Es posible que siga siendo una métrica que necesite de mayor empuje o que pueda no considerarse dominada por el usuario, pero el Peligro Esperado (xT) puede albergar una información extraordinaria cuando se utiliza de la forma correcta.
En este sentido, hemos comprobado, por propia experiencia pero sobre todo por la experiencia de clientes o usuarios, que las métricas ‘en equipo’ aportan una luz muchas veces crucial en el análisis del rendimiento. En su momento, realizamos un contenido muy compartido en el que visualizábamos la forma de detectar talentos en equipos que sufren, en el que activábamos métricas ‘en equipo’ con el objetivo de saber qué jugadores que no destacan de manera general sí lo hacen en equipo con problemas cuando se reparte por porcentaje la importancia de un jugador. Algo que surge como oportunidad para preguntarnos qué jugador genera más peligro a favor de su equipo aunque no sea el que más peligroso de todos. Modificando la premisa encontraremos la relación de dependencia de un equipo sobre este jugador y, por tanto, un valor añadido en el análisis de un jugador.
Con la métrica Peligro Esperado (xT) en juego en equipo vamos a encontrar jugadores de las cinco grandes ligas que más peligro generen en relación a todos sus compañeros, desechando la clasificación total. Recordamos brevemente qué es el Peligro Esperado: métrica que mide aquellas acciones en las que un jugador lleva la pelota a través de un pase, un regate o una conducción a zonas del campo donde la probabilidad de marcar gol es mayor, excluyendo las acciones a balón parado. Cuanto mayor sea la distancia entre el origen de la jugada y las zonas del área o próximas a ella, mayor valor en la generación de peligro.
Con esta métrica vamos a reconocer a jugadores de equipos más modestos que tienen una importancia extraordinaria en la generación de peligro (regate, profundidad, pases al espacio, conducciones, centros) como es el Caso de Matías Soulé, liderando al Frosinone en su año de cesión, destacando incluso en métricas absolutas, o Bryan Zaragoza, la revelación del fútbol español. El priemro genera el 30% del peligro de su equipo mientras Bryan genera el 29%.
También encontramos casos de equipos mucho más importantes, sobre todo por u manera de jugar. El caso de Ousmane Dembélé explica la cantidad de metros que recorre con conducciones y regates para empezar recibiendo cerca del mediocampo y trasladar la pelota hasta dentro del área, logrando inventarse ataques rápidos sin conectar con otros compañeros. Esta métrica es interesante por la diversidad de acciones que engloba y acumula. Casos como el de Johan Mojica o Diego Rico ejemplifican el de un perfil de jugadores con buena arrancada y centro en equipo de poca posesión o volumen ofensivo. Y esta métrica otorga mérito para el análisis.
Fundada en 2017 como consultoría, Driblab ha impulsado la innovación a través de los datos en todos los aspectos del fútbol profesional. Gracias a un modelo transversal, su base de datos recopila y modela estadísticas en todas direcciones. Desde la conversión de partidos y videos en datos a medida para academias formativas hasta el desarrollo de tecnología de vanguardia, brindando ayuda a clubes, federaciones y agencias de representación en la detección de talento y en los mercados de traspasos. Con diseños y servicios personalizables de software y consultoría, los datos inteligentes de Driblab son utilizados por clubes en todo el mundo, con casos de éxito como los de Dinamo de Zagreb, Real Betis, Girondins de Burdeos o América de México. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.