Tras el pitido final, los entrenadores y analistas llevan a cabo el proceso de entender qué se hizo bien y qué se hizo mal durante el encuentro. Hoy en Driblab presentamos una nueva funcionalidad que permitirá averiguar de forma sencilla y exhaustiva las mejores y peores acciones del equipo durante los 90 minutos de partido.
Al repasar los partidos del martes de la Liga de Campeones, el Real Madrid se impuso al Liverpool de Jürgen Klopp por 3 a 1. En Manchester, los Citizens se impusieron por 2 a 1 al Borussia Dortmund tras un gol en el 90′ de Phil Foden. Con todas las posibilidades abiertas para el partido de vuelta, Erling Haaland buscará marcar la diferencia y ganar la eliminatoria.
Por ello, en el artículo de hoy explicaremos cómo esta nueva herramienta puede ayudar a los usuarios a entender lo que ocurrió. A través de un proceso paso a paso, el usuario no se verá abrumado por la cantidad de cifras disponibles, lo que facilitará su comprensión. Los tres pasos iniciales de la herramienta serán el Mapa de Finalización, el Mapa de Pases Clave y el Control de Partido.
En el primer paso, junto con el mapa de finalización, las estadísticas generales como los puntos esperados o el xG se apoyan en un breve resumen del rendimiento de cada equipo en cuanto a la generación de peligro. La victoria del Real Madrid se basó en la mayor generación de peligro, teniendo también un buen ratio de conversión de goles. Marco Asensio acaparó la mayor parte de los xG, siendo su gol en el 35′ la acción con mayor xG del partido (0,64). Mohammed Salah, el jugador del Liverpool con mayor xG acumulado (0,4), fue incluso inferior al segundo jugador del Real Madrid (Vinicius Junior con 0,48 xG).
A continuación, el mapa de pases clave se complementa con un análisis de los pases clave por zonas, diferenciando entre asistencias en juego abierto y asistencias a balón parado. Tanto las asistencias de Toni Kroos como las de Luka Modric a Vinicius Junior se sitúan en los primeros puestos de la clasificación de xA. Es interesante destacar cómo los pases clave llegaron desde los laterales para los de Zidane mientras que la mayoría de los pases clave del Liverpool se produjeron desde el centro.
A continuación, el siguiente paso, Control de Partido, permite al usuario configurar cuántas fases quiera analizar y el rango de tiempo de cada una. Por defecto se establecen cuatro fases. En cada fase, el Control de Partido se analiza mirando el % de posesión de cada equipo, la generación de Peligro Esperado y los pases entregados en el último tercio del campo.
Si observamos la primera mitad del partido, el Real Madrid generó claramente más peligro. Sin embargo, es interesante observar que a pesar de generar la mayor cantidad de peligro esperado (xT) en los primeros 25 minutos y un mayor número de pases en el último tercio del campo (52), su xG fue mucho mayor en la segunda fase, cuando el Real Madrid tuvo menos posesión, menor xT y sólo 21 pases en el último tercio.
En el cuarto paso, se analiza el mapa de finalización, de nuevo, por fases personalizables. La función explica al usuario qué equipo generó el mayor xG en cada fase y por qué. También se tienen en cuenta varias métricas, como la dirección, la posesión o el PPDA, para entender quién tuvo un mejor rendimiento en cada intervalo de tiempo.
Durante la primera fase del partido (1′ a 25′) el Real Madrid sólo generó 0,17 xG en juego abierto, y el Liverpool no pudo generar xG. Mientras el Real Madrid lo mejoró en la siguiente fase (26′ a 47′) alcanzando un total de xG en juego abierto de 1,08, la generación del Liverpool volvió a ser de 0.
Los valores de PPDA de ambos equipos estuvieron por encima de 20 en la primera fase (lo que significa que ambos equipos dejaron espacio para los pases antes de recuperar el balón) mientras que en los siguientes minutos, ambas métricas bajaron a 12,9 y 12 pases respectivamente (recuperando el balón más rápido). En la segunda parte, la generación de peligro del Real Madrid estuvo casi empatada con la del Liverpool en los primeros 25 minutos, mientras que en la última fase del partido no generaron xG. El Liverpool tampoco fue capaz de generar peligro real a Thibaut Courtois.
En el 5º paso, la herramienta estudia las diferentes fases seleccionadas con respecto al Mapa de Pases Clave. Qué equipo tuvo más el balón, la cantidad de pases, quién jugó de forma más directa o cuántas ocasiones se crearon son cifras que se tienen en cuenta cuando la herramienta saca una conclusión sobre cada fase.
Los ‘Reds’, sorprendentemente, no fueron capaces de generar una ocasión en la primera parte a pesar de tener el balón durante más minutos en el global, mientras que el Real Madrid consiguió crear 5 ocasiones. El inicio de la 2ª parte no fue diferente en términos de xA. El Liverpool volvió a ser superado, a pesar del gol de Salah, en la generación de ocasiones.
En los últimos 20 minutos del partido, a pesar de sumar una cantidad abrumadora de 97 pases en el último tercio del campo (cerca de la portería de Courtois) y un 65% de posesión del balón, este dominio estéril no se convirtió en ocasiones reales. También es interesante ver cómo el juego directo del Real Madrid aumentó en esta última fase del partido.
Por último, la herramienta analiza el mapa de pases en cada fase del partido. Se tienen en cuenta los porcentajes de pase, el xA por jugador y el porcentaje de xT generado del equipo. Toni Kroos realizó un 100% (24), 81% (11), 90% (20) y 80% (20) de pases buenos, respectivamente, en cada fase, números raramente alcanzables en los partidos de la Liga de Campeones.
Otro punto destacable es la evolución de la posición de los jugadores. Durante la primera parte del partido, Benzema se acercó a Vinicius durante los primeros 25′ mientras que se acercó a Marco Asensio en la segunda fase del partido. En la segunda parte del partido, el delantero francés se mantuvo más centrado sobre el campo.
Somos Driblab, una consultoría especializada en el análisis estadístico de jugadores y equipos; nuestra labor se centra en asesorar y minimizar el riesgo en la toma de decisiones en el fútbol profesional en áreas relacionadas con la detección de talento y evaluación de perfiles. Nuestra base de datos cuenta con más de 180.000 jugadores de más de 180 competiciones, abarcando así información de todo el fútbol mundial. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.
