El delantero que necesita el FC Barcelona según la IA

Con la retirada del Kun Agüero y la falta de gol (28 en 18 partidos de liga), el FC Barcelona buscará un delantero en este mercado de invierno.

En Olocip hemos utilizado nuestro modelo de valoración elaborado a través de inteligencia artificial con el objetivo de buscar a los delanteros que mejor rendirían en el contexto FC Barcelona a partir de enero.

Nuestro modelo predictivo realiza un análisis cualitativo (valor que ha aportado al equipo cada acción de un jugador) que permite conocer el impacto real que tiene un jugador en su equipo. De esta forma, no se tiene solamente en cuenta el tradicional análisis cuantitativo que refleja solamente la frecuencia de las acciones (nº de goles, recuperaciones, pases…) donde todas las acciones tienen el mismo valor independientemente del contexto en el que se producen. Para conocer más información sobre el modelo de valoración basado en IA de Olocip pincha aquí.

Para buscar el mejor refuerzo para la punta de ataque del conjunto culé hemos filtrado por delanteros, de más de 50 competiciones, menores de 30 años, con más de 500 minutos jugados esta temporada y, dada la situación económica del Barça, con fin de contrato en 2022. Para ello hemos tomado como referencia el contexto FC Barcelona con Xavi como entrenador.

El impacto que tiene un jugador en cada aspecto del juego está condicionado a la competición en la que participa, así como a la filosofía y estilo de juego de su equipo y entrenador. La IA es la única tecnología capaz de contextualizar a un jugador en un nuevo entorno (club, liga, entrenador, compañeros, sistema de juego, edad…).

Utilizar datos descriptivos del pasado (big data) para hacer predicciones sobre el rendimiento futuro de un jugador es erróneo. Hay que emplear IA con el objetivo de reducir la incertidumbre y que los profesionales de un club tomen mejores decisiones bajo criterios de rigor científico.

En este sentido los jugadores seleccionados por la inteligencia artificial, de entre más de 1400 delanteros, son: Julián Álvarez (River Plate), Andrea Belotti (Torino), Sardar Azmoun (Zenit de San Petersburgo), Alexandre Lacazette (Arsenal) y Kolo Muani (Nantes).

Si analizamos su rendimiento deportivo a 6 meses vista, el modelo predictivo señala que Sardar Azmoun sería el jugador que más impacto tendría en el juego ofensivo. El punta iraní sería el jugador que más valor generaría en balones con sus goles y tiros. En asistencias, Julián Álvarez tendría más impacto.

Si hablamos de cantidad de acciones ofensivas, Belotti sería el jugador más destacado. Sin embargo, lo importante no es la cantidad de acciones realizadas, sino la calidad de las mismas y su impacto en el juego del equipo. Así que, por ejemplo, pese a que el punta itaiano sea el jugador que más veces tire por 90′ en liga, Azmoun tiene más impacto con sus disparos.

Así, si diéramos por hecho que estos jugadores disputarán el 100% de los minutos desde la jornada 21 en liga, Sardar Azmoun sería el jugador que más goles anotaría (≈8/9) y Julián Álvarez el que más asistencias repartiría (≈2/3).

En construcción de juego, un apartado muy importante en el FC Barcelona, Julián Álvarez sería el jugador más involucrado y con más valor en la elaboración si fichase por los culés. El delantero de 21 años destacaría en pases totales, exitosos, hacia delante, a hueco, centros, cambios de juego y conducciones. De hecho, con sus pases, sería el único delantero que no penalizaría al equipo blaugrana.

Por su parte, Belotti sería el jugador que menos penalizaría al Barça con sus pases fallidos o hacia atrás. Azmoun destacaría en las segunda jugadas.

Cuantitativamente, Julián Álvarez sería el jugador que más acciones de construcción de juego llevaría a cabo por 90 minutos.

Si analizamos la presente temporada, con datos hasta el 16 de diciembre, podemos conocer el valor acumulado que han generado con sus acciones estos delanteros en sus equipos y ligas actuales:

• J. Álvarez (River Plate, Liga Profesional Argentina); +20,15 en 2575′ (temporada finalizada)
• A. Belotti (Torino, Serie A); +0,77 en 506′
• S. Azmoun (Zenit, Premier League Rusia); +6,04 en 993′
• A. Lacazette (Arsenal, Premier League); +2,27 en 558′
• R. Kolo Muani (Nantes, Ligue 1); +5,77 en 1447′

Sin embargo, es fundamental entender que utilizar datos descriptivos del pasado (big data) para hacer predicciones sobre el rendimiento futuro de un jugador es erróneo. Hay que emplear IA con el objetivo contextualizar al jugador en su nuevo entorno para de reducir la incertidumbre y que los profesionales de un club tomen mejores decisiones bajo criterios de rigor científico.

Para conocer más información sobre TCT Scout, contáctenos.