Tal como hablamos en la última edición del World Football Summit y siguiendo nuestra línea de crear herramientas que ayuden a entender partidos de fútbol desde un punto de vista basado en datos, hoy en Driblab presentamos nuestro nuevo Gráfico de Control de Partido. El objetivo es diferenciar las distintas fases de un partido a partir del peligro generado por cada equipo.
Para entender lo que estamos midiendo aquí, queremos que intentes ponerte en las botas de cualquier defensor de tu equipo favorito; hay algunas zonas del campo donde, si no quieres perder tu trabajo, es mejor que mantengas el balón alejado; es decir, las áreas más cercanas a la portería que estás defendiendo. Usando nuestra gran base de datos de partidos, podemos decir que, si el equipo contrario recibe el balón dentro del área pequeña, las posibilidades de que esa jugada termine en gol son alrededor de una de cada dos veces. En cambio, si el balón se recibe en la frontal del área, las posibilidades bajan al 5%, por lo que sólo una de cada 20 jugadas resultará en un gol. Así, si un jugador es capaz de mover el balón desde la frontal del área contraria (5% de oportunidad de gol) hasta el área pequeña (50% de oportunidad de gol), podemos decir que añadió 45 puntos porcentuales de peligro a esa jugada en particular.
Para que una jugada añada puntos porcentuales a un equipo, tiene que terminar con éxito. Las únicas formas en las que una jugada puede terminar con éxito son con acciones que mantengan la posesión del balón (es decir, un pase completado, una falta recibida, etc…) o cualquier tipo de tiro. Nuestro modelo está influenciado por el trabajo previo creado por Opta con su métrica de Possession Value y el ya conocido Expected Threat de Karun Singh. Sin embargo, nuestro modelo difiere en algunos aspectos. En primer lugar, nuestras acciones se cuentan como esfuerzos únicos y aislados en lugar de estar ligados a una posesión (por cierto, ¿alguien sabe lo que es una posesión?). También utilizamos un gran conjunto de datos de acciones para medir mejor las probabilidades en cada área, y añadimos interpolación bilineal a nuestro modelo para cuantificar, con un mayor grado de precisión, aquellas jugadas que no comienzan o terminan exactamente desde el centro de un área, creando una malla continua del campo como si fuera un campo gravitacional. Además, tenemos en cuenta de qué manera termina una jugada; definitivamente, no es lo mismo (con respecto a la amenaza generada al oponente) centrar un balón al punto de penalti que provocar un penalti conduciendo el balón al área contraria. Ambas acciones colocarán el balón en el mismo punto para que un compañero intente marcar, pero tienen posibilidades muy diferentes de terminar en gol.
Vayamos al grano. Este es el Gráfico de Control del derbi de Madrid:
Se puede ver cómo el Atlético de Madrid empezó a controlar ligeramente el juego en cuanto a peligro se refiere: eso se debe a un pase de Koke en el 1:26 a la frontal del área. Después de eso, vemos cómo el Real Madrid controla el partido durante el resto de la primera mitad, incluso después del primer gol, momento en el que tienen el mayor grado de control del juego. Durante el segundo periodo la generación de peligro de cada equipo parece más pareja: vemos un primer pico de peligro del Atlético hasta 0.075 viniendo del excelente pase de Marcos Llorente a Tomás Lemar que termina en un disparo muy cercano al poste derecho de la portería de Courtois. El segundo pico viene con el centro de Lodi que Saúl remata de cabeza pero Courtois desactiva con una gran parada.
Las líneas del gráfico se suavizan usando una media móvil de la diferencia de peligrosidad creada por cada equipo: calculamos la diferencia de peligrosidad para que el control pertenezca a uno u otro equipo en un momento dado.
Otro gran ejemplo sería el partido de Mainz vs. Cologne jugado el sábado pasado. Podemos ver cómo el gol del Colonia llegó durante una fase en la que el Mainz controlaba el juego, pero una posesión perdida por el Mainz y un contraataque del Colonia llevaron al primer y único gol del partido. Un par de minutos después de una gran oportunidad del Colonia de anotar el segundo gol, Ondrej Duda recibiría una tarjeta roja que cambiaría el dominio del juego al Mainz. Durante esta última fase del juego, Mainz generaría 113 puntos porcentuales de peligro, que se convertirían en 0,81 goles esperados en 8 tiros, pero ninguno de ellos resultaría en gol.
El siguiente Gráfico de Control de Partido muestra la remontada del Manchester United contra el West Ham United. Vemos un primer tiempo con ligeros cambios de control durante la primera media hora del partido. El West Ham generaría más peligro durante los siguientes quince minutos con muchas jugadas en las que llegarían a zonas comprometidas, dando lugar a 9 tiros y al primer gol del partido. La segunda mitad pertenece al Manchester United en cuanto a peligro generado; aunque la superioridad no parece estar tan clara, fue suficiente para que los Reds consiguieran la victoria.
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 150.000 jugadores de más de 180 competiciones, abarcando así información de todo el fútbol mundial. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.
