Análisis IA: ¿Arambarri, Lerma o Mascarell en el Valencia?

El Valencia CF está peinando el mercado en busca de un mediocentro para su medular. Mauro Arambarri (Getafe), Jefferson Lerma (Bournemouth) y Omar Mascarell (Schalke 04) son los jugadores, según la prensa, que más interesarían al conjunto dirigido por José Bordalás.

Tanto el uruguayo (7,95 de valor) como el colombiano (10,25 de valor) vienen de realizar la mejor temporada de sus carreras. Por otro lado, el centrocampista español (4,24) tiene una trayectoria más irregular, intercalando mejores y peores temporadas.

En este sentido, en Olocip hemos utilizado un modelo de valoración elaborado a través de la inteligencia artificial que permite hacer un análisis cualitativo (valor que ha aportado al equipo cada acción de un jugador). De esta forma se evalúa el impacto real que tiene un jugador en su equipo y no se tiene solamente en cuenta el tradicional análisis cuantitativo (frecuencia de las acciones: nº de goles, tiros, pases…) donde todas las acciones tienen el mismo valor independientemente de su impacto y el contexto en el que se producen. Para conocer más información sobre el modelo de valoración basado en IA de Olocip pincha aquí.

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. Por eso, si lo que queremos es saber cuál de estos tres centrocampistas tendría mejor rendimiento si fichara por el Valencia tendríamos que contextualizar al jugador en el club ché, así como a Bordalás como su 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…).

El modelo de contextualización codifica a cada jugador, equipo, entrenador y posición en función de todas las acciones en las que han estado involucrados en nuestra base de datos. El resultado son vectores numéricos a los que denominamos ADN del jugador, equipo, etc. Este modelo recibe como entrada (atributos) estos ADNs y devuelve como respuesta una estimación del rendimiento futuro del jugador en el contexto elegido.

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.

Figura 1

En la Figura 1, podemos observar el análisis en cuanto a la cantidad de acciones que estima nuestro modelo predictivo si estos jugadores ocupasen la posición de mediocentro defensivo. En este sentido, defensivamente, Mascarell sería el jugador que más acciones defensivas ejecutaría, sobre todo con mayor número de balones bloqueados y despejes.

La Figura 2 muestra que el centrocampista español también sería el jugador que más valor generaría con sus acciones defensivas. Por ejemplo, Lerma sería el jugador que más cantidad de interceptaciones llevaría a acabo; sin embargo, Mascarell conseguiría obtener más valor. Aquí se puede ver que no por realizar más acciones se tiene más impacto en el juego de tu equipo y por lo tanto, lo importante es la calidad de las acciones y no el volumen.

Por otro lado, en el juego aéreo a nivel defensivo, ningún jugador tendría un gran impacto jugando en el Valencia. Lerma con 1913 duelos defensivos exitosos apenas tendría impacto en el juego.

Figura 2

En la faceta de creación de juego, el modelo de Olocip tiene en cuenta, tanto exitosos como fallidos, pases totales, pases a balón parado, pases de banda; conducciones y segundas jugadas. En este sentido, Lerma sería el jugador que más acciones llevaría a cabo, sobre todo en los pases.

Figura 3

No obstante, es Mauro Arambarri el jugador con mayor impacto en las acciones de construcción de juego, despuntando en las segundas jugadas y las conducciones. Por ejemplo, el uruguayo, pese a realizar hasta 9000 acciones menos, se estima mayor impacto en esta área del juego que el colombiano, tomando mejores decisiones con sus acciones de elaboración.

Figura 4

La variable ofensiva engloba los tiros (selección de tiro y finalización) y duelos aéreos y terrestres; tanto en juego como a balón parado y exitosos y fallidos.

Así, el modelo predictivo estima que Arambarri sería el jugador más destacado tanto en cantidad de acciones (frecuencia) como en valor (impacto positivo en el equipo). 

Ningún jugador tendría relevancia en cuanto a asistencias (se estima que no repartan ninguna) y muy poco en cuanto a goles, destacando Arambarri con 1-2 goles en toda la temporada. En este sentido, el uruguayo también sería el que mejores posiciones de tiro se crearía. Sin embargo, todos penalizarían al Valencia a la hora materializar sus ocasiones.

Tres jugadores para una posición. ¿Será alguno jugador del Valencia la próxima temporada y cumplirá con las estimaciones de la IA?

Para conocer más información sobre TCT Scout, contáctenos.