Ya que la revolución digital y "big data" se filtran a diario en nuestras vidas, cada industria apunta hacia la visión de la estadística para mejorar su productividad y rendimiento. El deporte no es la excepción.
Publicidad
El análisis avanzado se ha convertido en una necesidad para las organizaciones deportivas élites, desde el proceso cazatalentos hasta ojear la oposición y evaluar los resultados, y cada vez más, para comunicarse mejor con sus clientes principales - los aficionados.
Para satisfacer la creciente demanda de más información, una increíble cantidad de datos se recopilan y gran parte de ellos están disponibles al público. ¿Pero cuánta de esa información realmente mejora la experiencia de ver partidos? ¿Cuáles de esos datos ayudan a identificar tendencias, los posibles resultados, qué jugador debe incluir un hincha a su equipo de fantasía?
A través del análisis avanzado y complejas técnicas de modelaje, se ha determinado con gran certeza cuáles de los números entre los pilas de datos cada vez más disponibles en el deporte más popular del mundo, el fútbol, son significativos. El análisis se ha enfocado en la idea de que no todos los disparos son creados iguales y así llegamos a la expectativa de gol.
¿Qué es la expectativa de gol?
En términos simples, la expectativa de gol es una medida de la calidad de un disparo. En términos un poco menos simples, la expectativa de gol es una función de la eficiencia del jugador y del equipo, la ubicación de donde se toma un disparo y una serie de otros factores que miden la probabilidad de que un disparo se convierta en gol. Los modelos de la expectativa de gol en el fútbol se han calculado y refinado desde el año 2013. Se trata de una nueva "estadística", pero una que está fundada en teoría matemática largamente ya establecida.
Publicidad
Sportify, un equipo de analistas especializados en estadística y fútbol, han calculado su modelo de más de 8,000 partidos, y de más de 200,000 puntos de datos específicamente de disparos a gol, añadiendo a la muestra cada vez que un partido se completa al nivel profesional. Una gran cantidad de datos entra en el cálculo de cada valor de expectativa de gol, entre muchos otros puntos, los modelos suelen tener en cuenta el tipo, la ubicación y la acumulación de un intento a gol.
Mediante la asignación de un valor entre 0 y 1, donde cero es igual a ninguna probabilidad de anotar y uno es igual a la probabilidad absoluta de anotar, podemos comparar los disparos de forma uniforme. Tome a Cristiano Ronaldo, por ejemplo. La semana pasada en la Champions League, marcó un gol para el Real Madrid en casa de AS Roma. En ese juego, en base a los múltiples factores que se utilizan para calcular el valor de la expectativa de gol o el xG, el modelo de Sportify estimó que Ronaldo creó un xG de .305 goles durante los 90 minutos. Esta puntuación en comparación con su producción - un gol – indica que el portugués superó la expectativa.
Ese gol en particular tuvo un valor de expectativa de gol de 0.038, mucho más bajo que el valor que creó el goleador durante todo el partido. Esto nos dice que Ronaldo produjo mucho de una pequeña oportunidad y también nos dice que un gol bajo esas circunstancias probablemente no se repita.
Este análisis es informativo juego-por-juego, pero con el tiempo, se vuelve aún más valioso y potencialmente influyente para equipos, ojeadores y aficionados, al examinar los patrones y tendencias establecidos por los jugadores de sus equipos. Podemos examinar y responder a preguntas realmente importantes como: ¿Es Cristiano Ronaldo egoísta con el balón?
