La semana pasada se cerró el plazo de presentación de propuestas para la segunda fase del concurso de investigaciónOpta Forum Opta 2024. Cuatro proyectos han sido nominados para su presentación en el escenario, y otros cinco han sido recomendados para la presentación de pósters.
Cada propuesta presentada se valoró en función de cuatro criterios clave: innovación, metodología, pertinencia y aplicación. Ahora, los nueve proyectos más sólidos se expondrán ante un público invitado de delegados del sector en Londres.
Una nueva iniciativa para elForum Opta 2024 es la introducción de un nuevo escenario, en el que cada uno de los cinco expositores tendrá la oportunidad de dar una charla de 10 minutos. Estas charlas tendrán lugar durante las pausas programadas para establecer contactos y permitirán a los delegados obtener más información sobre sus proyectos y principales hallazgos.
El Opta Forum, que se celebra por undécimo año consecutivo, sigue siendo una cita clave en el calendario del análisis futbolístico. Algunos de los ponentes de ediciones anteriores han pasado a desempeñar diversas funciones en la industria del fútbol profesional, como se indica a continuación.
Además de estas presentaciones de investigación, elForum Opta 2024 contará con una agenda repleta de charlas de invitados y mesas redondas, que se centrarán en temas clave en torno al papel de los datos para mejorar el rendimiento y el reclutamiento en un entorno de equipo, así como mejorar la participación del público desde una perspectiva orientada a los aficionados.
El programa completo de presentaciones de investigación y pósteres para elForum Opta 2024, enumerado sin ningún orden específico, es el siguiente:
Presentaciones escénicas
Harsh Mishra - Un análisis causal de los saques de esquina
Este proyecto fue elegido en la categoría de presentación abierta, y se basa en la investigación previa de Laurie Shaw sobre el establecimiento de un libro de jugadas para los saques de esquina a través de la lente de un Marco Causal.
Utilizando una combinación de datos de eventos y de seguimiento, el proyecto de Harsh desglosa más de 600 saques de esquina diferentes, intentados durante la temporada 2021-22 de la Ligue 1, en función del tipo de entrega, la configuración defensiva (marcaje al hombre o zonal) y el resultado global. También se agrupan las configuraciones de ataque recurrentes en los saques de esquina, teniendo en cuenta las ubicaciones de inicio y fin del jugador, el movimiento dinámico y el marcaje del rival.
A continuación, se aplica el marco causal de Harsh para establecer la probabilidad de que se produzca un disparo para cada configuración de ataque diferente, tanto cuando se juega contra configuraciones defensivas específicas como cuando se apunta a tipos específicos de envío de córners.
El objetivo del proyecto es ayudar a los analistas de jugadas a balón parado a identificar rápidamente tipos específicos de córners, haciendo más eficientes sus flujos de trabajo y maximizando el tiempo disponible para analizar jugadas a balón parado tanto en un contexto ofensivo como defensivo.
Originario de la India y afincado ahora en el Reino Unido, Harsh posee un máster en Informática y trabaja actualmente como ingeniero de aprendizaje automático en Rothamsted Research. Es un miembro activo de la comunidad mundial de análisis de fútbol, donde puedes acceder a su blog o conectar con él en LinkedIn.
Alex Sattari - Identificación de Estilos de Jugador mediante el Análisis de Pases, Recepciones y Carreras de Alta Intensidad para la Optimización de Perfiles de Contratación
Este proyecto fue elegido en la categoría de propuestas lideradas por profesionales delForum Opta , presentada por Mathieu Lacome, de Parma, que aplica los datos de Opta Vision para crear nuevas caracterizaciones interpretables de los estilos individuales de los jugadores.
Tras establecer redes dedicadas de pases, recepciones y carreras de alta intensidad, que cubran a todos los jugadores de una competición específica, Alex propone aplicar la Factorización Matricial No Negativa (NMF), con el objetivo de descubrir patrones comunes de pases, recepciones y carreras de alta intensidad entre todos los jugadores. El análisis NMF también se utilizará para identificar la combinación única de estos patrones comunes para cada jugador, dando lugar a una nueva caracterización interpretable del estilo de cada jugador.
El objetivo de esta investigación es mejorar el proceso de elaboración de perfiles existente en un departamento de contratación, agilizando el proceso para que los analistas identifiquen a los jugadores con similitudes estilísticas y características sobre el terreno de juego buscadas para los perfiles de jugadores dentro del modelo de juego de un club.
Alex es doctor en Geofísica por la Universidad de Calgary (Canadá) y, más recientemente, ha trabajado como investigador postdoctoral asociado en análisis deportivo en la Universidad de Jönköping (Suecia). Actualmente reside en Calgary.
Niamh Graham, Yasmin Hengster y Maia Trower - Ganancias netas: Análisis del impacto de la diversidad en el rendimiento del fútbol femenino
El proyecto de Niamh, Yasmin y Maia, que utiliza datos biográficos de jugadoras y datos de eventos Opta de la FA Women's Super League, aborda la cuestión de si existe un vínculo entre la diversidad y la cohesión en los equipos de la WSL y el rendimiento individual de las jugadoras.
Analizarán la relación entre la diversidad de una plantilla en términos de edad de los jugadores, nacionalidad y procedencia del club y la cohesión de un equipo medida por el tiempo que los jugadores han jugado juntos en el pasado.
A continuación, mediante la construcción de redes de pase para cada cadena de posesión en un partido de la WSL, tratarán de asignar una puntuación de diversidad y una puntuación de cohesión a cada posesión. A continuación, utilizarán un valor xG para cada cadena de posesión que termine en un tiro, con el fin de evaluar el impacto de la diversidad y la cohesión tanto en el rendimiento del equipo como en el individual.
Niamh, Yasmin y Maia trabajan en la Universidad de Edimburgo, donde están realizando sendos doctorados en matemáticas.
Matthieu le Gall - Análisis del impacto de los saques de banda en el fútbol moderno: Posesión, pautas y contexto del juego
La presentación de Matthieu aplica los datos de eventos Opta con el objetivo de identificar patrones recurrentes de juego, tras un saque de banda, para ayudar a identificar a los equipos más eficaces a la hora de crear oportunidades de gol a partir de secuencias que comienzan en un saque de banda, en diferentes escenarios de juego.
El proyecto de Matthieu se divide en dos partes. En la primera, desglosará los saques de banda en diferentes categorías, tanto desde el punto de vista ofensivo como defensivo, teniendo en cuenta factores clave como el tiempo de posesión, los pases realizados durante una secuencia y el territorio ganado. Esta información se utilizará para crear un índice de saques de banda de los equipos de toda la liga, en el que se destacará cómo utilizan el balón los equipos tras un saque de banda, por ejemplo en reanudaciones rápidas, retención del balón o, en un contexto defensivo, presión alta para forzar una pérdida de balón.
En la segunda parte analizará los patrones de pase, desde los saques de banda, para identificar cómo los equipos capitalizan estratégicamente las oportunidades de saque de banda para generar amenazas de gol. También mostrará un análisis de las probabilidades de las coordenadas de ubicación de los pases tras un saque de banda.
Afincado en Rennes (Francia), Matthieu trabaja como científico de datos para el Ministerio de las Fuerzas Armadas francés. Compagina su trabajo con la obtención de un diploma en Big Data e AI en el Conservatoire National des Arts et Métiers. Está previsto que termine su diplomatura a finales de este año y después desea incorporarse a un club o empresa que trabaje en el deporte como científico de datos.
Expositores de carteles
Hoyoung Choi - Un enfoque de red neuronal gráfica para evaluar formaciones defensivas
Este póster presentará un enfoque para medir el rendimiento de varias formaciones defensivas adoptadas por los equipos a lo largo de una temporada.
Mediante el desarrollo y la aplicación de un modelo de Red Neuronal Gráfica (GNN), con especial énfasis en la retención de la posesión, Choi compartirá ideas diseñadas para ayudar a mejorar la comprensión de las estrategias defensivas de un equipo y la influencia colectiva de todos los jugadores sobre el terreno de juego en relación con su eficacia a la hora de mantener el balón.
Este enfoque GNN está diseñado para ofrecer a los equipos punteros un sistema práctico y aplicable al análisis de estructuras defensivas en el mundo real.
Choi se licenció a principios de este año y ahora cursa un máster en el departamento de Ingeniería Industrial y de Sistemas del KAIST, situado en Daejeon (República de Corea).
Leo Martins de Sá Freire - Introduciendo "Amenaza a Gol" - Midiendo la Eficiencia Colectiva en la Conversión de Volumen Ofensivo en Oportunidades de Gol
En los últimos años, la aplicación de datos de eventos se ha centrado significativamente en métricas de valoración de acciones como el Valor de Posesión (VP) y la Amenaza Esperada (xT). Estas métricas permiten a los analistas de datos medir la calidad de cada acción a balón parado durante un partido. Sin embargo, la relación entre los valores generados por un equipo a través de estas acciones y el peligro que representa para un adversario a través de las ocasiones de gol sigue estando poco explorada.
El póster de Leo pretende llenar este vacío presentando los resultados de una investigación en profundidad sobre la relación entre dos métricas avanzadas, Goles Esperados (xG) y Amenaza Esperada (xT), y utilizando los resultados para mostrar una nueva métrica, Amenaza de Gol, que pretende proporcionar información sobre la eficacia de un equipo a la hora de utilizar su amenaza en el balón para generar intentos de tiro de alta calidad.
Afincado en Belo Horizonte (Brasil), Leo compagina sus estudios en la Universidad Federal de Minas Gerais, donde está finalizando un máster en Informática, con un puesto como científico de datos en el Atlético Mineiro, de la Serie A.
Atom Scott y Taiga Someya - FootballGPT: Evaluación contrafáctica con un modelo de base para el fútbol
La evaluación contrafáctica permite a los científicos de datos explorar escenarios hipotéticos y comprender el impacto potencial de diferentes decisiones tácticas en el fútbol. Esto suele implicar el entrenamiento de un modelo generativo para predecir los movimientos de los jugadores y, a continuación, comparar los movimientos reales y simulados con escenarios específicos.
El póster de Atom y Taiga presentará los resultados de la construcción de FootballGPT, un modelo de base que se centra en el movimiento colectivo en el fútbol. Intentarán responder a preguntas como "¿Cómo afecta una mayor presión de la línea defensiva a la vulnerabilidad ante los balones largos?" o "¿Aumentaría la probabilidad de marcar si un jugador adicional se uniera a un contraataque?". Además, analizarán la capacidad de FootballGPT para generalizarse a tareas posteriores.
Utilizando su modelo FootballGPT como simulador de escenarios seleccionados, Atom y Taiga pretenden capacitar a los equipos para realizar evaluaciones y tomar decisiones estratégicas basadas en datos cuantitativos. El simulador permitiría a los equipos simular los efectos de diferentes cambios tácticos en escenarios de partidos reales, como alteraciones en la línea defensiva o en el número de jugadores que participan en los contraataques, así como hacer más eficientes los procesos de análisis del rendimiento mediante la identificación y el análisis de secuencias de posesión similares en múltiples partidos.
Atom está cursando un doctorado en Inteligencia Artificial en la Universidad de Nagoya (Japón) y es fundador de una empresa emergente centrada en el análisis deportivo. Taiga está cursando un máster en Lingüística Computacional en la Universidad de Tokio y, aprovechando su experiencia como ex jugador de la selección nacional sub 15/16 de Japón, también está investigando en análisis deportivo, especialmente en fútbol.
Andrew Kang, Travis Curson y Scott Powers - No todas las características son iguales: Agrupación por objetivos y evaluación de agrupaciones Motivación
La agrupación de los roles de los jugadores es un problema bien conocido en el análisis deportivo, a menudo obstaculizado por un defecto común en muchas metodologías de agrupación: la ponderación igual de todas las características, independientemente de su relevancia para el objetivo específico del análisis.
Para identificar a los jugadores de diferentes equipos que son estilísticamente similares en el campo para mejorar los flujos de trabajo de reclutamiento, el póster de Andrew, Travis y Scott aplicará los datos de Opta Vision para presentar un algoritmo de agrupación de K-means recursivo de dos pasos. Este algoritmo primero agrupa los estilos de rol basándose en las tendencias de un jugador con y sin balón y luego crea subgrupos basándose en los requisitos específicos de un analista de contratación, como la aplicación de características relacionadas con el pase cuando se busca identificar creadores de juego.
Para comparar la habilidad de los jugadores de cada grupo y evaluar su contribución a las victorias, Andrew, Travis y Scott adaptarán el método Box Plus-Minus (BPM) utilizado en los análisis de baloncesto. Se trata de utilizar el Regularized Adjusted Plus-Minus (RAPM) para estimar la contribución de cada jugador al diferencial de goles esperados (xG) de su equipo. De este modo, el análisis resaltará la importancia numérica de cada habilidad en la que los diferentes grupos de jugadores deben destacar para el éxito de su equipo.
Andrew estudia Ciencias de la Computación en la Universidad Rice de Houston, Texas, donde también actúa como analista de datos para el equipo de fútbol femenino de Rice Athletics, cuyo equipo de fondo incluye a Travis como entrenador asistente. Compiten en la División I de la NCAA. Scott se unió al Departamento de Gestión Deportiva de la Universidad Rice como profesor asistente en Sport Analytics en 2023.
Matthew Hilton - Más allá del marcador: Un enfoque bayesiano para valorar las acciones de los futbolistas
Para analizar el rendimiento de cada jugador, debemos examinar su contribución a marcar y encajar goles. Sin embargo, como hay muchas acciones diferentes que un jugador puede realizar en un partido, ¿qué acciones son más valiosas en el sentido de que es más probable que conduzcan a marcar un gol y menos probable que conduzcan a encajar un gol?
El póster de Matt presenta un novedoso marco bayesiano para la evaluación de las acciones de los jugadores de fútbol. El marco se basa en un modelo bayesiano xG fundamentado que cuantifica explícitamente la incertidumbre asociada a cada predicción de gol en lugar de basarse en estimaciones puntuales. Este marco puede ampliarse para analizar todas las acciones realizadas por los jugadores y cómo contribuyen a la probabilidad de marcar y recibir goles. Y lo que es más importante, los analistas de datos pueden evaluar la varianza de las acciones de los jugadores y su ejecución.
Con un máster en Ciencia de Datos, Matt trabaja actualmente para Barclays en el Reino Unido. Como parte del equipo de ciencia de datos del banco, trabaja en la modelización financiera de su cartera de hipotecas.
Stats Perform quiere dar las gracias a todos los que han presentado una propuesta y felicitar a los nueve grupos que presentarán o expondrán en elForum Opta 2024.
