser mucho más específicos e ir al detalle dividiendo la contribución por tipo de acción. Aquí están los diez mejores jugadores en cuanto a OBV mediante conducciones en las cinco grandes ligas europeas la temporada pasada.

Anteriormente, podíamos analizar la cantidad y la longitud de las conducciones, así como las zonas del campo en las se realizaban, pero OBV nos permite asignar un valor más sutil a cada una de las conducciones y así formarnos una idea más clara de los jugadores que están generando valor con sus conducciones. Hay muchas más cosas que podemos hacer con los resultados de este nuevo modelo. Podemos separarlo por tipo de acción (conducción, pase, tiro, etc) o filtrar por posición para comparar a los jugadores en cada posición entre sí.

Incluso podemos hacer un análisis a nivel de equipos para encontrar respuestas a preguntas del tipo: ¿Desde qué zonas del campo están creando más valor? ¿Cuáles de sus pases son más valiosos? ¿Crean más valor mediante las conducciones o los pases? La mejor noticia es que este modelo de vanguardia está disponible en más de 80 competiciones a lo largo del mundo con el mismo nivel de detalle y precisión.

No todos los clubes del mundo tienen la capacidad de desarrollar in-house modelos de este tipo, por eso nos preocupamos de darles las herramientas necesarias para competir con los mejores. No podemos terminar sin reconocer el trabajo del equipo de Data Science de StatsBomb, no sólo por haber desarrollado este modelo sino porque este modelo es la primera de muchas novedades que pronto llegarán a StatsBomb Data.

Más >> On-Ball Value (OBV): Un análisis de La Liga 2020-21 

¿Quiere saber más? Un miembro de nuestro equipo de expertos le puede demostrar todas las ventajas de los datos de StatsBomb, los mejores y más detallados de la industria https://statsbomb.com/es/contact/

StatsBomb Anuncia Acuerdo con la AS Roma

Posted on by StatsBomb

Estamos encantados de anunciar el reciente acuerdo con uno de los clubes más importantes de Italia, la AS Roma.

Como parte del acuerdo la AS Roma se convierte en el último club en beneficiarse de los datos avanzados lideres en la industria del fútbol StatsBomb Data, así como de la plataforma StatsBomb IQ, el software más avanzado existente para aspectos como scouting de jugadores, análisis de oponentes evaluación de rendimiento.

La AS Roma accederá a los mejores datos en más de 60 competiciones a lo largo y ancho del globo. El club italiano podrá tomar decisiones con mayor información gracias al acceso a los datos más detallados disponibles, incluyendo eventos exclusivos de StatsBomb como las Presiones, Altura de los Pases y los Freeze Frames para cada remate.

El grado de profundidad único en StatsBomb Data permite a clubes de todos los niveles analizar lo que sucede durante los 90 minutos de la manera más precisa posible, incluyendo el modelo de Expected Goals más avanzado existente.

El CCO de StatsBomb Shergul Arshad sobre el acuerdo:

"Estamos orgullosos de trabajar conjuntamente con uno de los clubes más avanzados de Europa. Los datos y las estadísticas avanzadas nunca han sido tan importantes como hoy en día para conseguir una ventaja competitiva en el fútbol de élite. StatsBomb quiere ser la mejor ayuda para que los giallorossi consigan éxitos en los próximos años. Esperamos acompañar a la AS Roma en muchas victorias."

La Liga 2021-22, previa de la temporada: Real Madrid, Real Sociedad, Sevilla, Valencia y Villarreal

Posted on by Nick Dorrington

En la parte final de nuestra previa de la temporada 2021-22 de La Liga analizamos al Real Madrid, a la Real Sociedad, al Sevilla, al Valencia y al Villarreal. Podéis ver aquí una lista de todas las previas.

Real Madrid

El Real Madrid finalizó la temporada pasada en el segundo puesto de la tabla, solo dos puntos por detrás del campeón Atlético Madrid y cinco por encima del Barcelona en tercer lugar.

El equipo de Zinedine Zidane sufrió tres de sus cuatro derrotas en sus primeros 10 partidos de la temporada, pero a partir de ahí ningún equipo sacó más puntos que el 67 del Madrid, conseguidos a un ritmo muy alto de 2.39 por partido. Sus números esperados también mejoró a medida que la temporada fue avanzando, de una diferencia de goles esperados (xG) de 0.69 por partido en la primera vuelta a una de 0.83 por partido en la segunda.

El gráfico utiliza una media móvil de 10 partidos. Verde = goles esperados (xG); Morada = goles esperados concedidos.

En suma, los de Zidane tuvieron números esperados casi iguales que los de la 2019-20, cuando ganaron el título con tres puntos más que consiguieron en la 2020-21.

Con tres puntos más en la 2020-21 habrían ganado el título de nuevo. Los márgenes son finos. En la 2019-20, el Madrid marcó 11 goles de penalti y concedió solo dos; en la 2020-21 marcó tres y concedió siete. En cualquier caso, los números de la 2020-21 hablaron del Madrid como un equipo que habría estado bien posicionado para luchar de nuevo por el título en la 2021-22. Sin embargo, Zidane decidió salir al final de la temporada y el club ha traído a Carlo Ancelotti como reemplazo. El entrenador italiano ganó la Champions League y la Copa del Rey en su primera etapa en el club entre 2013 y 2015 pero ha llegado de nuevo al banquillo del Bernabéu tras un año y medio en el que no consiguió mejorar mucho el Everton de Inglaterra. Representa una opción más segura que progresiva.

Asimismo, existen dudas sobre la plantilla, sobre todo en el centro de la defensa. Tanto Sergio Ramos como Raphaël Varane, los titulares en las últimas temporadas, han salido. Como titulares, Ancelotti tiene a Eder Militão, que hizo algunas actuaciones impresionantes la temporada pasada, y a David Alaba, que ha llegado como agente libre del Bayern Múnich. Alaba es un muy buen jugador pero es débil en el juego aéreo y queda por ver si podrá adaptarse a una línea defensiva menos adelantada a la que está acostumbrado.

Detrás de los titulares, Ancelotti solo tiene a Nacho Fernández y Jesús Vallejo.

En general, el club no ha sido muy activo en lo que ha ido del mercado, con Alaba la única llegada hasta ahora. Hay dudas sobre los futuros de jugadores como Dani Ceballos, Gareth Bale o Martin Ødegaard, entre otros, y aunque parece que el club sigue con ganas de poder hacer un fichaje estrella, no queda mucho mercado para hacerlo.

Real Sociedad

En abril, la Real Sociedad ganó su primer trofeo desde 1987 al derrotar al Athletic Club en un derbi vasco en la final retrasada de la Copa del Rey de 2019-20. Fue un éxito merecido para un club que parece tener una idea muy clara de cómo competir en la cima del fútbol español.

En La Liga, la Real finalizó la temporada en quinto lugar, así siguiendo su mejora en los últimos años tanto en los números reales como en los números subyacentes.

En defensa, mejoró sus números reales, concediendo 10 goles menos que la temporada anterior, pero sus números subyacentes fueron un poco peores. Concedió casi 1.5 tiros menos por partido pero de una calidad media más alta.

Fue en ataque que el equipo de Imanol Alguacil realmente mejoró. Realizó una cantidad igual de tiros por partido (11) pero de una calidad media mucho más alta. De hecho, solo el Barcelona creó tiros de una mayor calidad. Dependió menos en los centros para hacer llegar el balón al área y realizó sus tiros desde más cerca de la portería que cualquier otro equipo.

En suma, la Real tuvo la tercera mejor diferencia de goles esperados (xG) de la división y eso con la plantilla más joven de La Liga en una base ponderada de minutos. El club ha apostado fuerte por jugadores jóvenes, sean de la cantera o de fuera, y ha creado una plantilla que puede mejorar en conjunto y/o generar muchos beneficios en el mercado.

Alexander Isak (21 años de edad) fue el máximo goleador del equipo con 17 goles. Solo Lionel Messi y Youssef En-Nesyri acumuló más goles esperados por cada 90 minutos en el campo que su cifra de 0.55.

Sin embargo, el fue solo uno de los ocho jugadores con 25 o menos años de edad que disputaron al menos 2,000 minutos la temporada pasada, un grupo que también incluye a los internacionales españoles Martín Zubimendi, Mikel Merino y Mikel Oyarzabal. La Real tiene una plantilla muy interesante, con muchos jugadores en o cerca del pico de forma de sus carreras.

Hasta ahora, el club ha hecho solo dos fichajes: el portero Mathew Ryan (libre) del Brighton y el lateral izquierdo Diego Rico (€500,000) del Bournemouth, este último que vuelve a España tras tres temporadas en Inglaterra.

Sevilla

El Sevilla consiguió la mayor puntuación de su historia en la 2020-21, finalizando la temporada en cuarto lugar con 77 puntos, 15 más que la Real Sociedad en el quinto puesto y solo dos menos que el Barcelona en tercer lugar.

Eso a pesar de que comenzó la temporada de manera un poco más irregular, sumando 20 puntos de sus primeros doce partidos y registrando una diferencia negativa tanto de goles (sin contar penaltis) como de goles esperados (xG) entre su tercer partido y su duodécimo. De ahí en adelante, solo el Barcelona y el Real Madrid sumaron más puntos o registraron una mejor diferencia de goles esperados que el equipo de Julen Lopetegui.

¿Qué cambió? El Sevilla comenzó a defender más cerca de su propia portería, limitando la calidad de los tiros de sus rivales y creando espacio para atacar. Dependió menos en los centros para crear ocasiones y hacer llegar el balón al área, y comenzó a crear más ocasiones en fases de transición, así aumentando de manera significativa la calidad media de sus tiros.

Youssef En-Nesyri fue quizás el jugador que sacó más beneficio de los cambios. El joven delantero aumentó de manera importante tanto su cantidad de tiros (de 2.14 por cada 90 minutos en el campo a 3.10) como la calidad de los mismos (de 0.14 xG/tiro a 0.21 xG/tiro), así produciendo un cambio drástico en sus goles esperados por 90, de 0.31 a 0.65, la mejor cifra entre todos los jugadores de La Liga en ese periodo. En suma, marcó 18 goles en la 2020-21.

Dadas las dudas que existen alrededor del Barcelona y el Real Madrid de cara a la nueva temporada y el hecho de que si juega a un nivel parecido a el de la temporada pasada es improbable que el vigente campeón Atlético Madrid consiga la misma puntuación en la 2021-22, es no una imposibilidad que el Sevilla pueda luchar por el título.

El club no ha sido muy activo en el mercado hasta ahora, aunque esto puede cambiar en las próximas semanas si salen algunos jugadores. El portero Marko Dmitrovic ha llegado como agente libre del Eibar, mientras que Erik Lamela ha llegado como parte del acuerdo con el Tottenham Hotspur para el traspaso de Bryan Gil al conjunto inglés. Lamela, héroe de culto de los hinchas de los Spurs, es un jugador muy competitivo que parece un buen encaje en el Sevilla.

Valencia

El Valencia finalizó la temporada pasada en media tabla con números subyacentes muy similares a su puesto final en la tabla. Sus partidos fueron entre los más abiertos de La Liga, con más tiros que los que cualquier otro equipo, y sus números subyacentes en defensa figuraron entre los peores de la división.

En una situación normal habría sido una temporada decepcionante para el club como el Valencia pero dadas las circunstancias representó un buen resultado. En la pretemporada, el club había dado salida a nueve jugadores que entre ellos habían disputado un 39% de los minutos de la 2019-20, y no había fichado recambios.

Con la necesidad de completar la plantilla, Javi Gracia dio minutos a mucho jugadores jóvenes. Tanto Yunus Musah (18) como Lee Kang-In (20) jugaron más de 1,300 minutos y ocho de los diez jugadores de campo que disputaron más minutos tuvieron 26 o menos años de edad. El Valencia fue el segundo equipo más joven de La Liga en una base ponderada de minutos, con una edad media de 25.6 años.

Fue una situación difícil pero aun así, Gracia fue destituido a falta de cuatro jornadas para el final de la temporada. El nuevo entrenador es Pepe Bordalás, ex del Getafe, un preparador que tiene un estilo de juego muy particular, combinando presión alta y agresiva con ataques directos y rápidos. No quiere posesión de balón, de hecho no quiere que ninguno de los dos equipos la tenga. En las últimas temporadas, los partidos del Getafe han sido los con menos tiempo de balón en juego.

Si implementa el mismo planteamiento en el Valencia supondría un cambio bastante grande respecto a las últimas temporadas en las que el equipo ha sido uno de los más pasivos de la división.

No parece que tenga una plantilla mucho más amplia que la con la que trabajó Gracia. Kevin Gameiro ha salido y la única llegada hasta ahora ha sido Omar Alderete, un central rocoso que pareció más cómodo en el Basel en la 2019-20 que en el Hertha Berlin la temporada pasada.

En lo que queda del mercado, el club se considera prioritario el fichaje de un mediocentro, mientras que sigue trabajando en el fichaje de Marcos Andre, el delantero del Real Valladolid.

Villarreal

En la 2020-21, el Villarreal consiguió el primer trofeo de su historia al ganar la Europa League, un triunfo merecido para uno de los clubes mejor gestionados de España. Su campaña de liga sufrió un poco cuando la prioridad de la temporada cambió a la competición europea, como suele ocurrir con los equipos de Unai Emery, y finalizó la temporada en séptimo lugar.

El submarino amarillo fue uno de los mejores equipos de La Liga en la primera vuelta de la temporada. Solo cuatro equipos sumaron más puntos en los primeros 19 partidos, mientras que el Villarreal tuvo la tercera mejor diferencia de goles esperados (xG) de la división en dicho periodo, con una diferencia positiva de 0.54 por partido.

La cosa cambió por completo en la segunda vuelta. El Villarreal fue un poco mejor en ataque pero mucho peor en defensa. Defendió más cerca de su propia portería y tuvo problemas en limitar tanto la cantidad como la calidad de tiros que concedió. Sus rivales realizaron tres tiros más por partido. Ocho equipos sumaron más puntos que el Villarreal y su diferencia de goles esperados bajó a 0.08 por partido. Siete equipos registraron cifras mejores.

El nivel mostrado en la primera vuelta de la temporada sugiere que el Villarreal puede luchar por un puesto entre los cuatro mejores de La Liga en la 2021-22, pero mucho dependerá en su progreso en la Champions League y/o la Europa League si está eliminado en la fase de grupos de la Champions. Si su enfoque principal es La Liga, tendrá posibilidades de conseguir un puesto así. Gerard Moreno fue el segundo máximo goleador (junto a Karim Benzema) de La Liga en la 2020-21, aunque cabe mencionar que su suma de 23 goles incluyó a 10 penaltis.

Aún así, acumuló 13 goles sin contar penaltis y siete asistencias, y fue el líder del ataque del equipo. Le recompensó con un nuevo y mejorado contrato hasta 2027.

Ha habido mucho movimiento de piezas en la plantilla este verano. Varios jugadores periféricos han salido, mientras que el club ha fichado de forma permanente a Juan Foyth del Tottenham Hotspur y ha repatriado a Manu Morlanes tras una muy buena temporada en la Segunda División con el Almería.

Hasta ahora, ha habido dos llegadas: Aïssa Mandi, ex del Betis, parece un buen fichaje libre para el centro de la defensa, mientras que el club también ha fichado por 12 millones de euros al delantero Boulaye Dia del Stade Reims de Francia.

 

La Liga 2021-22, previa de la temporada: Levante, Mallorca, Osasuna, Rayo Vallecano y Real Betis

Posted on by Nick Dorrington

En la tercera parte de nuestra previa de la temporada 2021-22 de La Liga analizamos al Levante, al Mallorca, al Osasuna, al Rayo Vallecano y al Real Betis. Podéis ver aquí una lista de todas las previas publicadas hasta ahora.

Levante

En las últimas dos temporadas el Levante ha sido un caso aparte en la liga menos goleadora de las cinco grandes de Europa. Ha jugado un estilo de juego muy abierto, de mucha ida y vuelta y con muchos tiros para ambos equipos.

Asimismo, ha sido un equipo que desde la llegada de Paco López a su banquillo en marzo de 2018 ha rendido por encima o muy por encima de sus números esperados.

El gráfico utiliza una media móvil de 15 partidos. Verde = diferencia de goles; Morada = diferencia de goles esperados (xG).

En la temporada 2019-20, convirtió una diferencia de goles esperados (xG) de -17.47 en una diferencia de goles (sin contar penaltis) de -8, una puntuación de 49 puntos y el puesto duodécimo de la tabla; en la 2020-21, convirtió una diferencia de goles esperados de -14.61 en una diferencia de goles (sin contar penaltis) de -11, una puntuación de 41 puntos y el puesto decimocuarto de la tabla. En ambas ocasiones sus números esperados fueron entre los cuatro peores de la división.

El Levante tuvo números esperados particularmente preocupantes durante la segunda mitad de la 2020-21. Tuvo la segunda peor diferencia de goles esperados de La Liga (-0.57 por partido) en la segunda vuelta de la temporada y sus números fueron todavía peores en sus últimos 15 partidos.

La historia nos dice que tarde o temprano sus números reales comenzarán a asemejarse a los números esperados y es probable que el Levante tenga que mejorar la calidad de sus actuaciones en la 2021-22 si quiere evitar una batalla contra el descenso.

Hasta ahora, la plantilla no ha cambiado mucho. El club ha fichado al experimentado delantero Roberto Soldado, que marcó siete goles en Primera la temporada pasada, del Granada y también a Enric Franqueza del Villarreal tras una temporada sólida como lateral o carrilero en el Girona de la Segunda División.

Sigue necesitando a un central y un extremo, pero no puede acelerar estas operaciones hasta que salgan algunas de sus jugadores traspasables. De hecho, puede que se vea forzado a dar salida a uno de sus jugadores con más mercado como José Campaña, Enis Bardhi o Jorge de Frutos, el máximo asistidor del equipo la temporada pasada.

Mallorca

El Real Mallorca finalizó la temporada pasada de la Segunda División en el segundo puesto de la tabla y así cumplió su objetivo de volver inmediatamente a La Liga. Terminó la campaña con la misma puntuación que el Espanyol y aunque su ataque no fue tan potente como el del campeón, en defensa encajó solo 28 goles, la mejor cifra de la división junto al Espanyol y el Sporting Gijón. Fue también el segundo mejor equipo de la liga por los números esperados.

¿Puede el Mallorca evitar un nuevo descenso en la 2021-22?

Parece mejor preparado esta vez. El último ascenso llegó solo un año después de su ascenso de Segunda B a Segunda y también a través de los playoffs tras finalizar la temporada en quinto lugar. Llegó a Primera como un equipo aún en construcción, sin un estilo de juego bien definido y con algunas carencias en la plantilla.

Esta vez, llegó como uno de los mejores equipos de Segunda y con un planteamiento mejor definido, al menos en defensa. El conjunto de Luis García Plaza defendió más lejos de su propia portería que cualquier otro equipo de la división y fue uno de los equipos más agresivos en la disputa del balón en campo contrario.

En contraste con el clásico perfil de un equipo que hace presión alta para limitar la cantidad de tiros de sus rivales, el Mallorca concedió una cantidad de tiros cerca de la media de la división. Lo que sí hizo fue limitar la calidad de los tiros que concedió. Solo dos equipos concedió tiros de una calidad media más baja.

En posesión, el Mallorca tuvo un estilo paciente. No aprovechó mucho de sus recuperaciones de balón para lanzar ataques rápidos al espacio y puede que tenga que acelerar un poco su juego en fases de transición para marcar una cantidad adecuada de goles en Primera.

La plantilla parece más apta que la de la 2019-20 para afrontar la meta de quedarse en la máxima categoría. Aun así, existen algunas dudas sobre la producción que se puede esperar de delanteros como Adbón Prats o Amath Ndiaye y si, a sus 37 años, Salva Sevilla será capaz de asumir una cantidad de minutos adecuados para tener la misma influencia que tuvo en el mediocampo la temporada pasada.

El club ha reforzado los puestos de lateral con los fichajes de Pablo Maffeo (cesión) y Jauma Costa (libre) y la delantera con el fichaje como agente libre de Ángel Rodríguez del Getafe. Asimismo, el portero Dominik Greif ha llegado del Slovan Bratislava tras un impresionante 2021-22 en la que evitó más de cuatro goles más que razonable puede esperarse de un portero medio dada la calidad de los tiros a los que se enfrentó.

Osasuna

A primera vista, la temporada 2020-21 del Osasuna se pareció mucho a la anterior. Terminó la campaña en un lugar muy parecido en la tabla (11º vs 10º en la 2019-20) y con una diferencia de goles casi igual (-11 vs -8 en la 2019-20). Sin embargo, los números subyacentes hablaron de un declive más notable tanto en ataque como en defensa.

En ataque, el Osasuna aumentó marginalmente la calidad media de sus tiros pero realizó casi dos tiros menos por partido que la temporada anterior, 80 menos a lo largo de la temporada.

El equipo de Jagoba Arrasate dependió un poco más en los centros para hacer llegar al balón al área, y como se muestra este gráfico de sus pases sobrerepresentados (vs. la media de la liga) la idea fue bastante clara: balón a la banda izquierda y centro al área.

No era de extrañar que los tres jugadores que realizaran más centros exitosos al área por cada 90 minutos en el campo fueron futbolistas que principalmente jugaron por la banda izquierda: Jony, Manu Sánchez y Rubén García.

En defensa, concedió una cantidad similar de tiros pero de una calidad media un poco más alta que la temporada anterior. Sus rivales también crearon más goles esperados (xG) en juego dinámico, quizás porque la presión del Osasuna fue tanto menos agresiva como menos eficaz que en la 2019-20. Sus rivales completaron un mayor porcentaje de sus pases y avanzaron el balón al último tercio con más facilidad.

En suma, el Osasuna tuvo la quinta peor diferencia de goles esperados de la división y algo tiene que mejorar si quiere disfrutar de otra temporada cómoda en la 2021-22, sobre todo porque la calidad de la plantilla parece más o menos igual que la de la temporada pasada.

El club ha fichado de forma permanente a Ante Budimir tras una muy buena temporada como cedido en el que marcó 11 goles y funcionó muy bien como punta de referencia.

Jonás Ramalho también ha fichado de forma permanente del Girona, mientras que Kike García y José Ángel ‘Cote’ han llegado como agentes libres del Eibar. Cote es un lateral que aporta mucho tanto en el avance el balón el último tercio como en la creación de ocasiones con sus buenos centros al área. Parece un encaje perfecto para el estilo de juego del equipo.

Si Chimy Ávila es capaz de recuperar el nivel que tuvo antes de las lesiones es un jugador que puede tener un efecto transformativo en el ataque del equipo.

Rayo Vallecano

Después de dos años en Segunda División, el Rayo Vallecano ha regresado a la máxima categoría del fútbol español. Finalizó la temporada pasada en sexto lugar para clasificarse a los playoffs y ahí derrotó al Leganes y al Girona para conseguir el ascenso.

No fue una casualidad. El Rayo tuvo la cuarta mejor diferencia de goles esperados de la división y practicó un estilo de juego muy agresivo, con una línea defensiva adelantada y presión constante. Andoni Iraola, el ex jugador del Athletic, había implementado un planteamiento parecido en el Mirandés en la 2019-20, pero su Rayo fue más agresivo aún.

Aggression = la proporción de recepciones de rivales que reciben presión en los dos segundos posteriores.

De hecho, tuvo el perfil clásico de un equipo de presión alta. Concedió menos tiros (8.09 por partido) que cualquier otro equipo pero de una calidad media más alta que los otros equipos de los primeros puestos de la tabla. En ataque, aprovechó de su presión para rápidamente crear ocasiones de gol. Solo tres equipos realizaron más tiros en los 20 segundos posteriores a una recuperación de balón y solo uno creó más goles esperados (xG) en estas situaciones.

Puede ser una preocupación que no fuera un equipo sobresaliente en Segunda, pero en las últimas temporadas el hecho de tener una presión bien engrasada ha demostrado ser un recurso importante en la batalla contra el descenso. Parece que el club está dispuesto a invertir en la plantilla y entre eso y su estilo de juego, los de Iraola tendrán posibilidades de quedarse en Primera.

En lo que va del mercado, el Rayo ha fichado de forma permanente a Fran García, el lateral izquierdo del Real Madrid que ya jugó en el club la temporada pasada, y dos jugadores del Fuenlabrada, centrocampista Pathé Ciss y mediapunta o delantero Randy Nteka.

Asimismo, Iván Balliu ha llegado como agente libre del Almería como reemplazo de Luis Advíncula, y parece que el club está muy cerca de firmar las cesiones de Martín Merquelanz y Kevin Rodrigues de la Real Sociedad. Hace dos temporadas, Merquelanz jugó bajo las ordenes de Iraola en el Mirandés, destacándose sobre todo por su buena pegada a balón detenido.

Real Betis

El Real Betis disfrutó de una muy buena temporada en su primer año con Manuel Pellegrini en el banquillo, finalizando la campaña en sexto lugar y así clasificándose para la Europa League. Subió nueve puestos en la tabla respecto a la temporada anterior, junto al Celta Vigo la mayor subida de la división.

Pellegrini hizo algunos cambios al estilo de juego de la temporada anterior. El Betis defendió un poco más lejos de su propia portería y presionó de una manera un poco más intensa. Asimismo, aprovechó mejor de las recuperaciones de balón para crear ocasiones de gol. Solo el Barcelona y el Real Madrid realizaron más tiros en las 20 segundos posteriores a una recuperación.

Sin embargo, a pesar de estos cambios y la mejora en los resultados, sus números subyacentesse mantuvieron casi iguales, de una diferencia de goles esperados (xG) de 0.1 en la 2019-20 a una de 0.55 en la 2020-21. Es decir, una diferencia de menos de medio gol a lo largo de la temporada.

En términos de goles esperados, el Betis fue un poco mejor en defensa. Concedió dos menos tiros por partido pero de una calidad media más alta.

En ataque, fue un poco peor. No consiguió convertir el aumento en la cantidad de tiros que realizaron en fases de transición a una mejora en la calidad media de sus tiros.

¿Cómo finalizó la temporada en sexto lugar con estos números? No fue que el Betis rindiera por encima de sus números esperados. Rindió un poco por encima en ataque y un poco por debajo en defensa. Ni que beneficiara de una balanza ventajosa en los goles de penalti. Tanto marcó como concedió ocho de estos goles. Fue simplemente que sacó más puntos de su diferencia de goles de cero que dos de los siete equipos que tuvieron una mejor diferencia.

Es fácil decir que si el Betis hace una 2021-22 igual es improbable que finalice la temporada entre los seis primeros de La Liga, aunque cabe mencionar que tanto los resultados como los números subyacentes del equipo mejoraron en la segunda vuelta de la temporada.

El club ha completado tres fichajes hasta ahora, todos agentes libres. En el lateral izquierdo, Juan Miranda ha convertido su cesión en fichaje permanente, mientras que en el otro lateral, Youssouf Sabaly ha llegado del Bordeaux como reemplazo de Emerson Royal, que ha vuelto al Barcelona.

El tercer fichaje es el de Rui Silva del Granada, un portero que tiene una buena reputación pero que ha rendido por debajo de sus números esperados en sus dos temporadas en La Liga. Cabe señalar que cuando ajustamos los números en función de la cantidad de tiros a los que cada portero se enfrentó, solo Jan Oblak del Atlético Madrid rindió más por encima de sus números esperados que Claudio Bravo, el portero titular del Betis, la temporada pasada.

Con la necesidad de formar una plantilla capaz de compaginar su temporada de liga con una campaña europea, el Betis podría ser uno de los equipos más activos en lo que queda del mercado.