Introdução

A visualização de dados ou o que normalmente chamamos de “DataViz” é uma ferramenta que traduz tendências de uma maneira muito eficiente, pois utiliza gráficos (Weissgerber et al., 2015). Esta é uma área emergente da ciência, já que a apresentação de dados como figuras gráficas é a forma mais potente utilizada para se interpretar descobertas (Weissgerber et al., 2015, 2019). Existem outras formas visuais disponíveis que podem ser esteticamente interessantes e atrativas, em especial quando usamos vídeos. Estas formas visuais incluem gráficos atrativos de telestração [extração de streaming] de vídeos, chamando a atenção para informações importantes e, ultimamente, tornaram-se populares, uma vez que a quantidade de informações apresentada às pessoas diariamente aumentou de maneira expressiva, enquanto que o tempo para sua interpretação diminuiu (Lacome et al., 2018). Isso acontece com muita frequência no futebol de elite, pois estima-se que os profissionais reduzam, de maneira significativa, o tempo para a análise, logo após cada partida, ao utilizar dados e vídeos como seu principal canal de análise e comunicação. Isso representa um risco, podendo até criar problemas de sobrecarga de informações, por isso a necessidade de maiores cuidados, evitando que técnicos muito ocupados sejam expostos a uma avalanche de dados e vídeos para analisar e interpretar. Desta maneira, as implicações dos elementos visuais do futebol informativo são infinitas, dado o valor agregado que contêm.

Técnica de visualização do jogo 1: DataViz

Aplicar o DataViz a um contexto de futebol é mais fácil na teoria do que na prática. Os envolvidos deveriam considerar repassar as informações claramente ao corpo técnico. Isso é de grande relevância, pois os técnicos, além de serem os usuários finais, também decidirão se a ferramenta é útil ou não, já que estes profissionais, atualmente, têm muitos compromissos e o tempo para eles é um fator importante. Assim, a regra geral é que o DataViz vem a agregar valores essenciais ao tempo disponível. Outra consideração é a importância do DataViz para o usuário final, oferecendo uma visão de “engenharia reversa”, o que é uma opção em potencial. Em especial, destacar os elementos particulares do desempenho no iniciante. Isso garante que a “compra” tenha mais possibilidades de sucesso e que os técnicos possam se sentirem parte deste processo. O ideal seria que o técnico pudesse iniciar o processo com uma pergunta. O DataViz na Figura 1 está baseado em uma pergunta: “Como esta mudança impactaria no sistema tático de perfis tático-físicos para os atletas selecionados? Especialmente, ao dispor os laterais como volantes (WB) ou usá-los como meio-campo defensivo.(FB). Este exemplo não só representa a corrida geral de alta intensidade deste cenário, mas também a divide em subgrupos de corridas de alta velocidade e corridas por cores para intensificar os detalhes. Ao se adicionar, a visualização abaixo representa sua frequência de corrida de alta intensidade em relação às zonas do campo, como um mapa de calor, com o contexto do conjunto de ações que foram selecionadas. Em instantes, será informado ao técnico qualquer diferença entre os zagueiros com base em mudanças táticas como, por exemplo, alguma diferença nas distâncias absolutas e a quantidade de esforço, mas principalmente na área disposta e o contexto de ações técnico/táticas. No entanto, é necessário apresentar os dados longitudinais para uma imagem mais completa, assim como é preciso adicionar a variação de um jogo para o outro à narrativa, de modo que se possa reconhecer o sinal do ruído (Bush et al., 2015; Carling et al., 2016). Isso é importante,

pois nosso grupo descobriu que as tendências dos dados abaixo informados são diferentes de um conjunto de dados mais significativos, sendo que os padrões são muito específicos para cada jogo e equipe. Podemos testar diferentes perfis para os dois laterais dentro de uma mesma equipe. Por exemplo, um cobre uma distância substancial de maior intensidade na posse, enquanto o outro apresenta um melhor desempenho sem essa posse. É essencial que as características individuais e as sinergias entre os colegas de equipe sejam identificadas e visualizadas pelos técnicos.

Outra pergunta realizada pelos interessados referiu-se à contextualização da métrica física. Os dados de rastreamento tendem a ser aplicados como distâncias físicas isoladas e está limitação foi informada previamente (Bradley and Ade, 2018; Bradley et al., 2018, 2019). Este tipo de pensamento vertical ao contrário do pensamento lateral é amplamente disseminado na ciência (De Bono, 2016). Entretanto, o último é vital para se gerar uma análise. O DataViz na Figura 2 está baseado em uma pergunta: “Podemos visualizar não somente “QUAIS” esforços intensos são produzidos pelos atletas e sim, o que é mais importante, o “POR QUE” são produzidos? Em função das rápidas mudanças deste tipo de trabalho, esta visualização é particularmente bruta, porém efetiva, pois codifica por cores as intensas ações de um atacante da Premier League inglesa no contexto tático “primário”, sendo que algumas são híbridas. Isso inclui ações como “correr/penetrar”, “fechar/pressionar” e “atacar dentro da área”. Como estas categorias estão baseadas em uma linguagem de treinamento e são ações universais dentro do futebol, os resultados são muito bem recebidos. Para ajudar a medir as alterações na velocidade, cada seta na Figura 2 representa um período de 1 segundo de alta intensidade.

A Figura 2 demonstra que o atacante realizou cerca de 45% das suas ações previstas na forma de “correr/penetrar” e “fechar/pressionar” que são altamente desejadas para o estilo de jogo da equipe. “Fechar/pressionar” na parte superior do campo durante o primeiro tempo é muito importante. Já que ele é atacante direito, podemos observar como tentou “chutar” e então cruzou para o(s) atleta(s) adversário(s) na área, para assim conseguir o apoio de seus companheiros neste momento de alta pressão. A maioria dos esforços são de natureza muito curta e explosiva. “Mover-se para receber/explorar a área” compõe cerca 20% de todos os esforços e conduziu a corridas mais longas durante o jogo nesta categoria. Isso aconteceu durante um contra-ataque iniciado com um tiro de canto do adversário no primeiro tempo, que, por sua vez, se posicionou para receber a posse de bola antes que fosse interceptado pelos adversários. Assim, a ação de “mover-se para receber/explorar a área”, destacada com um círculo pontilhado azul, levou-o a receber um passe fora da área antes de disparar para marcar.

O atacante realizou uma só ação intensa na categoria de “entrar na área” na qual mudou-se a jogada, atacando-se pela lateral para que o volante repasse para o centro. Logo após o passe, rapidamente acelerou para a área, mas à medida que se aproximou dela, diminuiu a velocidade antecipando o centro. Ainda que somente tenham sido registrados três episódios de “posse de bola” de alta intensidade para

este atleta, dois dos três são interessantes, já que a “posse de bola” mais longa aconteceu novamente durante outro contra-ataque, a partir de um tiro de canto do adversário. A ação mais avançada de “posse de bola” foi quando driblou com alta intensidade para entrar na área, antes de chutar na trave. O profissional dedicado também se encantará com o comportamento generoso do atacante no primeiro tempo, já que realizou uma longa “corrida de recuperação” para se trocar por um colega fora de posição. Tudo isso somado a uma clara narrativa sobre seu desempenho, ao revelar o perfil de corrida existente, em função da sua posição tática única na equipe, além de distâncias unidimensionais “cegas”, com um contexto limitado (Bradley et al., 2018). Esta distância intencional poderia ser valiosa para os profissionais, pois não necessariamente querem determinar quais atletas cobrem uma determinada maior/menor distância, e sim como cada um cumpre com suas obrigações em relação a um adversário específico e/ou à filosofia da equipe. Os dados físicos contextualizados que estabelecem as corridas de alta intensidade com os objetivos táticos de uma ação, podem confirmar que os atletas estejam cumprindo com os requisitos dessa tática. Esses elementos visuais não somente derivam de uma rápida análise, e sim, podem ser usados para desenvolver exercícios de treinamento específicos ou padrões de jogo de retorno ao jogo (Ade et al., 2016).

Técnica de visualização do jogo 2: telestração de vídeos

Tradicionalmente a telestração era uma técnica usada exclusivamente pelos apresentadores de televisão para desenhar à mão livre ou sobrepor gráficos em material audiovisual (Reiffel, 1968). A habilidade dos apresentadores em atrair a atenção da audiência, de forma seletiva, para as informações mais importantes, tudo isto através de gráficos, torna esta modalidade indispensável (Pingali et al., 2001; Zhou e Liu, 2010). Em função do sucesso das transmissões, a telestração de vídeos migra para os departamentos de análise de desempenho da maioria dos clubes de futebol de elite. Usa-se um conjunto de softwares especializados, tais como Viz Libero do VIZRT, Coach Paint da ChyronHego, Sports Graphics da Piero, tactical Pro da RT e Animate do KlipDraw.

Eles são parte importante das sessões de análise dos vídeos junto aos atletas e técnicos. Isso é especialmente correto quando são necessárias ideias para que exista uma análise do adversário ou nas revisões pós-jogo de uma maneira visual e atrativa. Os analistas de desempenho normalmente visualizam a forma de jogo, os movimentos dos atletas e a dinâmica tática durante as diferentes fases do jogo, utilizando um conjunto de ferramentas de telestração personalizadas. Tudo isso chama a atenção dos atletas e dos técnicos, mas realmente no intuito de garantir que todos aprendam e colaborem nos desempenhos tanto individual quanto coletivo. Ainda que a maioria dos clubes sintam de forma intuitiva que as análises dos vídeos tradicionais contribuem para a aprendizagem e a reflexão (Groom & Cushion, 2005), contudo isto deve ser esclarecido cientificamente, na utilização da tecnologia de telestração. Ainda que a “compra” do técnico seja normalmente universal, sempre e quando os elementos visuais estejam agregando valor, é vital o uso de ferramentas gráficas selecionadas no contexto correto. Abaixo pode-se encontrar ferramentas comuns de ofertas de software mais avançados do mercado

(Viz Libero).

Ferramentas comuns do Viz

Os aspectos mais importantes da telestração de vídeos é a facilidade para integrar elementos de desempenho tático, técnico e físico simultaneamente de forma dinâmica e visual. A pesquisa identificou o nível de melhoria no entendimento sobre o desempenho no futebol e unificar estas particularidades, assim como a tradução à prática (Bradley et al., 2019; Bradley & Ade, 2018; Ade et al., 2016). Entretanto, a telestração de vídeos poderia desenvolver a nossa capacidade de entendimento dos desempenhos no futebol em uma escala maior, se comparada a outras técnicas, dado que os vídeos são o meio mais utilizado e preferido pelos técnicos e atletas.

Na Figura 3A, por exemplo, podemos visualizar a distância do atacante (elementos técnicos e físicos), enquanto, simultaneamente, segue o movimento de alta velocidade dos seus colegas para a área (elementos táticos e físicos). A forma como a defesa visualiza, ao usar uma ferramenta como linha de defesa (elemento tático). Na Figura 3B, outro exemplo, ilustra-se o uso combinado de um triângulo defensivo para simbolizar a sintonia, enquanto um raio de luz e uma seta vermelha apresentam os movimentos de ataque. Aqui podemos ver claramente uma opção viável de passe aberto com uma seta preta que significa o espaço ao longo do campo. Como a maioria das situações de gol acontecem com velocidade (Fraude et al., 2012), podemos visualizá-las de forma mais lenta e aumentá-las para obter mais informações deste cenário. Na Figura 3C vemos o atleta controlando a bola com habilidade. A lupa captura os detalhes para oferecer uma oportunidade a um colega. Todas estas telestrações personalizadas poderiam oferecer diferentes fontes de informações, dependendo do contexto aplicado. Em um contexto de análise do adversário, o técnico e seus atletas terão informações dos pontos fortes e ataques da equipe, principalmente os movimentos de ataque. Em um contexto de revisão pós-jogo, se poderia criticar a sintonia de uma unidade de defesa durante jogadas rápidas. Wright et al. (2012) demonstraram que as análises dos vídeos tradicionais colaboravam com os técnicos no planejamento a curto e longo prazo. Desta maneira, uma vez que a telestração adiciona gráficos, chamando a atenção de forma mais seletiva, possivelmente seria superior as análises dos vídeos tradicionais.

Ferramentas avançadas de Viz

A importância que as análises dos vídeos representam para a maioria dos clubes poderia estar associada a uma habilidade em auxiliar no processo de comentários (Wright et al. 2012). Há uma habilidade, em específico, para identificar limitações individuais, coletivas e comentar para corrigir (Lyle 2002, Hodges & Franks 2004). Assim, as funções de telestração avançadas dos movimentos dos atletas, voo em 3D e a integração de dados podem melhorar muito este processo. Nas Figuras 4A-B mostra-se diversos atletas e os movimentos que tecnicamente deveriam ser feitos. Por exemplo, o passe para o goleiro que termina em um escanteio. As opções em potencial de passes são destacadas em azul (Figura 4A) e o posicionamento virtual visualizado (Figura 4b). Isso poderia ajudar muito no processo de comentários, uma vez que as sequências tanto corretas quanto incorretas são visualizadas uma após a outra.

Outra vantagem que a telestração oferece é a análise tradicional dos vídeos feita no modo voo em 3D, que se pode utilizar simultaneamente à análise dos gráficos. Isso pode aliar perspectivas durante várias situações de jogo e ajudar potencialmente na aprendizagem e no processo de comentários. Na Figura 5A destaca-se o centro de campo partindo de uma lateral, podendo-se observar a linha defensiva. À medida que a perspectiva da câmera muda na Figura 5B, obtemos mais informações sobre a trajetória do centro de campo em relação à linha defensiva e os movimentos dos atacantes.

O usuário também poderá integrar informações no vídeo, a partir de fontes externas (informações de desempenho e do evento em si). Por exemplo, podem usar informações de desempenho de atletas e da equipe como um todo para criar mapas de calor (Figura 6). O uso de mapas de calor para fornecer mais contexto pode ser valioso para os profissionais, uma vez que são destacados pontos importantes de atividade em todo o campo e durante o jogo, atraindo a atenção visual e promovendo um contexto aliado aos movimentos dos atletas e ao posicionamento coletivo da equipe.

Resumo

No futebol atual, os profissionais podem usar diferentes metodologias para aprimorar a visualização das informações e dos vídeos. O DataViz é ideal para aprimorar essa “compra” do técnico, pois pode traduzir efetivamente as tendências para cada usuário final. Além disso, é uma forma eficiente de otimizar o tempo e agregar uma narrativa aos números, especialmente se partir de uma abordagem de “engenharia inversa”. Isso é de grande importância ao reduzir expressivamente o tempo para a análise e quando se necessita que estes dados estejam simplificados, mesmo que ainda sejam informativos. A telestração de vídeos poderia ter um papel ainda mais específico no desempenho do futebol, já que os vídeos é o meio mais utilizado e preferido pelos técnicos e atletas. Ao adicionar uma visualização comum ou avançada ao vídeo, pode-se melhorar a informação específica extraída pelos atletas e técnicos, melhorando o processo de comentários.

Dr. Paul S Bradley: Consultor em Ciências do futebol (paulbradley94@yahoo.co.uk)

Dr. Wonwoo Ju: Dr. pesquisador em Ciências do futebol na LJMU

Dr. Andy Laws: Cientista da computação na LJMU

Dr. Antonio Gomez-Diaz: Preparador físico do time principal do FC Barcelona.

Dr. Andres Martin-Garcia: Preparador físico do sub-19 do FC Barcelona.

Dr. Mark Evans: Cientista de dados e informática

Referências

Ade J, Fitzpatrick J, Bradley PS. (2016). High-intensity efforts in elite soccer matches and associated movement patterns, technical skills and tactical actions. Information for position-specific training drills. J Sports Sci. 34, 2205-2214.

Bradley, PS and Ade, JD. (2018). Are current physical match performance metrics in elite soccer fit for purpose or is the adoption of an integrated approach needed? Int J Sports Physiol Perform. 13, 656-664.

Bradley PS, Evans M, Laws A and Ade, J. (2018). ‘Context is King’ when Interpreting Match Physical Performances. Football Med & Perform. 24, 43-45

Bradley, PS, Martin-Garcia, A, Ade, JD and Gomez-Diaz, A (2019). Position Specific & Positional Play Training in Elite Football: Context Matters. Football Med & Perform. 29, 31-35.

Bush, MD, Archer, DT, Hogg, R, and Bradley, PS. (2015). Factors influencing physical and technical variability in the English Premier League. Int J Sports Physiol Perform. 10, 865-872.

Carling C, Bradley PS, McCall, Dupont G. (2016). Match-to-match variability in high-speed running activity in a professional soccer team. J Sports Sci. 34, 2215-2223.

De Bono E. (2016). Lateral Thinking: A Textbook of Creativity. London: Penguin General.

Faude O, Koch T, Meyer T. (2012). Straight sprinting is the most frequent action in goal situations in professional football. J Sports Sci. 30, 625-31.

Groom R & Cushion C. (2005). Using of Video Based Coaching with Players: A Case Study. Int J Perform Anal Sport. 5, 40-46.

Hodges, NJ, and Frank IM. (2004). The nature of feedback, In: Hughes MD and Franks IM, (Eds.) Notational Analysis of Sport. London: E. & F.N.Spon.

Lacome M, Simpson BM, Buchheit M. (2018). Part 2: Increasing Coach ‘Buy-in’ with Good Data Visualisation. Aspetar Sports Med J. 16, 64-66.

Lyle, J. (2002). Sports coaching concepts: a framework for coaches behaviour, London: Routledge.

Pingali G, Opalach A, Jean Y, Carlbom I. (2001). Visualization of sports using motion trajectories: providing insights into performance, style, and strategy. Proceedings Visualization. VIS ’01., San Diego, CA, USA. 75-544.

Reiffel L. (1968). Superimposed Dynamic Television Display System. United States Patent 3617630.

Weissgerber TL, Milic NM, Winham SJ,Garovic VD. (2015). Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm. PLoSBiol. 13, e1002128.

Weissgerber TL, Winham SJ, Heinzen EP, Milin-Lazovic JS, Garcia-Valencia O, Bukumiric Z, Savic MD, Garovic VD, Milic NM. (2019). Reveal, Don’t Conceal: Transforming Data Visualization to Improve Transparency. Circulation. 140, 1506, 1518.

Wright C, Atkin S & Jones B. (2012). An analysis of elite coaches’ engagement with performance analysis services (match, notational analysis and technique analysis). Int J Perform Anal Sport. 12, 436-451.

Zhou Q, Liu D. (2010). Interactive visual content sharing and telestration: A novel network multimedia service. 14th International Conference on Intelligence in Next Generation Networks, Berlin, 1-6.