¿Qué hace un analista de datos en fútbol?
El analista de datos en fútbol es el profesional que recoge, ordena y analiza los datos de un club (de partido, físicos, de scouting) y los convierte en informes y visualizaciones que ayudan al cuerpo técnico y a la dirección deportiva a decidir mejor. Trabaja con herramientas como Power BI y Python, y es uno de los perfiles que más está creciendo en los clubes en este momento. Si quieres profundizar en el contexto más amplio de la analítica aplicada al fútbol, en este artículo sobre analítica deportiva tienes el marco completo.
La descripción suena ordenada, pero el trabajo del día a día no lo es tanto. Las tareas concretas de un analista de datos en un club son:
- Recoger datos de partido, físicos y de scouting desde Excel, CSV, bases de datos, GPS y plataformas de vídeo.
- Limpiarlos, estandarizarlos y almacenarlos en una estructura usable (lo que en el sector se llama un data warehouse).
- Construir métricas, filtros y modelos que respondan preguntas concretas del cuerpo técnico o de la dirección deportiva.
- Crear informes y dashboards que cualquier persona del club pueda leer, no solo alguien técnico.
- Responder encargos específicos: desde «dame delanteros de la liga belga con buen porcentaje de finalización» hasta «¿cómo está evolucionando la carga física de los centrales esta semana?».
Es un perfil transversal. No trabaja solo para el primer equipo ni solo para el departamento de scouting. También puede dar soporte a áreas de negocio del club. Eso lo hace distinto, y también más difícil de encajar en el organigrama clásico de muchos clubes. Para entender mejor qué es exactamente el rol del científico de datos en este contexto, merece la pena ver cómo se diferencia del analista de datos puro.
Del analista táctico al especialista en datos: una evolución con sentido
La confusión entre analista táctico y analista de datos es muy común, y tiene consecuencias prácticas: hay gente que prepara un portfolio de vídeo para una vacante de datos, o al revés, y no entiende por qué la descartan.
Pero más allá de la confusión, lo que conviene entender es que estos dos perfiles no son caminos separados sin conexión. Muchos de los mejores analistas de datos en fútbol llegaron desde el análisis táctico. Conocer el juego, saber qué le importa al entrenador y entender cómo se estructura un informe de rival son una base muy sólida. La especialización en datos añade encima las herramientas técnicas que permiten escalar ese trabajo, automatizarlo y hacerlo más preciso. El resultado es un perfil que abre muchas más puertas en el mercado, porque combina lo que pocos tienen juntos: criterio futbolístico y capacidad técnica.
Los dos perfiles se complementan y a veces comparten herramientas, pero sus entregables, su dominio técnico y a quién reportan son distintos.
| Aspecto | Analista táctico | Analista de datos |
|---|---|---|
| A quién sirve sobre todo | Cuerpo técnico | Cuerpo técnico y dirección deportiva |
| Herramienta principal | Vídeo y software de análisis (Nacsport, Hudl) | Power BI, Python, bases de datos |
| Con qué trabaja | Vídeo y observación | Datos de evento, físicos y de tracking |
| Qué entrega | Informes de rival y clips para la charla | Informes, dashboards y filtros de jugadores |
El analista táctico tiene que estar cómodo con los datos, pero no tiene por qué ser especialista en ellos. El analista de datos, en cambio, tiene que dominar las herramientas: no le vale con saber leer una tabla de xG, tiene que saber construirla y hacer que se actualice sola cuando entran nuevos datos. Ese salto técnico es el que diferencia los dos roles, y también el que, dado desde una base táctica sólida, es más difícil de imitar para alguien que venga solo de la programación.
La mejor forma de ver cómo trabajan juntos es con un ejemplo real. La dirección deportiva pide un delantero con buen porcentaje de finalización y contrato corto. El jefe de scouting define los criterios tácticos y el contexto: qué liga, qué perfil de juego, qué margen económico. El analista de datos filtra la base de datos con esos parámetros, cruza métricas de finalización, velocidad y duración de contrato, y devuelve una lista de diez o veinte nombres. A partir de ahí, el scout ve los vídeos y descarta o prioriza. Ninguno de los dos puede hacer bien su trabajo sin el otro.
Por qué los clubes buscan cada vez más analistas de datos
Hay un dato que lo explica bien. Según un análisis de Indeed publicado por Euronews en agosto de 2026, los puestos de datos y analítica supusieron el 3,2 % de las ofertas de empleo de los clubes de fútbol profesional del Reino Unido entre julio de 2025 y junio de 2026. En 2018 eran el 1,5 %. Más del doble en menos de una década, con la contratación total de los clubes británicos triplicada en ese mismo periodo. Los títulos más frecuentes en esa categoría, según la misma fuente: performance analyst, data analyst, data scientist y becario de ciencia de datos.
Esos datos son del Reino Unido, que lleva años de ventaja en esto. En España la foto es distinta, pero el diagnóstico apunta en la misma dirección. Sergio Llana, que trabajó en el FC Barcelona desde 2018 y llegó a liderar el departamento de análisis de datos en 2022, lo contó a elDiario.es con precisión: en el Barça llegaron a ser cinco analistas de datos a tiempo completo, algo que él mismo describió como inusual. En la mayoría de clubes españoles hay uno o dos. Para poner en perspectiva la brecha que queda por cubrir, en fútbol americano algunos equipos tienen veinte analistas y en béisbol pueden llegar a treinta.
Llana también apuntó algo que no suele aparecer en los análisis: el respaldo del propietario es clave. Cuando la creencia en los datos viene de arriba, los departamentos se construyen y se sostienen. Cuando no, el analista trabaja en solitario y sin recursos.
Qué herramientas te van a pedir
Si miras ofertas reales de clubes y federaciones, el patrón se repite. Una herramienta de visualización más un lenguaje de programación. La combinación más frecuente es Power BI con Python. En algunos casos aparece Tableau en lugar de Power BI. Las ofertas también piden conocer proveedores de datos como Stats Perform, StatsBomb, Second Spectrum o SkillCorner.
Por qué ese patrón concreto: Power BI permite construir dashboards que cualquier persona del club puede consultar sin saber programar. Python permite automatizar la recogida de datos, limpiarlos, calcular métricas personalizadas y, en fases más avanzadas, construir modelos predictivos. Los dos juntos cubren la gran mayoría de lo que piden las ofertas de analista de datos en clubes y organizaciones deportivas.
El nivel siguiente, una vez que dominas esa base, pasa por SQL y bases de datos (indispensable cuando los volúmenes crecen), y por datos de tracking (posicionamiento de jugadores fotograma a fotograma), que son más complejos pero también los que más diferencian a un perfil senior. Tienes más sobre esto en el artículo específico sobre Python para analistas de fútbol.
Una advertencia: el objetivo en un club no es ser desarrollador de software. El analista de datos hace prototipos y trabaja con perfiles de ingeniería cuando el proyecto escala. Saber programar es una herramienta para analizar y decidir mejor, no el fin en sí mismo.
De una base de datos de fútbol base a FIFA: el camino de Luis Mosquera
Luis Mosquera es profesor de Power BI 360 y Python 360 en Objetivo Analista, y su trayectoria es uno de los casos más concretos que existen para entender cómo se llega a este tipo de rol desde cero.
Empezó aproximadamente en 2020, formándose con un máster en big data deportivo y varios cursos de análisis y scouting. En lugar de esperar a que un club le abriera la puerta, montó un proyecto propio: una base de datos de fútbol base que, según él mismo ha contado, supera los dos millones y medio de partidos y el millón y medio de jugadores. Ese proyecto le sirvió para colaborar con clubes de LaLiga en sus canteras y para tener algo enseñable cuando llegó el momento de presentarse a ofertas de trabajo.
Después entró en Kinexon, proveedor de datos de tracking, como científico de datos. Trabajó en un proyecto de balón sensorizado y pasó a coordinar el área de analítica deportiva. Luego se incorporó a FIFA para coordinar proyectos de datos de fútbol, incluida la preparación del Mundial y del Mundial de Clubes. Ha participado también en proyectos con UEFA y con la NBA.
Su lectura de todo ese recorrido es que el análisis de datos en fútbol todavía tiene huecos reales, porque muchos clubes están empezando a implementarlo. Y que un proyecto propio bien presentado, con datos reales y código publicado, causa una impresión que un CV convencional no puede causar.
Es un camino exigente, no uno rápido. Pero es trazable.
Cómo empezar a trabajar como analista de datos en fútbol
No hay un orden único, pero sí uno que tiene más sentido que otros:
- Formarte en Power BI y Python aplicados al fútbol. No en abstracto, sino con datos reales de partido o de scouting. La diferencia entre saber la herramienta y saber usarla en contexto futbolístico es enorme.
- Conocer las fuentes de datos y los proveedores. StatsBomb tiene datos abiertos con los que puedes empezar sin coste. Las licencias profesionales de Stats Perform o SkillCorner cuestan dinero, pero saber que existen y qué cubren ya te pone por delante de la mayoría de aspirantes.
- Montar un proyecto propio con datos reales. No hace falta que sea enorme. Puede ser un análisis de una liga semi-profesional, un modelo de xG construido desde cero, o una base de datos de una competición concreta. Lo importante es que sea tuyo, que esté documentado y que alguien pueda ver cómo piensas.
- Publicarlo en GitHub como portfolio. Es la diferencia entre decir que sabes Python y demostrarlo. Documenta el código, explica las decisiones y usa entornos virtuales para no exponer credenciales. También conviene pensar en la ética de los datos desde el principio, porque en un club trabajas con información sensible de personas reales.
- Entender el fútbol, no solo los datos. Sebastián Villalba, analista de datos de rendimiento en Unión de Santa Fe, lo decía claro: la primera inversión debería ir a formar gente que sepa procesar bien los datos, empezando por lo menos vistoso, la limpieza y el tratamiento. Quien llega con conocimiento del juego y de datos es mucho más útil que quien solo sabe una de las dos cosas.
- Aprender a comunicar con el cuerpo técnico. Un dashboard perfecto que nadie entiende no sirve. La habilidad de traducir un hallazgo en una frase que el entrenador pueda usar en la charla del lunes es tan importante como haberlo encontrado.
Si quieres saber cuánto cobra este perfil en el mercado actual, tienes los datos desglosados en el artículo sobre cuánto gana un analista de fútbol.
El dato ya tiene silla en el vestuario
Hace diez años, el analista de datos en fútbol era una rareza. Hoy es un puesto con nombre en los organigramas de los clubes del Reino Unido, con demanda creciente en España y con una presencia cada vez mayor en estructuras más modestas de Argentina, México y Colombia, donde un solo perfil muchas veces mezcla vídeo, datos y scouting porque el presupuesto no da para más, pero la necesidad existe igual.
El perfil que buscan los clubes no es el del programador que entiende de fútbol, ni el del aficionado que aprendió Python. Tampoco es el analista táctico que se quedó solo con el vídeo. Es alguien que sabe moverse entre los dos mundos: construir la herramienta y explicar el resultado. Quien viene del análisis táctico y da el salto a los datos llega con una ventaja real, porque ya entiende las preguntas que hay que responder. Eso todavía es escaso.
Si quieres dar el salto a analista de datos en fútbol, en Datos 360 aprendes Power BI y Python aplicados al fútbol con Luis Mosquera y proyectos reales que puedes enseñar a un club. Y si todavía estás empezando con los datos, arranca por el curso gratis de Power BI.
