Introdução
As formações são conceitos que todo torcedor de futebol entende e são um tópico comum de discussão, seja um 4-4-2 clássico, um 4-2-3-1 que domina a posse de bola ou as variações sempre populares de três na defesa. Mas será que isso realmente nos conta a história completa de como o seu time se alinha? O 4-3-3 de Pep Guardiola é o mesmo que o 4-3-3 de Jürgen Klopp?
Jamie Carragher, comentarista da Sky Sports, falou no programa Monday Night Football da Sky Sports sobre a necessidade de observar as formações com e sem posse de bola e o processo manual realizado para reconhecer essas distinções.
O problema é que a análise da formação ainda é uma tarefa subjetiva e demorada, com especialistas como Carragher tendo que passar as manhãs analisando vídeos para descobrir isso. Ou seja, até agora...
Com a Análise de Forma proprietária daOpta Vision, podemos usar dados de rastreamento e as mais recentes técnicas de aprendizado de máquina para analisar os detalhes mais finos da forma de uma equipe, dentro e fora da posse de bola, e eliminar alguns dos pontos fracos de medidas mais tradicionais, como formações iniciais e posições médias. Podemos poupar Jamie dessa tarefa em uma manhã de segunda-feira.
O que é análise de forma?
Os dados de rastreamento de esportes coletivos são inerentemente desordenados, pois os jogadores se movimentam constantemente pelo campo. O modelo Opta Vision Shape Analysis revela a estratégia por trás desse movimento, considerando como os jogadores estão posicionados em relação uns aos outros em um determinado momento do jogo. Ao diferenciar entre quando uma equipe está jogando com ou sem posse de bola, ele nos permite distinguir entre suas formas de ataque e defesa.
Para combinar essas relações com formas conhecidas usadas no futebol, usamos o agrupamento hierárquico de mais de 2.000 jogos de dados de rastreamento para identificar 17 formas distintas quando uma equipe está com a posse de bola e 13 formas distintas quando uma equipe está sem a posse de bola. Usando essa abordagem que prioriza os dados, não somos influenciados pelos rótulos das formações tradicionais e podemos identificar as formas mais comumente usadas pelas equipes.
Para detectar a forma de uma equipe (e mudanças na forma) em um jogo, seguimos uma abordagem de três etapas:
- Divida o jogo em intervalos distintos quando uma equipe estiver jogando com ou sem a posse de bola.
- Dentro desses intervalos, usamos uma técnica de aprendizado de máquina não supervisionada para identificar uma forma para a equipe que está dentro e fora da posse de bola, respectivamente.
- Atribua a forma mais provável de nossos modelos (17 em posse e 13 fora de posse) à forma reconhecida dentro do intervalo.
Os intervalos distintos de posse de bola são naturalmente interrompidos por paradas no jogo (por exemplo, substituições, gols e cartões vermelhos) ou viradas de bola, pois são os principais candidatos para os técnicos mudarem de tática. Cada intervalo deve conter uma quantidade mínima de tempo de posse de bola em jogo para permitir a obtenção de dados suficientes.
Aplicativos: Chelsea x Wolves
Vamos examinar as formas tradicionais de medir a estrutura da equipe e, em seguida, ver como a Análise de Forma conta a história durante o primeiro jogo de Thomas Tuchel no comando da Premier League contra o Wolverhampton Wanderers em janeiro de 2021.
Gráfico da escalação inicial
A representação mais comum da forma de uma equipe é a formação inicial ou o gráfico de escalação, normalmente visto em relatórios pós-jogo ou uma hora antes do início do jogo com o lançamento das notícias da equipe (como os usuários ávidos do Fantasy Premier League sabem muito bem). Essas formações têm de ser atribuídas manualmente ou antecipadas por um analista que esteja assistindo ao jogo porque, como era de se esperar, os gerentes raramente estão dispostos ou são obrigados a divulgar informações táticas como essa.
Então, como Thomas Tuchel se posicionou em seu primeiro jogo no comando? Ele surpreendeu a muitos ao trocar o esquema de quatro zagueiros preferido de Frank Lampard por um esquema de três zagueiros no estilo da "era Conte", começando com uma formação 3-4-3 e utilizando Ben Chilwell e Callum Hudson-Odoi como seus laterais:
Gráficos de escalação como esse são uma representação muito estática da forma de um time, e qualquer pessoa que tenha assistido a um time de Pep Guardiola nos últimos anos sabe que essas formações podem ser muito mais fluidas na realidade. Essas formações têm dificuldade para revelar as nuances da verdadeira forma de uma equipe durante o jogo e podem ser influenciadas pela atribuição de posições tradicionais dos jogadores. Callum Hudson-Odoi jogará na mesma função de lateral que Ben Chilwell?
Posições médias
É nesse ponto que os gráficos de posição média são úteis. Automatizados por dados, eles são comumente usados por emissoras e nos dão uma visão adicional das posições que os jogadores ocupavam dentro dessas formações. As posições médias do Chelsea contra o Wolves sugerem que Hudson-Odoi era o lateral muito mais avançado e que os dois atacantes ao lado de Olivier Giroud jogavam muito fechados.
Ao contrário do que a maioria das pessoas espera, os gráficos de posição média normalmente se baseiam na localização média dos toques de um jogador e não nas localizações físicas dos jogadores (deixaremos para outra ocasião a explicação do que são "toques"). É claro que, quando disponíveis, os dados de rastreamento podem ser usados nesses gráficos de posição média para retratar com mais precisão as posições dos jogadores, mas ambos os métodos ainda têm suas limitações:
- Como você distingue com precisão as posições entre com e sem posse de bola?
- O que acontece se a posição de um jogador mudar durante o jogo (por exemplo, os laterais trocam de lado)?
- O que acontece se uma equipe mudar de formação durante o jogo?
- Como podemos mostrar com precisão a localização dos substitutos que entram no final do jogo?
Embora o uso de uma abordagem baseada em dados de rastreamento possa aliviar o problema de entrar e sair da posse de bola, você ainda pode ver como alguns dos problemas acima são evidentes quando nos concentramos nas posições médias do Wolves:
Embora a formação pareça ser a esperada no gráfico de escalação (3-4-1-2), as posições médias dos três atacantes do Wolves parecem estar todas no mesmo lugar, especialmente quando não têm a posse de bola. Sabemos que essa não pode ser uma representação precisa da verdadeira forma do Wolves durante o jogo.
Análise de forma
Usando os resultados da Análise de Forma para Chelsea vs. Wolves, agora podemos identificar claramente as formas, dentro e fora da posse de bola, que cada equipe estava usando com mais frequência durante o jogo:
No caso do Chelsea, podemos ver que os laterais avançam muito mais enquanto o time está com a posse de bola e que os atacantes de lado permanecem bastante estreitos.
Embora sejam percepções semelhantes às que encontramos usando as posições médias, agora também podemos entender as localizações dos três atacantes do Wolves com mais precisão, atribuindo as localizações de cada jogador dentro das formas identificadas.
Com a Análise de Forma, podemos ver que as posições médias eram enganosas para os três atacantes do Wolverhampton porque eles estavam fazendo rodízio durante o jogo. Embora isso possa parecer óbvio, agora podemos quantificar esse fato. Daniel Podence ocupou a posição mais central dos atacantes nessa forma 56% do tempo, mas tanto Pedro Neto quanto Adama Traore também apareceram nessa posição durante o jogo (16% e 13% do tempo, respectivamente). A estrutura da Análise de Forma também incorpora os substitutos, reconhecendo que Willian José (que entrou aos 72 minutos do segundo tempo) jogou 11% do total de minutos nessa posição central.
Isso é confirmado nas capturas de tela abaixo, pois é possível ver claramente que os atacantes do Wolves estavam em suas posições esperadas no quinto minuto, mas, quinze minutos depois, haviam trocado de posição. Essa foi uma ocorrência comum durante esse jogo.
Além de detectar a forma mais comumente usada por uma equipe, ao aplicar o modelo a diferentes intervalos de tempo, ele também pode nos permitir detectar quando uma equipe muda sua forma durante o jogo. Atualmente, isso só é possível quando registrado manualmente por um analista no jogo, mas é uma mudança tática importante a ser reconhecida na análise.
Resumo
Com essa abordagem baseada em dados, o Shape Analysis tem vários aplicativos dimensionáveis que podem economizar muito tempo dos analistas do setor e melhorar os recursos de narração de histórias para envolver os fãs:
- Como será a forma do Manchester United durante os primeiros 10 jogos de Eric Ten Hag no comando?
- Como Antonio Conte ajustou a forma do Tottenham para arquitetar sua vitória no Etihad?
- Com que frequência o Bukayo Saka do Arsenal muda de posição durante uma partida?
- Que forma o Manchester City de Pep Guardiola usa dentro e fora da posse de bola?
- Qual foi a forma mais eficaz do Liverpool para marcar gols?
Novidade para 2022-23, a Análise de Forma da Opta Vision identifica automaticamente a forma de uma equipe (e as mudanças de forma) em um único jogo, que pode ser aplicada em vários jogos para fornecer insights acionáveis. As formações são os primeiros blocos de construção, mas as formas montam uma história mais descritiva.
