Aula di Scienze

Aula di Scienze

Persone, storie e dati per capire il mondo

Speciali di Scienze
Materie
Biologia
Chimica
Fisica
Matematica
Scienze della Terra
Tecnologia
I blog
Sezioni
Come te lo spiego
Science News
Podcast
Interviste
Video
Animazioni
L'esperto di matematica
L'esperto di fisica
L'esperto di chimica
Chi siamo
Cerca
Matematica

L’analisi dati nel calcio professionistico

A pochi giorni dalla finale del Campionato Europeo di calcio andiamo alla scoperta del ruolo del data analyst nello sport più diffuso al mondo

leggi

La figura del data analyst nel mondo del calcio professionistico è sempre più ricercata perché ha un impatto importante per il successo dei club. Questo professionista ha il compito di analizzare i dati relativi alle performance della squadra e dei giocatori durante gli allenamenti e le partite, ma è anche coinvolto nello scouting in fase di calciomercato, aiutando il club a individuare nuovi talenti. Il data analyst lavora al fianco del direttore sportivo e del capo del dipartimento scouting per individuare i giocatori migliori e più adatti al club, tenendo conto di vari fattori come il budget disponibile e la filosofia del club. Inoltre, svolge un ruolo chiave nell’analisi degli avversari per migliorare le strategie di gioco, perché fornisce informazioni cruciali in ambito tecnico, tattico e strategico a supporto dell’allenatore e del preparatore atletico.

Fino a qualche anno fa le scelte tecniche derivavano da valutazioni qualitative, soggettive, basate sull’esperienza. Grazie al lavoro del data analyst, i club possono prendere decisioni più informate e mirate, valutando accuratamente le performance dei giocatori e aumentando le possibilità di successo sul campo.

Non tutti i club professionistici sono organizzati allo stesso modo per quanto riguarda l’analisi dati. Alcuni grandi club, come il Barcellona, il Manchester City e il Liverpool, hanno dipartimenti di data analysis strutturati con diverse professionalità al loro interno. Altri club, come l'Ajax o il PSV Eindhoven, possono contare su 4-5 figure specializzate che collaborano con società esterne per lavori più complessi. In generale, la maggior parte dei club non è ancora strutturata adeguatamente in materia e, anche per questo, l’analisi dati può rivelarsi un vantaggio competitivo per chi la sa sfruttare efficacemente. 

Oltre le statistiche

Saper interpretare correttamente i dati è molto importante, ma questa capacità spesso si acquisisce con lo studio delle materie scientifiche, perciò è fondamentale che i club assumano dei veri e propri “esperti di analisi dati” da affiancare agli “esperti di calcio”. Il calcio è infatti uno sport complesso da modellizzare: i giocatori si muovono liberamente per 90 minuti, seguendo traiettorie sempre diverse e non correlate le une con le altre; per questo è necessario adottare tecniche matematiche e statistiche avanzate per sviluppare analisi accurate. Non è possibile descrivere l’andamento di una partita, o valutare la performance di un giocatore, semplicemente fornendo dei numeri.

Sono diventate famose, per esempio, le statistiche finali della semifinale mondiale del 2014 tra Brasile e Germania. Eccole riassunte in questa immagine:

La maggior parte deI parametri di gioco è a favore del Brasile: dai tiri totali a quelli nello specchio, dal possesso palla al numero di calci d’angolo. Peccato, però, che la partita sia terminata 7-1 per la Germania. I tifosi brasiliani ricordano quella semifinale, peraltro giocata in casa, come la peggiore “tragedia sportiva” degli ultimi decenni.

In sintesi: non è sufficiente fondare la propria valutazione su semplici statistiche, ma è necessario saperle interpretare e contestualizzare sulla base di un piano tecnico-tattico, di obiettivi o benchmark prefissati. La valutazione umana resta quindi essenziale per trarre conclusioni corrette e prendere decisioni informate.

Quali analisi interessano all’allenatore e quali al direttore sportivo?

Il rapporto tra il data analyst e l’allenatore è fondamentale per il successo di una squadra, poiché il materiale condiviso può essere utilizzato in molteplici modi. L’allenatore può trarre vantaggio dalle informazioni relative ai punti di forza e di debolezza dell’avversario, alle strategie tattiche, all’analisi dei calci piazzati. L’analisi dello stile di gioco di una squadra può essere fatta sulla base dello studio dei passaggi che i giocatori si scambiano tra loro. Uno strumento utile per rappresentarli è la rete dei passaggi in figura. Ogni giocatore viene collocato nella posizione media da cui ha effettuato i passaggi e lo spessore del segmento (detto “arco” nella teoria dei grafi) che lo congiunge ai compagni è proporzionale al numero di passaggi che ha scambiato con ciascuno di essi.

Queste osservazioni possono essere utilizzate per preparare la squadra in modo più efficace e mirato. I dati, condivisi direttamente con i giocatori, forniscono informazioni dettagliate sui prossimi avversari e diventano il punto di partenza per costruire strategie da adottare in campo.

I dati sono di aiuto anche per l’analisi tattica e per l’analisi delle prestazioni atletiche. Il preparatore atletico e il reparto medico possono beneficiare del lavoro del data analyst per monitorare lo stato di forma dell’atleta e organizzare gli allenamenti e l’eventuale recupero da infortuni. Alcune delle metriche più comuni prese in esame dal preparatore sono la distanza totale percorsa e la distanza percorsa sopra determinate soglie di velocità (20-25 km/h), la velocità media, il numero di accelerazioni e quello degli sprint. Questi parametri possono essere monitorati per partita o porzioni di partita, ma anche nel corso di una o più stagioni.

L’analisi dati multi-stagione è utile anche al dipartimento di scouting, quindi al direttore sportivo, quando valuta i giocatori in entrata e in uscita, perché fornisce informazioni dettagliate sulle loro prestazioni e potenzialità. Per i giocatori giovani è cruciale capire quanto le performance migliorano nel tempo, per quelli più maturi è utile sapere quando le prestazioni iniziano a calare sotto certi standard.

Durante la stagione del calcio-mercato, in cui si cercano i giocatori più adatti per completare la propria rosa, spesso si compara una lista di calciatori con caratteristiche simili: compatibilità e complementarietà con gli atleti della squadra sono aspetti interessanti da considerare, se si vuole costruire un gruppo equilibrato e completo.

L’ampia gamma di dati a disposizione relativi alle partite permette di monitorare qualità tecnico-tattiche, capacità atletiche e decisionali: bisogna costruire metriche opportune, che permettano di fare una valutazione completa e approfondita delle prestazioni, che vadano oltre i semplici conteggi di quanti tiri, passaggi, contrasti fa un giocatore. Mediamente un giocatore ha la palla per 3 o 4 minuti durante una partita di calcio. Le partite durano almeno 90 minuti, per cui è fondamentale valutare il comportamento del giocatore anche quando non ha la palla.

Il dipartimento di analisi dati del Barcellona e alcuni docenti universitari, nel 2018, hanno pubblicato uno studio per misurare la capacità di occupazione e creazione degli spazi nel campo di gioco, durante una partita, di cui vediamo una rappresentazione grafica qui sotto:

Per farlo hanno definito un modello matematico che è in grado di associare ad ogni zona del campo la probabilità di controllo da parte di un giocatore di una delle due squadre. Il modello tiene conto della posizione di tutti i giocatori, della loro velocità e direzione di movimento. Inoltre è in grado di assegnare un valore diverso alle zone del campo più vicine alla porta avversaria: tenendo conto di questo fattore, è possibile valutare quali sono i giocatori più bravi a occupare spazi in zone pericolose. 

Analisi descrittive, predittive e prescrittive

Il data analyst sportivo applica metodi statistici e strumenti di analisi per esplorare i dati e identificare tendenze, modelli e relazioni significative, che variano a seconda dell’obiettivo che si intende raggiungere.

Con l’analisi descrittiva si riassumono i dati storici delle partite precedenti, per comprendere cosa è già accaduto. Per esempio, si possono ottenere informazioni sulla percentuale di possesso palla di una squadra nelle partite o sui gol fatti da un giocatore nel corso della stagione.

L’analisi predittiva, invece, mira a prevedere risultati futuri basandosi sui dati storici. Per esempio, un'analisi predittiva serve per fare una previsione della probabilità che un giocatore ha di segnare in una partita imminente, basandosi sulle sue metriche di performance recenti, o stimare le probabilità di una squadra di vincere un campionato basandosi sullo stato di forma attuale.

Infine, l’analisi prescrittiva è utile per supportare le decisioni tattiche in tempo reale, consigliando azioni specifiche per migliorare la probabilità di successo, valutando diversi scenari. Ad esempio, potrebbe essere applicata per consigliare il momento ottimale per effettuare una sostituzione o per selezionare gli undici giocatori da schierare in campo per massimizzare le probabilità di vittoria.

In un contesto sempre più competitivo, l’uso efficace dei dati non è più solo un vantaggio, ma una necessità per mantenere una posizione di leadership. Attraverso l’applicazione delle suddette tecniche, i club possono sfruttare al meglio il loro potenziale e adottare decisioni informate, trasformando le intuizioni analitiche in vantaggi tangibili sul campo.

calcio-dati-1
calcio-dati-2
calcio-dati-3
calcio-dati-4