datos

9 tipos de gráfico espectaculares que puedes hacer con datos de fútbol en Power BI

por Deja un comentario

Las redes sociales se han inundado, últimamente, de diferentes tipos de gráfico de fútbol. Cada día el análisis de datos de fútbol es más importante y más visible para los aficionados a este deporte.

Power BI es una herramienta genial. Más allá del análisis técnico que se pueda hacer a partir de los números puros, es importante ser capaces de transmitir el valor de esa información.

Que cualquier persona, independientemente de su nivel de conocimiento acerca de los datos, pueda hacerse una idea de lo que tratamos de explicar con ellos.

Las herramientas de visualización ponen en nuestra mano una vía perfecta para conseguirlo.

En el artículo de hoy hemos hecho una selección de los 9 objetos visuales aplicables al mundo del fútbol que más nos gustan de Power BI.

Power BI pone a tu disposición decenas de gráficos diferentes que puedes utilizar directamente y de manera gratuita.

Estos gráficos, mejor llamados objetos visuales, están en el panel de visualización de la derecha. Incluye desde las tablas más básicas que todos conocemos hasta los famosos gráficos de radar y mapas de calor como los de la tele.

Además, al final del artículo desvelaremos un truco para conseguir tener cualquier gráfico que se te ocurra.

1. Gráfico de tablas y matrices aplicado al fútbol

Tabla realizada con Power BI

Aunque de primeras puede parecer una manera demasiado simple de visualizar la información como para meterla en nuestros informes, a veces, menos, es más.

Las tablas nos permiten estructurar la información de tal manera que podamos presentar diferentes métricas y ordenarlas según nos convenga, generando rankings y observando claramente en qué orden se sitúan nuestras categorías de datos.

Además, los formatos condicionales permiten visualizar rápidamente cómo se diferencia el valor de las métricas entre unas categorías y otras o establecer alertas cuando se superen ciertos límites.

2. Gráficos de barras

Gráfico de barras con datos de fútbol elaborado con Power BI

El gráfico de barras o columnas tiene hasta seis variantes diferentes. Por un lado, podemos representar los datos de manera vertical u horizontal.

Después, podemos hacerlo apilando los valores totales en la misma columna, pero diferenciados por color según la categoría, apilando los valores según el porcentaje que representan sobre el 100% de los datos, o agruparlos para comparar las categorías en columnas diferentes.

Este tipo de gráficos son muy útiles para generar rankings y comparativas.

3. Gráfico de áreas

Gráfico de áreas con datos xG de un partido entre Chelsea y Arsenal

El gráfico de áreas permite visualizar el cambio o la tendencia que se produce en una variable a lo largo del tiempo, y compararlo entre categorías mediante colores.

En el ejemplo de la imagen estamos representando el acumulado de goles esperados (xG) a lo largo de los noventa minutos de un partido.

Cada color representa a un equipo (local o visitante) y es una forma muy visual de entender cómo se ha desarrollado un partido en términos de oportunidades generadas por cada equipo.

4. Gráfico de radar con datos de fútbol

Radar comparativo de estadísticas de 3 futbolistas

El gráfico de radar es uno de los más reconocibles en el mundo del fútbol, entre otras cosas, por los famosos gráficos de radar de StatsBomb.

Estos gráficos son una gran herramienta para comparar categorías utilizando múltiples variables.

Estas variables se distribuyen a lo largo del eje, de manera que cuanto más se extiende hacia el exterior mejor es la “puntuación” de dicha variable. Los colores representan las diferentes categorías.

5. Gráfico de dispersión

Gráfico de dispersión

Los gráficos de dispersión nos permiten representar datos en un eje horizontal (eje X) y en un eje vertical (eje Y). De esta manera podemos comparar y relacionar dos variables distintas en un mismo plano.

Además, podemos establecer colores en las burbujas de datos en función de la categoría a la que pertenecen, e incluso variar el tamaño de estas en función de una nueva variable.

Estos gráficos son especialmente útiles para ver la relación existente entre dos variables o para contextualizar la situación de un equipo (por ejemplo) con respecto de sus competidores en base a dos métricas diferentes.

6. Gráfico de campograma con campo de fútbol

Gráfico representativo de las zonas de acción de dos futbolistas

Los eventos que se registran en los partidos de fútbol se almacenan bajo unas coordenadas X e Y. Estas coordenadas corresponden a los ejes del gráfico de dispersión, y es que son estos objetos visuales los que nos van a permitir representar las acciones en un campo de fútbol.

Lo único que tenemos que debemos hacer es añadir una foto de un campo de fondo y nos queda algo como en la imagen.

Este tipo de gráficos son muy útiles para mostrar de un modo visual las zonas:

  • Con mayor número de acciones
  • De disparos más habituales de un jugador
  • Con mayor número de pases acertados y fallados
  • En las que un jugador/equipo recupera el balón
  • Etc

Son un complemento muy bueno para artículos periodísticos deportivos o para contextualizar la manera de jugar de un equipo, entre otros muchos usos.

7. Mapa de calor

Mapa de calor que representa la zona de mayor acción de Kylian Mbappé durante un partido

Seguro que más de una vez has visto mapas de calor circulando por Twitter después de los partidos, en las televisiones y en páginas de datos de fútbol como SofaScore.

En Power BI tenemos la posibilidad de hacerlos de hasta tres maneras diferentes.

  1. Podemos echarle imaginación y utilizar las matrices y los formatos condicionales para generas mapas de calor como los de la imagen.
  2. Utilizar el objeto visual de “Synoptic Visual” para generar mapas de calor con zonas personalizadas por nosotros.
  3. Importar un objeto visual creado por un usuario de la comunidad que es igual que el que utilizan las televisiones y las webs especializadas.

8. Diseños personalizados

Gráfico personalizado de lesiones

Al igual que para los mapas de calor, el objeto visual de “Synoptic Visual” nos permite crear todo tipo de diseños a nuestro gusto y para todo lo que necesitemos.

Con este objeto visual podemos importar nuestras propias imágenes y definir las zonas que nosotros queramos.

De esta manera podemos crear gráficos para el seguimiento de lesiones como el que ves en la imagen, o un gráfico para estudiar la finalización de equipo propio y rival, como el que muestran en la tele con los últimos penaltis tirados por un jugador que va a ejecutar un lanzamiento.

9. Mapas interactivos

Mapa del mundo interactivo con las 32 selecciones que participaron en el mundial 2018

Ya que hemos hablado tanto de mapas no nos podíamos quedar sin mencionar los mapas de toda la vida, los de verdad.

En Power BI tenemos la opción de utilizar los mapas integrados por Microsoft Bing.

Estos mapas nos permiten analizar nuestros datos en función del territorio. En el ejemplo, los utilizamos de un modo más descriptivo para mostrar las 32 selecciones participantes en el Mundial de 2018.

EXTRA: Cómo obtener objetos visuales infinitos en Power BI.

Hay algo que no te habíamos contado hasta ahora, y es que en realidad los objetos visuales en Power BI son infinitos.

En nuestro artículo de Introducción a Power BI, os contábamos que uno de los motivos por los que nos gusta tanto esta herramienta es su inmensa comunidad y la capacidad que esta nos proporciona para colaborar con otros usuarios.

Y es que Microsoft pone a nuestra disposición un Marketplace donde podemos descargarnos los objetos visuales creados por otros usuarios de manera completamente gratuita, y usarlos en nuestros informes.

Si además eres bueno programando, puedes llegar a crear tus propios objetos visuales o integrar tu código de Python y R para darle más flexibilidad a tus gráficos.

Si no sabes programar, pero se te ha ocurrido una buena idea, no te preocupes, en internet puedes encontrar objetos visuales que por algún motivo no están en el Marketplace, como el mapa de calor que te hemos enseñado.

Además, Microsoft tiene habilitada una página llamada “Ideas Power BI” donde puedes votar ideas de otros usuarios o plantear las tuyas, y poco a poco Microsoft las irá introduciendo de manera orgánica en Power BI.

Power BI tiene un sinfín de posibilidades de visualización y una capacidad de personalización inmensa.

En este artículo te hemos contado los 9 que más nos gustan, pero en el Curso de Power BI 360 Aplicado al fútbol te enseñamos a utilizar muchos más y a cómo integrar tus datos de fútbol para visualizarlos.

Lenguaje R, ¿qué es y porque nos interesa como analista de fútbol?

por 5 comentarios

Si estás interesado en seguir aprendiendo y formarte como analista, seguro que este artículo te interesa.

No te olvides de llegar hasta el final….

Me imagino que a estas alturas las palabras “big data” no serán desconocidas para ti y tampoco que la cantidad de datos que generamos a todas horas y de diferentes maneras es gigantesca. Las empresas de diferentes tipos de sector también lo saben y están intentando sacarle partido. El mundo del fútbol no es una excepción pero no sirve de nada tener muchos datos si no obtenemos valor de ellos.

Mi nombre es Óscar Bartolomé, trabajo como ingeniero de datos y mi intención en este artículo es introduciros a una herramienta muy útil para este propósito: el lenguaje R.

Lenguaje R

¿Qué es el lenguaje R?

Si estás leyendo este blog es porque compartes con nosotros la pasión por el fútbol. En esta introducción, todos los ejemplos se explicarán con datos sobre este deporte, para darte una visión de lo que podemos conseguir con unas pocas líneas de código. Si esto último te ha dejado un poco confuso, te lo explico. R es un lenguaje de programación. Si ya tienes experiencia en este mundillo, no te costará mucho entrar en R. En cambio, si no tienes conocimientos de programación, ¡no te preocupes! Existen muchísimos cursos gratuitos de iniciación en R. A mí en su día, me fue muy útil este libro gratuito.

R es un lenguaje «open source», lo cual quiere decir que es de libre acceso y que todo el mundo puede colaborar en su desarrollo y mejora. Es por eso que dispone de una gran comunidad detrás y encontrar tutoriales o respuestas a cualquier tipo de duda es bastante sencillo.

¿Por qué R y no otro lenguaje?

R, a diferencia de otros lenguajes de uso general, está enfocado al análisis estadístico. Provee una serie de paquetes que nos serán de gran ayuda a la hora de realizar experimentos o estudios desde procesos previos como el preprocesamiento de datos o el análisis descriptivo, a tareas más complejas como el diseño de modelos de Machine Learning. Además, ya hay usuarios que han creado paquetes orientados específicamente al análisis de datos de fútbol, como ggsoccer o soccergraphR.

¿Cómo empiezo?

El primer paso es descargar R e instalarlo. Podéis encontrar la última versión y las instrucciones de instalación en su página oficial.

Toca el turno de su IDE. Sí, puede que te suene a chino pero te lo explico. Son las siglas en inglés de “Entorno de Desarrollo Integrado” o, lo que es lo mismo, el software que utilizaremos para programar en R. A mí me parece muy fácil de usar ya que se divide en cuatro paneles y cada uno tiene un propósito.

En la página oficial de R Studio podéis encontrar la versión más reciente y tutoriales para iniciarse en su instalación y manejo.

R Studio, el IDE del lenguaje R

¿Qué tiene que ver esto con el fútbol?

Con R podremos preparar los datos para dejarlos en el formato que necesitemos y posteriormente realizar todo tipo de visualizaciones. Gráficos de radar para comparar jugadores según ciertas características, grafos con las redes de pases de un equipo en un partido o gráficos de puntos con las posiciones de disparo de un jugador sobre el campo, son algunos ejemplos de las posibilidades que nos ofrece R.

¿No lo ves claro todavía? Te enseño un ejemplo

Vamos a entrar en materia. La temporada pasada, como suele ser habitual, Real Madrid y FC Barcelona estuvieron peleando por el título de liga hasta el último minuto y finalmente fue el equipo blanco el que consiguió levantar el trofeo. Sus principales estrellas consiguieron, como se suele decir, “buenos números”. O eso creemos. Vamos a analizar algunas estadísticas de Antoine Griezmann y Karim Benzema, los delanteros centro franceses de ambos equipos, durante la temporada 2019-2020.

1. Los datos

Principalmente para hacer un buen análisis son necesarios unos buenos datos. Existen proveedores de pago que nos ofrecen una completísima gama de datos de equipos, jugadores, partidos, competiciones, etc, así como gráficos e informes, sin el más mínimo esfuerzo. Pero sus precios sólo están al alcance de equipos profesionales. Los que nos iniciamos en esto recurrimos a fuentes gratuitas de datos, que también las hay. Aquí te dejo las 7 mejores páginas gratuitas para obtener datos de fútbol.

Yo he descargado los datos de FBRef.com y tienen esta pinta:

> str(liga.data)
'data.frame':	570 obs. of  30 variables:
 $ RL        : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Jugador   : chr  "Antonio Adán\\Antonio-Adan" ...
 $ País      : chr  "es ESP" "es ESP" "gh GHA" "es ESP" ...
 $ Posc      : chr  "PO" "DL" "DF" "DF" ...
 $ Equipo    : chr  "Atlético Madrid" "Athletic Club" ...
 $ Edad      : int  32 38 22 23 23 30 33 25 28 26 ...
 $ Nacimiento: int  1987 1981 1996 1996 1995 1989 1985 1993 ...
 $ PJ        : int  1 14 23 31 32 27 36 13 27 6 ...
 $ Titular   : int  0 0 20 23 27 25 36 11 20 0 ...
 $ Mín       : int  25 208 1805 2099 2502 2187 3237 924 1927 ...
 $ Gls.      : int  0 1 1 1 0 2 1 4 2 0 ...
 $ Ass       : int  0 0 0 1 1 5 0 1 2 0 ...
 $ TP        : int  0 0 0 0 0 0 0 0 0 0 ...
 $ TPint     : int  0 1 0 0 0 0 0 0 0 0 ...
 $ TA        : int  0 3 5 5 4 7 9 1 10 0 ...
 $ TR        : int  0 0 1 1 0 0 0 0 0 0 ...
 $ Gls..1    : num  0 0.43 0.05 0.04 0 0.08 0.03 0.39 0.09 0 ...
 $ Ast       : num  0 0 0 0.04 0.04 0.21 0 0.1 0.09 0 ...
 $ G.A       : num  0 0.43 0.05 0.09 0.04 0.29 0.03 0.49 0.19 ...
 $ G.TP      : num  0 0.43 0.05 0.04 0 0.08 0.03 0.39 0.09 0 ...
 $ G.A.TP    : num  0 0.43 0.05 0.09 0.04 0.29 0.03 0.49 0.19 ...
 $ xG        : num  0 1.3 0.3 0.9 0.9 1 1.5 3.3 1.6 0 ...
 $ npxG      : num  0 0.6 0.3 0.9 0.9 1 1.5 3.3 1.6 0 ...
 $ xA        : num  0 0 1.9 0.9 1 3.4 0.4 1.5 0.9 0 ...
 $ xG.1      : num  0 0.57 0.02 0.04 0.03 0.04 0.04 0.32 0.07 ...
 $ xA.1      : num  0 0 0.09 0.04 0.04 0.14 0.01 0.15 0.04 ...
 $ xG.xA     : num  0 0.57 0.11 0.08 0.07 0.18 0.05 0.47 0.12 ...
 $ npxG.1    : num  0 0.25 0.02 0.04 0.03 0.04 0.04 0.32 0.07 ...
 $ npxG.xA   : num  0 0.25 0.11 0.08 0.07 0.18 0.05 0.47 0.12 ...

2. A programar

Como podéis ver, tenemos muchas estadísticas de todos los jugadores de La Liga en la temporada 2019-2020. A nosotros sólo nos interesan dos jugadores en particular y no todas sus estadísticas, así que lo primero que debemos hacer es cargar y preprocesar los datos. Para este cometido existe un paquete muy útil llamado dplyr. Pertenece a una familia llamada tidyverse, que engloba varios paquetes dirigidos sobre todo al preprocesamiento de datos y a la visualización de éstos. Para ahondar más en estos paquetes, os recomiendo el libro web gratuito R for Data Science.

Vamos a ello. Lo que necesitamos es quedarnos sólo con las estadísticas de sus delanteros, Karim Benzema y Antoine Griezmann. Además sólo queremos ver ciertas estadísticas. Utilizando unas pocas funciones de dplyr lo podemos conseguir.

## install.packages(“tidyverse”)
library(tidyverse)

## Leemos el archivo .csv con los datos
liga.data <- read.csv("data/estadisticas_jugador_liga_19_20.csv", 
                      skip = 1, 
                      stringsAsFactors = F, 
                      fileEncoding = "UTF-8")

## Filtramos Benzema y Griezmann, y seleccionamos las columnas
comparacion.data <- liga.data %>% 
  mutate(Jugador = gsub("[\\].*", "", Jugador)) %>% 
  filter(Jugador %in% c("Karim Benzema", "Antoine Griezmann")) %>%  
  column_to_rownames(var = "Jugador") %>% 
  select(Asistencias = Ass, xA, Goles = Gls., xG, De.penalty = TP,  
         npxG, Tarjetas.amarillas = TA, Tarjetas.rojas = TR)

Ya tenemos los datos que necesitamos, ¿ahora qué? Pues vamos a hacer un diagrama de radar para comparar los números de ambos jugadores. El paquete por excelencia para visualización en R es ggplot, también perteneciente a tidyverse. Con él se pueden realizar una infinidad de gráficos distintos y personalizarlos de múltiples maneras. Pero, para hacer gráficos de radar, me gusta más este otro, fmsb. Tiene la función radarchart, que es más sencilla de utilizar.

## install.packages(“fmsb”)
library(fmsb)

## Valores máximo y mínimo de cada columna
## Utilizamos los máximos de todos los jugadores
maximo <- apply(liga.data[, c("Ass", "xA", "Gls.", "xG", "TP", 
                              "npxG", "TA", "TR")], 
              2, 
              max,
              na.rm=T)
minimo <- apply(liga.data[, c("Ass", "xA", "Gls.", "xG", "TP", 
                              "npxG", "TA", "TR")],
              2,
              min,
              na.rm=T)

## Función para personalizar el gráfico de radar
grafico_radar <- function(data, max, min){
  data <- rbind(max, min, data)
  colors_border <- c(rgb(0.2,0.5,0.5,0.9), rgb(0.8,0.2,0.5,0.9), 
                     rgb(0.7,0.5,0.1,0.9))
  colors_in <- c(rgb(0.2,0.5,0.5,0.4), rgb(0.8,0.2,0.5,0.4), 
                 rgb(0.7,0.5,0.1,0.4))
  radarchart(data, axistype = 2, pcol = colors_border, 
             pfcol = colors_in, plwd = 4, plty = 1, 
             cglcol = "grey", cglty = 1, axislabcol = "red3", 
             cglwd = 0.8, vlcex = 0.8)
  legend(x = 0.7, y=1.3, y.intersp=0.4, 
         legend = rownames(data[-c(1,2),]), bty = "n", pch=20, 
         col=colors_in, text.col = "black", cex=1, pt.cex=3)
}

## Dibujamos el gráfico de radar
grafico_radar(comparacion.data, maximo, minimo)

Ejecutamos el código y… ¡Magia! Ya tenemos nuestro gráfico de radar con las estadísticas de los dos jugadores.

Gráfico de radar

Podemos apreciar como Karim Benzema ha sido muy superior a Antoine Griezmann durante la temporada 2019-2020. Además vemos que, en estadísticas como los goles marcados o los goles esperados, Karim Benzema ha tenido de los valores más altos entre todos los jugadores del campeonato. Estos gráficos son muy útiles para comparar jugadores, aunque también nos sirven para visualizar las principales características de cada jugador de forma individual. Incluso podemos representar en ellos otras entidades que no sean jugadores, como equipos o incluso ligas.

¿Os ha gustado? Pues esto es sólo una pequeña muestra de todo lo que el lenguaje R nos puede ofrecer. Te invito a que pruebes a ejecutar este ejemplo y personalizarlo a tu antojo o incluso a probar con otros gráficos que investigues por tu cuenta. No dudes en dejar tu opinión o preguntas que te surjan en los comentarios.

Si estás interesado en formarte con R y aplicarlo en el mundo del fútbol como analista, esta formación te va a interesar…Puedes pedir más información aquí.

Las claves para hacer un fichaje de manera eficiente

por 1 comentario

Muchos os preguntáis cómo se puede tasar a un jugador, cómo se sabe si es el momento para vender o si determinada jugadora está lista para dar el salto a ser comprada por un equipo top. Soy Elena Araujo Gámiz y el propósito de este artículo es descubrirte las herramientas «secretas» que hay detrás de cada fichaje profesional: los datos.

Nos encontramos en pleno verano y con él la llegada de las vacaciones. Todo se mueve, y más concretamente, se mueven nuevos proyectos deportivos, nuevas metas, nuevos objetivos y para conseguirlos se mueve también el mercado de fichajes de miles de deportes. En el fútbol es muy frecuente encender la TV o entrar en redes sociales y ver la compra del fichaje multimillonario de un gran club poderoso, o al revés, la multimillonaria inversión detrás de un famoso nombre.

Procedimiento para el fichaje de un/a jugador/a

Por todos es sabido que cada club trabaja con su red de «scouts» de una manera diferente. Los scouts no son más que ojeadores enviados a diferentes puntos del mundo con el objetivo de fichar al mejor perfil para su club. Estos seguidores de jugadores tienen la consigna de ser lo más eficiente posible, que no es lo mismo que ser eficaz. Eficiente es hacer lo máximo con lo mínimo. Buscar cobre y encontrar oro, pero a precio de cobre. Que lo invertido se multiplique con los años. Y para eso hay un procedimiento previo el cual detallo a continuación.

Seguimiento para la compra

Cada club tiene repartidos por las grandes ligas a un numeroso equipo de scouts que se dedican a hacer un seguimiento de jugadores que podrían convertirse en potenciales fichajes tanto del mercado de invierno como el de verano. Estos scouts tienen previamente unas consignas generales acerca del perfil que se busca en su club, por ejemplo:

  • Máximos goleadores sub-23.
  • Máximos asistentes de equipos que han quedado del 1º al 5º puesto en liga.
  • Jugadores con variables muy positivas dentro de equipos que van por debajo en la tabla.

Dicha información la sacan de plataformas como InStat o StatsBomb, pero ellos con su ojo clínico van personalmente a ver a los jugadores en cuestión y realizan un informe para su club.

Es importante ver al jugador en diferentes momentos y que diferentes scouts le hayan dado el visto bueno. Se visitan partidos dentro de casa, fuera de casa, contra rivales de lo alto de la tabla, rivales de abajo de la tabla, competición copera o liga de campeones tanto Europa League como Champions League o Woman’s Champions League en el caso de Europa. Si son jugadores africanos, el seguimiento suele hacerse a las selecciones de determinados países.

Radar para el fichaje de Riqui Puig

Con esta información inicial, el scout hace un seguimiento a miles de jugadores de diferentes posiciones. El momento también es muy importante. Suele hacerse los meses de agosto (pretemporada), octubre (liga iniciada poco tiempo antes), enero (comienzo de la 2ª vuelta) y abril (casi terminando las competiciones y cuando empiezan las negociaciones).

Filtrado por modelo de juego y objetivo

Probablemente esta sea la parte más complicada y larga dentro de la historia de un fichaje. Los scouts han seguido a cientos (a veces miles) de jugadores por Europa, Asia, America, Oceania y parte de África. En este momento se sientan sobre la mesa varias figuras que no hemos nombrado antes pero que cobran una vital importancia:

  • Director deportivo.
  • Entrenador.
  • Analistas (del propio equipo, de datos…)

Estas 3 figuras son las que van a conseguir crear una plantilla (o refuerzos) competente y fiel al modelo de juego que pretende el entrenador y al objetivo del club.

El entrenador deja claro su modelo de juego y el perfil de jugador que necesita para cada posición. El club le deja claro el objetivo a conseguir.

El analista recibe el feedback del entrenador y comienza a cruzar datos cuantitativos y cualitativos. Los scouts ya se encargaron de hacer informes de los jugadores al verlos en vivo y en vídeos. Por lo que el analista de datos comprobará la subjetividad de los dos métodos mencionados con la objetividad que dan los datos (las estadísticas).

El director deportivo se encargará de contactar con dichos jugadores y negociar cláusulas, salarios, precios, primas…

¿Qué datos son interesantes a la hora de fichar por un jugador?

Como un buen profesor de la universidad me dijo, para todas las preguntas hay una respuesta estándar que funciona a la perfección: “depende”.

Pongamos el ejemplo de un club llamado Club Deportivo OA . Pues bien, este club tiene un entrenador con un modelo de juego con un componente físico muy alto debido a la contundente presión que realizan en bloque medio, con contínuas ayudas entre jugadores, movilidad, apoyos y un alto número de kilómetros recorridos sobre todo por parte de sus laterales e interiores que crean superioridades tanto en ataque como en defensa. Para este tipo de equipo buscaríamos jugadores de estos perfiles:

Centrales

  • Gran % de finalizaciones aéreas ABP.
  • Gran % de interceptaciones.
  • Alto % de pases hacia delante acertados.
  • Alto % de pases largos acertados .

Laterales

  • Alto número de km recorridos por banda (cada equipo tiene una media de km).
  • Alto % de centros al área pequeña rival.
  • Gran cambio de ritmo (ver cambios en la velocidad progresiva ascendente).
  • Buen % 1vs1.

Centrocampistas

  • Alto % de pases largos con éxito hacia los interiores.
  • Alto % de ayudas defensivas en propio campo.
  • Buena relación de tiros desde fuera del área grande y entre los 3 palos.
  • Bajo % de pérdidas de balón en campo rival.

Delanteros / Interiores

  • Alto % de duelos 1vs1 ganados.
  • Gran número de finalizaciones dentro del área.
  • Alto % de desmarques de apoyo en el último tercio de campo.
  • Total de asistencias en una temporada.

Podríamos estar recopilando miles de datos como estos y desde diferentes puntos de vista ya que los que queremos utilizar para conseguir a nuestro fichaje estrella van a depender del modelo de juego que vayamos a utilizar. Igualmente estarán involucrados los sistemas de juego que utilice el entrenador y los principios de juego para llegar al objetivo deseado.

Estadística de InStat sobre acciones de jugadores

Una vez tenemos los datos que nos interesan de cada jugador, habremos hecho un listado con un total de aproximadamente 200-300 jugadores de todas las posiciones. Y el filtrado aún no ha acabado.

Un experto como es el director deportivo “Monchi” del Sevilla F.C dijo que, una vez tiene los perfiles que quiere, deben de pasar otros 6 filtros imprescindibles para por fin convertirse en jugador de su plantilla:

  • El perfil físico.
  • Perfil técnico-táctico.
  • Perfil psicológico.
  • Condiciones económicas.
  • Estimación de adaptación.
  • Revalorización futura.

Podríamos asegurar que los datos nos darán los 2 primeros filtros de la lista, incluso el último punto a través de la inteligencia artificial que pretende predecir el futuro rendimiento de un jugador, pero ese es otro tema que trataremos en futuros artículos.

Una vez se han analizado los jugadores con las exigencias que el club plantea, se podría dar casi por finalizada la etapa de filtración ya que la lista de jugadores que pueden convertirse en fichajes se reduce hasta que sólo quedan los 10-12 elegidos que ingresarán en la plantilla del equipo.

¿Cómo se sabe cuánto vale un jugador?

Es un tema llevado a debate en multitud de ocasiones ya que no sólo se paga por lo que es el jugador/a en el momento de la compra, si no por lo que llegará a ser de cara al futuro. Cada club tiene sus normas internas que rigen los valores a los que venden y por los que están dispuestos a pagar. En general para saber el valor de un jugador existe una web llamada Transfermarkt que se acerca bastante a los valores reales de los jugadores.

Tasa de jugadores vía Transfermarkt

Independientemente de los precios que se barajen en Transfermarkt, no es lo mismo comprar a un jugador mediático que comprar a otro que pase desapercibido. También las posiciones determinan mucho el precio. Las jugadoras más caras por estadística suelen ser delanteras y laterales izquierdo ya que esta última es una posición bastante complicada de encontrar.

Desde el punto de vista de los datos, lo que más vale en un jugador y por lo que se pagan cantidades ingentes de dinero son por altos niveles en las siguientes variables:

  • Goles marcados.
  • % de pases llevados al éxito.
  • Asistencias realizadas.
  • % de regates.
  • % de recuperaciones.
  • Goles ABP.
  • Paradas decisivas (sólo porteros).
  • Goles de falta.

También existen variables que merman el valor del jugador/a:

  • % de duelos 1vs1 perdidos.
  • % de pérdidas de balón en campo propio o rival.
  • Relación total de finalizaciones y que acaben en gol.
  • Número de lesiones (y gravedad).
  • Kilómetros recorridos a media y alta intensidad (de media).

¿Por qué utilizar los datos para tomar la decisión sobre un fichaje?

En el fútbol hay diferentes roles. Se puede ser espectador, entrenador, jugador, árbitro, utillero, analista…

Hay algo que todos estos roles tienen en común: cada uno cuando ve un partido lo ve de manera diferente. Lo que a uno le ha parecido falta, a otro le parece un piscinazo. Alguien dice que un jugador lo ha hecho bien, y para otra persona el mismo jugador no sabe usar los pies. En definitiva, lo que nos une es la subjetividad del acontecimiento.

Únicamente los datos pueden arreglar y unificar todos esos puntos de vista. La información objetiva de un jugador o de un equipo es la que necesitamos para tomar mejores decisiones, para corroborar o desmentir que un jugador tiene o no un determinado comportamiento que quizás nos interesa o quizás busquemos eliminarlo de nuestra lista de “fichaje potencial”.

Es el dato, el que no entra en disputa sobre si alguien es bueno o malo, o si una jugadora vale o no vale. Por ello, nuestra interpretación del dato tiene que ser igualmente objetiva. A veces, nuestra percepción nos juega malas pasadas ya que hemos podido ver un brillante partido de determinado jugador pero después los números dicen lo contrario.

O al revés, quizás hemos visto un encuentro que aparentemente la jugadora ojeada ha parecido estar a un bajo nivel pero cuando abrimos las estadísticas de dicha jugadora los números dicen que ha sido la mejor. Es aquí donde reside el secreto para fichar jugadores que hayan pasado por el ojo clínico y subjetivo del scout; al igual que han pasado por la base de datos del analista para completar ese procedimiento y así, tener a los jugadores que más éxitos vayan a dar.

A veces, la afición se le echa encima a un director deportivo por hacer determinado fichaje, pero detrás de cada uno de esos jugadores hay una historia de seguimiento y filtrado hasta llegar a su destino.

Como dijo un grande:

“Un hombre con nuevas ideas es un hombre loco hasta que sus ideas triunfan”

Marcelo Bielsa

Las 7 mejores páginas gratuitas para obtener datos de fútbol

por 3 comentarios

Antes de empezar con el artículo, me gustaría presentarme. Mi nombre es Álvaro Bernal, y actualmente soy analista en la A.D. Parla, en el Grupo VII (Madrid) de Tercera División Nacional. Soy un gran amante del análisis en el deporte, tanto en video como de datos. Aunque ahora no me dedico profesionalmente a ello, ojalá en un futuro pueda ser mi profesión. Como dice el refrán “el que la sigue la consigue”, así que hay que seguir insistiendo.

Hechas las presentaciones, me gustaría explicar la idea que me trasladó Dani y que creo que puede ser de gran ayuda. Una ayuda, sobre todo, para todos aquellos que no tenemos unos presupuestos gigantescos y nos dedicamos al fútbol como segunda profesión (o como hobby), pero que no dejamos de trabajar como auténticos profesionales con los recursos que tenemos a nuestro alcance.

Cuando me propuso escribir algún artículo para Objetivo Analista, la verdad que me pilló un poco con el pie cambiado. No tengo una facilidad muy grande para escribir, así que me propuso la idea de explicar cuáles son para mí las mejores páginas gratuitas para obtener datos de fútbol.

De la misma manera, “contraataqué” y al hilo de esta propuesta, le propuse describir las formas que tenemos a nuestro alcance para desarrollar nuestros propios datos. Este será otro artículo, que saldrá próximamente, y que tendrá mucha relación con el que estás leyendo actualmente.

Lo dicho. Voy a presentaros las que, para mí, son las mejores páginas para obtener datos estadísticos de equipos o jugadores concretos. Todas ellas son gratuitas, y yo personalmente os recomiendo registraros para poder tener guardados los datos que hayáis consultado en algún momento.

Está claro que estas páginas, no sustituyen a otras muchas plataformas que existen en el mercado que son de pago, pero son un buen complemento a ellas y, como mencionábamos antes, una gran herramienta para aquellos que contamos con recursos más limitados.

Antes de empezar, quiero decirte que en mi categoría, Tercera División Nacional, es raro encontrar páginas que tengan datos fiables de nuestros partidos, equipos o jugadores. Por ello, verás que en la mayoría de páginas que te presento, reflejo datos de Segunda División B. A esta categoría también le dedico mucho tiempo sin estar trabajando para ningún equipo.

1. Whoscored

En esta página puedes encontrar datos muy claros y específicos sobre los partidos que desees, siempre que estos equipos sean profesionales. Quizá este sea su mayor debe, desde mi punto de vista, pero es verdad que en cuanto a equipos profesionales, sus datos son de lo mejor que vas a poder encontrar en internet de manera gratuita.

Como te decía anteriormente, si investigas un poco y quieres ver datos de equipos de Segunda División B, te vas a llevar una decepción.

Sí que reflejan bien los equipos y los grupos que conforman “la división de bronce” del fútbol español, pero si pinchas en ellos no aparece ningún tipo de dato.

Ahora bien, como puedes observar en la imagen, en cuanto a equipos profesionales te da una calidad de dato muy alta.

Estadística dato posicional Bayern Munich (Bundesliga) - Whoscored
Estadística dato posicional Bayern Munich (Bundesliga) – Whoscored

Si, por ejemplo, queremos realizar un análisis del ataque del Bayern de Munich en esta temporada 2019/2020, podremos ver que sus ataques se desarrollan por zonas exteriores en su mayoría.

Esta es una página que es importante tener siempre a mano, sobre todo si queremos conocer al rival de nuestro equipo favorito.

2. BD Fútbol

Para mí, la página más completa de datos que he encontrado (hablando siempre de los que yo más utilizo, equipos semiprofesionales).

Dato estadístico porteros U.D. Melila (Segunda B Grupo I) - BD Fútbol
Dato estadístico porteros U.D. Melilla (Segunda B Grupo I) – BD Fútbol

Pero también, y si te gusta el fútbol vintage al más puro estilo Maldini, tienen datos muy antiguos. Puedes encontrar por ejemplo, las alineaciones del Sabadell-Real Murcia del año 1935, una auténtica locura de página.

Tienen una gran base de datos de jugadores y equipos de Segunda B. Puedes pasarte horas y horas navegando por la página. A modo particular, utilizo los datos que comparten en su página para trabajar en una base de datos propia y poder conocer mejor la categoría.

3. Soccerway

Otra página muy a tener en cuenta. Quizá no sea tan completa como la anterior (no tiene datos tan antiguos) pero sí que la cantidad y sobre todo la calidad, son muy buenas de cara a poder ver: tendencias de los equipos, historial de los jugadores, etc.

Dato minutaje de goles Algeciras C.F. (Segunda B Grupo IV) – Soccerway

Como puedes ver en la imagen, te da una estadística visual del comportamiento de los equipos. Si eres analista, esto es un aspecto muy a tener en cuenta para el informe que le entregamos al cuerpo técnico y, sobre todo, para conocer mejor al equipo al que vamos a enfrentarnos.

De igual manera que en la página anterior, si consultas el perfil de los jugadores (pinchando sobre su nombre cuando veas la plantilla del club), vas a poder consultar: sus números durante la temporada en global y en los partidos en particular, su historial de fichajes, etc.

Todo ello dividido tanto por equipos, como por competiciones: nacionales, internacionales o con la selección si el jugador es o ha sido internacional en alguna categoría.

4. Resultados Fútbol

Llegamos a una página que es de esas de consulta obligatoria.

¿Quién no se interesa, según acaba un partido, por el resultado del rival? Pues aquí vais a poder encontrarlo al instante.

Pero ya no solo de fútbol profesional y semiprofesional, también en fútbol base y, sobre todo, internacional.

Muestra página - Resultados fútbol
Muestra página – Resultados fútbol

Como curiosidad, si una vez dentro de la competición pincháis sobre el nombre del club, podréis ver un histórico en esa categoría. Este dato, por ejemplo, nos puede valer para conocer la tendencia de un equipo en los últimos años.

5. FootballDatabase

Quizá una página web algo desconocida, pero de mucha utilidad. Realmente, el funcionamiento de esta página web es de manera colaborativa. ¿A qué me refiero con esto? Pues a que la manera de trabajar de la página consiste en que, a medida que compartes información de partidos, lesiones, traspasos, etc, tendrás acceso a otras partes de la web que, de manera gratuita, no puedes acceder.

Podréis encontrar datos sobre muchísimos jugadores y equipos, esta es la ventaja de que la web sea colaborativa. Lógicamente, esta información será mayor o menor según la categoría que busquemos.

Eso sí, os va a tocar armaros de paciencia, puesto que la página es algo lenta en comparación con las demás…

Dato Diego Cervero (Barakaldo - Segunda B Grupo II) - football data base
Dato Diego Cervero (Barakaldo C.F. Segunda B Grupo II) – football data base

6. FC Stats

Una página muy buena, pero para mi gusto algo corta.

Puedes seguir las estadísticas de tendencia en los últimos partidos de los equipos. Te proporciona datos estadísticos sobre partidos en diferentes situaciones (local o visitante), duelos contra equipos de la misma competición…

Datos C.D. Don Benito (Segunda B Grupo IV) - FC Stats
Datos C.D. Don Benito (Segunda B Grupo IV) – FC Stats

El principal debe que yo le encuentro, es que va enfocada a los clubes, dejando a un lado a la plantilla, lo cual para un analista o cualquier integrante de un cuerpo técnico es información muy valiosa.

7. Transfermarkt

Seguro que, al inicio de este artículo leyendo el título, tu mente rápidamente lo ha asociado con esta página. Y lógicamente, no es para menos.

Hablamos de la página más reconocida a nivel internacional de datos de jugadores. ¿Cuántas veces has escuchado la radio y hablaban sobre el “valor de mercado de Transfermarkt” de tal o cual jugador?

En época de fichajes, siempre es muy recurrente que en prensa utilicen esta frase.

Pues dan en el clavo. Pero no solamente con este dato, que es muy interesante a la hora de afrontar un fichaje, sino para conocer el rendimiento general y desglosado de ese futbolista.

Datos delanteros Internacional de Madrid (Segunda B Grupo I) - Transfermarkt
Datos delanteros Internacional de Madrid (Segunda B Grupo I) – Transfermarkt

De manera global, conoces al equipo que te vas a enfrentar, de acuerdo. Pero, ¿sabes los datos de rendimiento de sus futbolistas?

Como es muy probable que no tengamos una memoria capaz de retener todos los datos de todos los futbolistas, esta página va a ser tu gran aliado.

Además, para complementar tu trabajo, podrás encontrar las últimas alineaciones de tu próximo rival, puesto por puesto. De la misma manera, vas a encontrarte con: sus tendencias en los últimos 10-15 partidos, datos históricos, sistemas de juego por los que han optado…

Esta página es una maravilla y, como te comentaba, puede ser tu gran aliado a la hora de consultar ciertos aspectos.

Estas 7 páginas son las que yo más consulto cuando estoy realizando algún informe para el cuerpo técnico o, simplemente, cuando me pica la curiosidad y quiero conocer a algún equipo o jugador. Espero que este artículo te sirva de ayuda para tu día a día.

Ya sabes que cuánto menor sean tus recursos, más tienes que estrujarte el cerebro y pensar en cómo conseguir o crearte herramientas propias que te faciliten tu trabajo.

Consejos para pasar datos cuantitativos a cualitativos

por Deja un comentario

Un gran entrenador que tuve me dijo una vez que las oportunidades no son más que golpes de suerte que una misma se ha buscado a través de su trabajo y constancia. Y es justo eso lo que hago hoy, aprovechar la oportunidad que me ha brindado Dani para aportar mi granito de arena en un tema tan interesante como es el análisis de información y el uso que le damos para llegar al éxito.

Soy Elena Araujo Gámiz, entrenadora UEFA A y estudiante de tercero de Ciencias de la Actividad Física y el Deporte en la Universidad de Sevilla. Empecé mi andadura como entrenadora hace ya 7 años, y fue Juanjo Vila el culpable de meterme esa curiosidad llamada análisis que ahora quiero convertir en profesión.

Y es que todos queremos interpretar el pasado para predecir el futuro.

Parece una frase sacada de alguna película, pero no es así. Como analistas buscamos reconocer patrones de juego que se repitan y nos ayuden a predecir comportamientos que nos hagan tener una ventaja sobre el rival (o analizar a este mismo).

Y en este ámbito, las estadísticas toman un papel muy importante.

Está de moda el famoso “Big Data”, pero pocos saben la verdadera utilidad que se esconde detrás de innumerables porcentajes de posesión, cantidad total de tiros entre los tres palos, pases precisos, goles esperados o córners rematados (entre otros muchos).

Pero os hago una pregunta, ¿todos los datos nos sirven?

Os traigo un artículo en el que desvelo los secretos que hay tras un informe estadístico:

  • Cómo interpretarlo.
  • Cómo sacar sólo información de valor para mi equipo.
  • Cómo traducir los dichosos números en patrones de juego que analicen tanto a rivales como a nuestro equipo.

1. Conocer a mi equipo o conocer al rival

Quizás eres entrenador, o eres el analista de un equipo. Seas quién seas, debes tener muy claro el modelo de juego que tiene tu equipo, los sistemas de juego que utilizas y los principios que definen estos dos anteriores.

Las plataformas de estadísticas nos dan cientos de datos que pueden abrumarnos a simple vista.

Esto se acaba en el momento en el que tienes claro quién es tu equipo, cómo juega y por qué lo hace de la manera que lo hace.

Debemos tener claro que cada uno tiene su punto de vista de su equipo, y que la perspectiva de cada uno es algo muy subjetivo.

Te pongo un ejemplo:

  • Si tengo un equipo al que le gusta jugar con juego directo, quizás no me interesa ver las estadísticas de mis centrocampistas. Sé de sobra que el porcentaje de posesión de dichos jugadores será muy bajo debido a mi estilo de juego. Por esto, sería un error de interpretación ver la baja participación de mi centro del campo como un fallo.

Cuando se trata de conocer al rival, la cosa cambia un poco y es una tarea con más dificultad ya que no estás dentro del cuerpo técnico , no conoces el modelo de juego ni a los jugadores.

Precisamente esa incertidumbre es la que se pretende eliminar a través de las estadísticas (apoyadas por vídeos siempre a ser posible).

Entrenador apunta información sobre el rival
Entrenador apuntando información del rival

2. Creación de hipótesis, filtrado y análisis

Como ya he mencionado anteriormente, no nos sirven todos los datos.

Hay que trabajar con la mayor especificidad para nuestro equipo. Utilizando sólo y exclusivamente variables específicas nos hará ahorrar muchísimo tiempo e iremos, como coloquialmente se dice “a tiro hecho”.

Para esto utilizaremos algo que se usa mucho en el modelo científico: la hipótesis.

Sabemos las características de nuestros jugadores, cómo juegan y los principios para conseguir los objetivos. Pero tenemos dos tipos de hipótesis cuando se trata de nuestro equipo: las de fortalecer comportamientos que se han hecho bien o las de corregir comportamientos que se han hecho mal.

Y aquí va un ejemplo de cada una:

Caso 1. Hipótesis de fortalecimiento: Se ha llegado a zona de peligro

De antemano asumimos que la zona de peligro es la también llamada zona de finalización o “el último tercio” de campo. Sabiendo este dato y habiendo formulado nuestra hipótesis, procedemos al filtrado de datos.

Y esto no es más que sacar de nuestro informe la información específica cuantitativa que me confirme o desmienta mi hipótesis. Algunos ejemplos de variables pueden ser:

  • % de pases que se rematan en área contraria.
  • Nº de tiros totales dentro del área grande que van a portería.
  • Nº de pases en el último tercio de campo.
  • Nº de pases que ha recibido un interior en el último tercio de campo.
Ejemplo de informe en Wyscout

Si queremos conocer cómo se comporta nuestro rival, el procedimiento será el mismo. Normalmente en base también a nuestro equipo formularemos la hipótesis. Aquí va otro ejemplo:

  • Mi equipo tiene debilidad a la hora de que los centrales le hagan la cobertura a los laterales. Me interesa saber por cuál banda viene jugando más el rival con el que me enfrentaré el próximo domingo.

Caso 2. Hipótesis: Mi rival juega más por banda derecha (o izquierda)

Variables que puedo usar para corroborar o desmentir este hecho:

  • % de centros de los jugadores interiores (derecho e izquierdo).
  • Nº total de desmarques de ruptura de los jugadores interiores.
  • Nº de duelos perdidos de los delanteros e interiores.
  • Nº de duelos ganados de los delanteros e interiores.

Podríamos poner muchísimas variables más. Pero como he dicho, cada uno conoce a su equipo y cada uno escoge las variables que permitan sacar más información cualitativa tras la interpretación. Aquí no se trata de cantidad, se trata de calidad.

Una vez hemos sacado la información que nos interesa sólo tendremos que usarla a nuestro favor. En el caso 1 si comprobamos que efectivamente se ha llegado a zona de peligro, será un indicador de que el modelo, estilo y principios de juego que hemos implantado están funcionando.

En el caso 2 debemos llevar el análisis al campo en forma de trabajo específico de coberturas de central a lateral incidiendo en el central de la zona que tenga el interior que más peligro suponga. Es posible que en un esquema lo termines de ver más claro:

Esquema de los tipos de hipótesis

Quizás te estás preguntando qué ocurre cuando se desmiente una hipótesis. Como ocurre en los experimentos científicos, desmentir una hipótesis puede ser el objetivo o un efecto colateral que te encuentras sin querer.

Tanto si se confirma como si se desmiente, te está dando un mensaje. Sea o no cierto, te da una respuesta para usarla a tu favor. Sé como Edison. El famoso inventor de la bombilla “falló” hasta en 999 ocasiones antes de conseguir su producto estrella mundial. Y, ¿sabes lo que contestó cuando le preguntaron que por qué había fallado tantas veces?

“No fracasé, encontré 999 maneras de cómo no se hace una bombilla”

Para finalizar, cabe destacar que la intención del análisis de información no es otra que encontrar variables que le sirvan a nuestro equipo. Recibiremos informes en los que el 75% de los datos (a veces incluso más) no nos servirán. Cuanto más específicos seamos, antes encontraremos el problema para atajarlo y la fortaleza para hacerla más invencible.

Capturar datos en el fútbol amateur es posible: Consejos para conseguirlo sin casi recursos

por 1 comentario

Muchas de las dificultades que tenemos los analistas y scouters es la capacidad para capturar datos. No tenemos wyscout, no tenemos InStat y los partidos no los dan por la TV… Aún así, hay alternativas para poder recoger datos en equipos con pocos recursos y convertirlos en información útil.

Javier Pascual es uno de los referentes de análisis en la Segunda División femenina del grupo 5. Después de su experiencia como entrenador en varios equipos de Madrid, dio un giro y se metió de lleno en el mundo del analista, llegando a ser ojeador del UD Levante en Madrid, entre otras experiencias. Ahora colabora como analista de rivales en el CF Pozuelo de Alarcón y CD Nuestra Señora de Belén de dicho grupo 5.

Javi es un experto en conseguir datos de la nada, en una categoría donde es muy difícil hacer análisis sin casi medios. Hoy nos cuenta sus consejos para capturar datos y analizarlos en equipos con pocos recursos.

Aunque cada año, gracias a los propios equipos, la aportación de información va mejorando, todavía no es suficiente. En categorías de fútbol base (juvenil, cadete, infantil…) no tenemos paginas web que reporten información de los partidos, por lo que si quieres conseguir datos, debes hacerlo a través de actas de los partidos o hablando con «conocidos» que hayan asistido al encuentro.

En mi caso, desgraciadamente, es difícil conseguir información de los equipos femeninos de segunda división. Hay una falta de datos por parte de la pagina web de la federación española (pese a que es una categoría nacional), medios de comunicación o de los propios clubes.

A pesar de ello, hay formas de buscar información por pequeña que sea para poder realizar un buen informe del equipo rival.

Por minima que creas que es la información que consigas, puede llegar a determinar una jugada a balón parado, una acción ofensiva o incluso decidir un partido.

Diariamente convivimos con redes sociales de las cuales podemos sacar mucho provecho a la hora de recopilar información, al igual que diarios locales o paginas web que quieren ayudar al crecimiento del fútbol base, aportando crónicas de los partidos.

¿De donde saco datos para mis análisis?

Personalmente aquí detallo los medios que utilizo para recopilar dicha información.

Páginas web

Antes de empezar la temporada, y ver los rivales que estarán en la categoría, busco información de todos los equipos a través de las paginas web de sus respectivas federaciones, para poder ver actuaciones de años anteriores y ver su posible mejora.

Actualmente las federaciones disponen de APP para móvil o tablet, lo que hace más fácil y rápido su uso.

De dichas paginas web, los datos que recopilo que mas información me reportan son:

  • Alineaciones de cada partido.
  • Minutos de los cambios realizados.
  • Tarjetas recibidas.
  • Goles.
  • Ver el tipo de ficha que tiene cada jugadora (si es juvenil o senior).

Actualmente solo la pagina de la Federación de Fútbol de Castilla y León (FCyLF) te da la opción de poder ver las actas de todos los partidos de la categoría.

Viendo los actas puedes recopilar datos personales sobre alguna jugadora en concreto (realizar un trabajo de ojeador, para posibles fichajes) o de todo el equipo, en la que puedes predecir una posible alineación.

Twitter

Puede ser la herramienta que mas uso para recopilar la mayoría de la información con la que trabajo, gracias a la rapidez con la que circula cualquier noticia.

La variedad de «usuarios» que pueden participar en cualquier dato que necesitas, hacen, por ejemplo, que puedas saber lo que pasa en un partido en concreto prácticamente en directo.

El seguir la cuenta de los equipos o club puedes ver, por ejemplo:

  • Horarios
  • Fichajes.
  • Bajas de jugador@s.
  • Resultados de partidos.
  • Entrenamientos.

Yo este año, estoy dandole especial atención a:

  • Cómo fueron los goles.
  • Seguir a jugadoras de la propia liga (te reportan mucha información, ya sea en mi caso el tener información de como fueron los goles de sus partidos, o al ver sus publicaciones ver el estado de animo del equipo).

Por supuesto, el seguir a cuentas que hacen crecer el fútbol femenino poniendo resultados, clasificaciones, horarios de los partidos.

Personalmente recomendaría seguir a @mocitasfutbol o @PyterBaelish entre otras. Y las cuentas de los diarios locales, suelen colgar una crónica de los partidos detallada en la que se puede aprovechar dicha información.

Hablar con compañeros

Considero la comunicación entre analistas esencial, aparte de compartir información, te hará crecer como profesional ya que ves otras maneras de trabajar y pueden ser validas con tu método.

Mi experiencia fue muy buena, estando en 3º División con el AD Parla. Hicimos un grupo de WhatsApp todos los analistas de la categoría en el cual nos dimos los correos y mandábamos cada uno nuestro partido cada jornada, evitando así desplazamientos y sobretodo ayudándonos entre todos.

Partidos en Youtube o TV

En el fútbol base es complicado que suban partidos a Youtube o que los televisen. Actualmente, gracias a LA OTRA de Telemadrid, algunos sábados televisan partidos de Segunda División e inclusos equipos retransmiten sus partidos en youtube.

Solo tienes que estar atento y revisar twitter o paginas de los club que puedan dar dicha información. Es importante seguir redes sociales de los rivales, hay podrás saber si lo televisan o no.

Y por supuesto, visualización de partidos en directo

El asistir a los partidos en directos, te dará información que por video no puedes captar. El simple hecho de la actitud de los espectadores puede hacer que un equipo se crezca en momentos difíciles, la iluminación del campo, o el entorno donde esté el terreno de juego (si corre el aire o está cubierto, donde da el sol… )

Personalmente le doy importancia a esos detalles que solo puedes captar si estás presente.

Una vez recopilados todos estos datos, ¿qué hacemos con ellos?

Podemos clasificarlos según necesidad (lo que el entrenador te pide que quiere ver en el informe).

Lo mas habitual en un informe es detallar el sistema de juego, las fases de juego tanto defensiva como ofensiva y las jugadas a balón parado.

En el sistema de juego siempre poner si sufre algún cambio durante el partido y explicar en qué momento se produce. En las fases de juego, personalmente siempre pongo «ZONA FUERTE» donde detallo las acciones que mas repiten y con las que hacen daño al rival y «ZONA DÉBIL» en la cual pongo donde sufren, y se les puede ocasionar mucho peligro.

Todo este trabajo de captura de datos también sirve para aspectos estadísticos, que te pueden valer para aportar una información extra del rival:

  • La importancia de en qué minuto mete los goles un equipo.
  • El resultado del partido antes de dicho gol.
  • Los minutos en que se producen los cambios. Todos esos datos son muy valiosos para poder interpretar un partido.

Estos datos son costosos de conseguir y mantener semanalmente pero te dan un plus valioso en el partido a jugar .

En mi caso, saco semanalmente la consecuencia y los minutos de los goles. Los catalogo si son por fase de juego (contra, jugada elaborada) o por ABP (córner, falta, penalti), dar importancia a las jugadas a balón parado, la concentración o ser fuertes en el juego aéreo son clave.

Ver si un equipo mete más goles antes o después del descanso, en los primeros 10´ó en los 10´finales, estos datos te hacen conocer al rival.

Aquí detallo los datos que se ven en la hoja semanal:

  • Resultados de los partidos.
  • Total de goles conseguidos por todos los equipos, si son en fase de juego o ABP y goles de equipos locales y visitantes.
  • Porcentaje de resultados: ganados local, ganados visitantes y empates.
  • Por último, minutos de los goles. (los clasifico en apartados de 10′ salvo antes y después del descanso que cojo 5′).

Capturar datos sin recursos es posible

Capturar datos es posible pese a tener pocos recursos. Tienes que sacarle el mayor provecho a los medios disponibles que te rodean, saber enfocar el análisis de los datos que has obtenido y realizar un informe ilustrativo y lo mas concreto posible. Eso les hará mas sencillo a los cuerpos técnicos el comprender las posibles situaciones que se pueden encontrar en el partido y así poder entrenarlas durante la semana. 

Cuanto mas sencillo y concluyente sea el informe, antes llegaran a la solución.