A medida que maduran los procesos de análisis del rendimiento en el fútbol profesional de élite, los analistas que trabajan para los principales clubes se esfuerzan por identificar perspectivas y tendencias relevantes desde el punto de vista táctico a través de múltiples conjuntos de datos, que en muchos casos se utilizan de forma aislada.
Uno de estos conjuntos de datos son los datos de seguimiento nacionales, disponibles para todos los clubes de una liga, que recogen la posición y los movimientos de los 22 jugadores sobre el terreno de juego. Estos datos, que se recopilan desde hace más de 20 años, permiten a los analistas revisar las acciones de cada jugador en relación con los KPI establecidos, tanto desde el punto de vista del rendimiento como táctico. Históricamente, estos datos sólo estaban disponibles en formato bruto, lo que limitaba la identificación de tendencias a largo plazo.
Sin embargo, en los últimos meses se ha puesto a disposición un número significativo de métricas, derivadas de los datos de seguimiento, en un conjunto de datos fusionados de seguimiento y eventos, que por primera vez se pueden consultar en una herramienta de análisis front-end, Stats Perform's ProVision. Esto está abriendo nuevas vías de análisis del rendimiento para proporcionar más información objetiva, en cuestión de segundos, sobre los puntos fuertes y débiles de los jugadores rivales.
En total, se pueden utilizar más de cuarenta filtros diferentes relacionados con el seguimiento junto con los datos de los eventos, que cubren las tres áreas siguientes:
- Datos de localización del jugador: con métricas de distancia media y carreras sin balón.
- Métricas de rendimiento: incluidos datos exhaustivos sobre distancias y sprints de los jugadores.
- Datos de pases: incluye la velocidad de los pases, el total de jugadores desviados por los pases y datos detallados de los cruces.
Con esta información, ahora es posible elaborar informes diarios o semanales que aportan otro nivel de contexto a los resultados de los eventos.
A continuación presentamos cinco ejemplos de análisis que pueden realizarse ahora utilizando el conjunto de datos combinados.
1 - Buenas y malas decisiones a partir de cruces
Una de las principales ventajas del conjunto de datos combinados es que, para cada balón, conocemos la ubicación de cada jugador sobre el terreno de juego. Esto resulta especialmente útil para analizar el rendimiento en los cruces de los jugadores en posiciones amplias.
Uno de los filtros de seguimiento de ProVision permite al usuario determinar cuántos jugadores se encuentran en el área contraria cuando se lanza un centro. De este modo, el analista puede identificar a los jugadores que suelen enviar centros cuando hay muy pocos compañeros en el área, lo que puede poner de manifiesto una mala toma de decisiones en las zonas de ataque.
A la inversa, utilizando el mismo principio, un analista también puede utilizar este filtro para destacar a los equipos que tratan de llenar el área contraria cuando el balón está en una zona amplia, con el fin de aprovechar los balones enviados. Esto puede analizarse jugada por jugada, a nivel de partido y de temporada, con cifras medias que ofrezcan una visión de las tendencias de un equipo en los centros en campo abierto, en comparación con las medias de la competición, desde ambos lados del campo.
Así pues, además de identificar el número de cruces y su resultado, ahora disponemos de un contexto adicional que nos ayuda a determinar cuáles son las razones clave que subyacen a estos resultados.
2 - Pases progresivos de los defensas centrales
Cuando se analizan las tendencias de pase de los defensas, establecer una imagen precisa de los jugadores que son eficaces a la hora de sacar el balón de la defensa y hacerlo progresar hacia arriba con éxito puede influir en el planteamiento de un equipo sin el balón.
El filtrado a partir de datos de eventos, como la dirección, la ubicación de inicio/fin y el resultado de los pases, puede ofrecer información sobre lo cómodo que se siente un defensa en posesión del balón. Sin embargo, si añadimos el seguimiento, podemos llevar este análisis más allá.
A partir de estos datos, un analista puede aplicar un filtro para saber cuántos jugadores rivales son eludidos por un pase, así como el número medio de jugadores que son eludidos por pase. También pueden aplicarse otros filtros para ajustarse a la propia definición de un club, incluida la reducción del número de pases para incluir únicamente los pases a ras de suelo y la zona desde la que se realizan los pases (por ejemplo, el tercio defensivo).
Utilizando esta información, en múltiples partidos o contra tipos específicos de rivales, los analistas pueden identificar a los jugadores rivales que marcan muchos goles y comparar su rendimiento en esta métrica con otros resultados de pases, lo que puede ayudar a identificar a los defensas centrales que son eficaces en los pases a través de los rivales y, utilizando el Valor de Posesión (VP), establecer también cuáles aumentan la probabilidad de que su equipo marque a través de pases progresivos. También puede ayudar a identificar a los defensas que no son tan eficaces en la posesión y que pueden sentirse menos cómodos siendo presionados, lo que nos lleva muy bien a nuestro siguiente ejemplo.
3 - Pases bajo presión
Una de las principales ventajas de los datos de seguimiento es que un analista puede determinar lo cerca que está cada jugador en el campo del jugador que tiene la posesión en un momento dado. Esto significa que se puede analizar el rendimiento de cada jugador en el pase, teniendo en cuenta cómo se comporta cuando tiene a jugadores rivales muy cerca.
ProVision permite a un analista añadir un filtro de seguimiento a la información de pases, con el que puede ver cómo fluctúan sus números en función de cuántos jugadores rivales se encuentran a menos de dos metros del balón. Si un jugador tiene al menos dos jugadores defensivos cerca, es probable que esté sometido a una mayor presión al intentar un pase, y estas cifras pueden utilizarse para comparar el rendimiento contrastado de los jugadores de una plantilla, y quién tiene más probabilidades de ceder el balón cuando está sometido a más presión.
4 - Vinculación del ritmo de trabajo con la presión efectiva
Cuando se trabaja únicamente con datos de eventos, la métrica PPDA (pases por acción defensiva), utilizada junto con un alto número de pérdidas de balón, ha sido un indicador útil para identificar si un equipo busca presionar al rival. Un total bajo de PPDA, a lo largo de varios partidos, indicaría que un equipo se esfuerza por recuperar el balón rápidamente, mientras que un total alto sugiere que es más probable que un equipo se sitúe en un bloqueo bajo y permita que el rival tenga el balón.
Cuando añadimos datos de seguimiento físico, es posible establecer correlaciones entre las percepciones derivadas de los datos de eventos y la intensidad del movimiento de cada jugador en el campo. Para ello se utilizan dos parámetros disponibles en el conjunto de datos fusionados: la velocidad máxima de los jugadores, que se mide en metros recorridos por segundo, y el total de metros recorridos por cada jugador a alta velocidad.
Además de proporcionar un contexto sobre qué jugadores cubren más terreno en los equipos que adoptan un enfoque de presión agresiva, estos resultados pueden aplicarse a varios filtros de ProVison para establecer cómo cambia el ritmo de trabajo de un jugador y el enfoque de su equipo fuera de la posesión contra diferentes tipos de oposición, como los equipos que buscan jugar por encima de la presión, en comparación con sus promedios de la temporada.
5 - Utilización de personal en las esquinas de ataque
Durante 2020/21, el 20% de todos los goles no sancionados marcados en las cinco primeras ligas europeas procedieron de jugadas a balón parado, una cifra que refuerza la importancia de que un equipo aproveche al máximo sus oportunidades en saques de esquina y tiros libres, además de ser capaz de defenderlos con éxito.
Goles marcados de córner: Temporada 2020-21
| Liga | Objetivos |
|---|---|
| Premier League | 58 |
| Ligue 1 | 58 |
| Serie A | 52 |
| Bundesliga | 43 |
| La Liga | 36 |
Mientras que las métricas avanzadas, como los goles esperados, pueden ofrecer información sobre qué equipos crean y conceden ocasiones de gran calidad en los saques de esquina, la disponibilidad de datos sobre la ubicación de los jugadores añade otra dimensión a la hora de establecer cómo se disponen los equipos en estas situaciones.
Mediante el uso de filtros de seguimiento, un analista puede identificar el número de situaciones durante la temporada en las que un equipo dispone de un número específico de jugadores en el área de penalti o en el interior del área pequeña. Así, por ejemplo, un club puede identificar el número de ocasiones en las que un equipo defensor tiene que enfrentarse a dos jugadores atacantes en el área pequeña durante el lanzamiento de un penalti y, lo que es más importante, el número de ocasiones que concede en estos casos.
Esto puede ayudar a identificar posibles áreas de debilidad cuando un equipo defiende jugadas a balón parado, a lo largo de varios partidos, que un equipo puede utilizar para informar de sus tácticas en los prolegómenos de un partido.
Éstos son sólo cinco ejemplos de cómo un conjunto de datos nacionales fusionados, que combina resultados de datos de seguimiento y de eventos, puede ayudar a identificar a los jugadores que sobresalen, o que potencialmente tienen un área de debilidad, durante escenarios recurrentes en el juego.
Todos los filtros de seguimiento de ProVision también pueden añadirse a los propios informes y estadísticas personalizadas de un analista, lo que abre un amplio abanico de posibilidades de análisis en diferentes contextos.
Para obtener más información sobre cómo ProVision puede proporcionar una visión más profunda de las tendencias de rendimiento a largo plazo, apoyando los procesos previos y posteriores a los partidos de su club, visite nuestra página de Análisis de Partidos o póngase en contacto con nosotros para averiguar si los datos de seguimiento, de su liga nacional, se han integrado en la plataforma.
