El futbol es uno de los deportes más complejos para analizar mediante números, sin embargo, cada vez existen mejores herramientas y métricas que ayudan a todos los que gozamos de este deporte a complementar los análisis cualitativos con gráficos y estadísticas, desde aficionados, hasta entrenadores de equipos profesionales.
Ya hemos escuchado métricas revolucionarias tales como el xG, xA, xGOT, entre otros. Cada una con un objetivo, poder describir acciones en el terreno de juego y darles valor. Claro, todas tienen limitantes, por ejemplo: el xG solo atribuye valor a remates, pero ¿Qué pasa antes?. Con el paso del tiempo han surgido y seguirán surgiendo ideas nuevas que se llevan a la realidad con el fin de formar un conglomerado de métricas que en algún punto nos permitirán evaluar todos y cada uno de los movimientos de los 22 jugadores que pisan el campo durante 90+ minutos.
Es por eso que hoy, explicamos brevemente la métrica más reciente, que si bien comenzó por allá del 2011 con otro nombre (Markov Model), hoy comienza a tomar más importancia y llegó para quedarse en el mundo del análisis de datos en el futbol.
Se abrevia como “xT” o por sus siglas en inglés “expected threat” o peligro esperado en español, también la conocen como valor de pase o impacto de pase. Se preguntarán ¿Qué? ¿Otra “x” más al futbol?, pues sí. El peligro esperado fue creado con el fin de dar valor a acciones que parecieran no tenerlo.
Es bien sabido, intuitivamente, que no es lo mismo tener el balón atrás del medio campo que tenerlo cerca del área o en el área chica a la hora de atacar En ese sentido, los jugadores toman decisiones para poder llegar a tales zonas, pero ¿Cómo trasladan el esférico de un punto a otro? mediante pases o acarreos (conducciones de balón). La progresión del esférico en el campo de juego ahora tendrá el valor que merece.
La idea principal del xT es asignar un aumento en la probabilidad de gol (%) por llevar el balón de una zona a otra, para ello veamos la siguiente retícula de probabilidades de anotar por zona:
Para entender un poco mejor de que va el xT veamos el siguiente gol del Toluca:
La secuencia inicia con un pase largo de Talavera para Alexis Canelo, quien después acarrea el balón un poco hacia adelante y abre para William Da Silva, quien de primera intención mete un centro raso para Michael Estrada. Intuitivamente sabemos que el pase largo de Talavera fue buenísimo, pero ¿qué valor le otorgamos aparte de clasificar la acción ambiguamente como pase largo?, también surge la duda de ¿cuál pase cambió positivamente en mayor grado el rumbo de la secuencia de cara al gol?
Lo vemos aquí:
Antes del xT, sabíamos que la asistencia de Da Silva para Estrada tenía un valor, porque los pases para gol son lo más importante después de los goles en el futbol. Pero ahora podemos ver que el pase largo de Talavera incrementó en un 1% las probabilidades de que el Toluca anotara, después el acarreo y pase de Canelo en un 1.1% y posteriormente la gran asistencia de Da Silva para Estrada fue la acción que cambió en mayor medida el peligro en la secuencia, incrementando la probabilidad de gol en un 10.1%.
Dicho esto, veamos dos jugadores diferentes: Alan Torres de Chivas y Álvaro Fidalgo, ambos contra el mismo equipo para contextualizar el estilo contra el que se jugó y ver quien de los dos tuvo más impacto mediante sus pases.
Alan Torres incrementó la probabilidad de que su equipo anotara en un 12%, mientras que Álvaro Fidalgo lo hizo en un 9%. Siendo que el español juega más cercano a la portería rival y tiene más libertad. Con esta herramienta, podemos valorar verdaderamente los que toman mayores riesgos o mejores decisiones en sus pases. También el volumen de pases es acreditado siempre y cuando el balón vaya a mejores zonas.
Statiskicks está comprometido a mejorar la forma en la que se ven las estadísticas en el futbol, así como en la manera en que el aficionado se involucra en ellas. También brindamos servicios de consultoría para profesionales del futbol. Más información en: contacto@statiskicks.com
