BIHUB PATH

July 30, 2020

Rendimento
Análise e Tecnologia Desportiva

A TEORIA DE REDES PODE SER APLICADA EM DECISÕES TÉCNICAS

Os avanços da tecnologia e a aplicação da ciência permitem decifrar cada vez mais e com maiores detalhes tudo o que ocorre em um campo de jogo durante partidas e temporadas completas. Neste caso, a teoria de redes aplicada no futebol é simplesmente um método a mais para se obter informações adicionais sobre uma partida de futebol.

Javier Martín, em uma palestra na La Masía, apresentou suas conclusões da pesquisa Defining a historic football team: Using Network Science to analyze Guardiola’s F.C. Barcelona assinada por Xavier Busquets, I. Irigoyen, Paco Seirul·e ele mesmo. O uso da teoria de redes habilita uma nova ferramenta que avalia o desempenho das equipe em jogos, assim também como pode servir para estabelecer estratégias: “terá um ponto de vista a mais e na sequência o técnico decida que, talvez, acerte com menos informações, mas, para tomar boas decisões sempre precisará da maior quantidade de informações disponíveis e considerar o grande número de fatores que influenciarão no resultado final”.

Este novo sistema consiste na busca de padrões a partir da interação com os atletas. Os atletas profissionais de futebol, que são elos dentro de campo, se relacionam entre si ao criarem passes, gerando uma estrutura superior. Dependendo de quantos passes saem de cada elo dentro de campo, de onde e com que frequência e eficácia, pode-se analisar os diferentes sistemas que foram estabelecidos, definir padrões, dados e resultados, gerados por cada um deles. Uma informação que seria útil para o corpo técnico.

O método de cálculo parte exclusivamente dos dados que contribuem com os passes produzidos durante uma partida. Registra-se o momento em que são produzidos, a equipe, o atleta, as coordenadas do passe, o destinatário e as coordenadas do passe seguinte. Cada passe é uma conexão entre os atletas, e, sendo repetidos, aumentam a intensidade desta conexão.

Isto significa que, as redes calculadas são dirigidas e pesadas, ou seja, cada conexão tem uma seta de direção e volume, um número de passes entre os mesmos atletas elos dentro de campo, trazendo uma maior ou menor espessura. Concluindo, com todas estas variáveis, encontraremos o ponto central da rede, que é a situação de frequência de onde todos os passes saíram, o que não se traduz na posição dos atletas necessariamente, embora apresente uma relação. É apenas um coeficiente.

Na sequência, um dado fundamental para comprovar a eficácia de um sistema de jogo, são as triangulações. Em qualquer tipo de rede, o triângulo é uma estrutura muito consistente porque significa que há mais facilidades para conectar os atletas elos dentro de campo. Se uma conexão for interrompida, por exemplo, se um atleta for marcado e não poder fazer o passe, a triangulação torna mais fácil sua chegada ao destino desejado, sendo que, tecnicamente falando, onde isso acontece com mais frequência, é justamente na rede de alto clustering.

Só com isto já é possível apreciar as diferenças estatisticamente significativas entre as equipes. No FC Barcelona do Guardiola da temporada de 2009/ 2010, com o tratamento destes dados, já foi possível observar que o clustering do Barça era superior ao dos times adversários e que empregava um jogo, um tipo de combinação, mais em paralelo com a baliza vertical. Informações essas que refletiam um jogo com posse de bola que dominava até encontrar e abrir espaços no time adversário para desencadear o gol.

Nesse aspecto, quando se mede a disposição dos passes da equipe na hora de marcar e receber um gol, o Barça foi o que apresentou um maior diferencial. Ou seja, os passes paralelos eram maiores quando se marcava e menores quando se recebia. Um dos dados mais interessantes que se podem calcular a partir destes parâmetros, é o risco de a equipe sofrer um gol, conforme o tipo de rede que se apresenta em determinado momento. O Barça sofria gols quando menos fiel era o seu sistema habitual.

Outro método de cálculo seria esquecer os atletas como elo dentro de campo, distribuindo-os em parcelas do campo. Assim, pode-se calcular os movimentos da bola entre diferentes áreas e, sobretudo, qual dimensão do campo está sendo ocupada por uma equipe. Se esse parcelamento do gramado vai se subdividindo progressivamente, vão aparecendo as áreas pelas quais passaram. Com referência ao estudo de Javier Martín sobre o FC Barcelona, esta é a equipe que mais ocupa um campo sistematicamente em comparação com todos os times adversários da liga ao aplicar este procedimento.

É possível também calcular a rastreabilidade de uma equipe. Através de uma matriz podemos saber como uma área de campo está conectada a outra. Comparando-se uma partida à outra, é possível identificar a performance da equipe em cada jogo, assim como sua consistência ao jogar sempre de uma maneira muito similar. Ao mesmo tempo, é possível calcular se a equipe joga de forma parecida ou de maneira diferente dos demais. Isto é o que nos permite qualificar uma equipe como rastreável. Segundo os dados da temporada 2018/2019, o FC Barcelona foi a equipe mais rastreável, seguida do Real Madrid, Atlético de Madrid e Real Betis, então treinadas por Quique Setién.

Em uma tabela de resultados que reúne todas as informações correspondentes à temporada, podemos verificar qual o resultado de cada partida em que se conseguiu impor um estilo de jogo. Com relação ao FC Barcelona, Real Madrid, Atlético de Madrid e Real Betis, na maioria das partidas que jogaram, impuseram seu estilo como locais (amarelo) e como visitantes (verde). A informação importante é que podemos conhecer a eficácia no marcador de um sistema rastreável que consegue se impor, pois há casos em que ele é imposto, porém não se ganha o jogo. Embora toda regra tenha sua exceção, quem impõe seu estilo acaba mais acima da tabela.

Nenhum destes dados, acrescentou Xavier Busquets, implica que uma equipe por ser rastreável possa ser previsível. É exatamente o contrário. Quando uma equipe tem um estilo que atinge resultados positivos, significa que impõe uma ordem interna, gerando desordem na equipe adversária. No entanto, também não se pode mitificar uma equipe que reúna todas estas características, porque, nesse caso, o jogo seria previsível. Também é preciso levar em consideração se o sistema está aberto a receber novas informações para criar novas fórmulas, continuando, assim, a gerar desordem no rival, em poucas palavras, surpreendê-lo!

Para uma otimização da ferramenta, fica pendente ponderar a qualidade dos passes, que logicamente não têm o mesmo valor se forem realizados de forma rotineira no centro do campo, se habilitam um atleta em uma área de perigo ou se trata de um lance de gol. Também está previsto adicionar à equação o quanto um atleta avança com a bola antes de dar um passe e ainda qual a extensão desse passe, dois parâmetros complexos de tratar, porque disparam as variáveis.

No entanto, como modelo estatístico, com o trabalho realizado até agora, já seria possível estabelecer registros históricos nos quais, a médio prazo, poderemos obter informações sobre os padrões de cada técnico, por exemplo, como jogam mediante determinadas circunstâncias, times adversários e quais os resultados que se atingem.

 

 

BIHUB team

KNOW MORE

¿VOCÊ QUER SABER MAIS?

  • ASSINAR
  • CONTATO
  • CANDIDATAR-SE

FIQUE ATUALIZADO COM NOSSAS NOVIDADES

Você tem dúvidas sobre o Barça Universitas?

  • Startup
  • Centro de investigação
  • Corporate

Por favor, preencha os campos:

Por favor, preencha os campos:

Por favor, preencha os campos:

O formulário foi enviado com sucesso.

Por favor, preencha os campos:

Por favor, preencha os campos:

Por favor, preencha os campos:

O formulário foi enviado com sucesso.

Por favor, preencha os campos:

Por favor, preencha os campos:

Por favor, preencha os campos:

O formulário foi enviado com sucesso.