Sergio Ramos, ¿París o Manchester? Análisis IA

Casi una semana después del anunciado adiós de Sergio Ramos al Real Madrid, el camero ya está valorando propuestas de equipos como el Paris Saint Germain o el Manchester United.

Tras 16 años y 22 títulos con el conjunto blanco, el defensa central evalúa otras ofertas para seguir aumentando su palmarés. Según distintos medios de comunicación, las propuestas que más gustan al jugador de 35 años provienen de París y Manchester.

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 ha tenido el 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 valor de las acciones que es capaz de generar 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 ahora es saber cuál sería el rendimiento de Sergio Ramos si fichara por el PSG o por el Manchester United tendríamos que contextualizar al jugador en esos clubs concretos. 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.

El modelo de contextualización 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 los ratings de Sergio Ramos en la temporada pasada y sus últimos años en el Real Madrid en comparación con la predicción de rendimiento a 10 meses en el París o Manchester.

Los ratings son indicadores con rango (0, 100) que representan el impacto del jugador en cada aspecto del juego. Para calcular un rating se siguen los siguientes pasos:

1. Se estima el rendimiento de todos los jugadores de la base de datos que comparten posición con el jugador seleccionado en el contexto elegido.
2. Se ordenan los jugadores de mejor a peor en función de su impacto esperado, de forma que al jugador mejor valorado se le asigna un rating de 100, mientras que el peor valorado se le asigna un 0.

En este sentido, ¿que significa un rating de 98? Que Sergio Ramos sería mejor que el 98% de los defensas centrales de la base de datos (más de 50 competiciones y 28.000 jugadores) en ese equipo concreto. Por ejemplo, en defensivo en el Manchester United, Sergio Ramos sería mejor que el 76% de los defensas centrales de la base de datos; mientras que habría un 24% de jugadores que tendrían mejor rendimiento defensivo que Ramos en los diablos rojos.

Si realizamos un análisis más detallado con estadísticas a 90′ (Figura 2) de los datos en función de la valoración de las acciones (impacto del jugador con cada acción en su equipo), vemos claramente que Ramos sería más destacado en la elaboración de juego si fichara por el equipo de Pochettino, consiguiendo más valor con sus acciones. Sin embargo, el central de 35 años generaría más valor con sus acciones defensivas si formara parte de los diablos rojos.

Figura 2

¿Qué conclusión se obtiene del análisis predictivo a través de IA? Defensivamente, Sergio Ramos participaría más en el Manchester United y además generaría mas valor por 90′ con sus acciones defensivas. Sin embargo, su rating indica que se adaptaría mejor defensivamente hablando al PSG ya que obtiene un mejor rating en defensa.

En construcción de juego, el central español se adaptaría perfectamente en ambos equipos(98 de rating = Mejor que el 98% de los centrales de la base de datos en ambos equipos). No obstante, analizando variables más detalladas en la creación de juego, se observa que Ramos participaría y obtendría más valor en el conjunto parisino.

Y, ¿qué pierde el Real Madrid con la salida de Sergio Ramos?

Si el central español se hubiera quedado en el Madrid con Carlo Ancelotti como entrenador en los próximos 10 meses, la IA observa que solo 12 jugadores de toda la base de datos aportarían mejor rendimiento que él en el club blanco.

Estos jugadores serían: F. Grillitsch (Hoffenheim), F. de Jong (FC Barcelona), L. Dunk (Brighton), L. Martínez (Ajax), Y. Mina (Everton), T. Koopmeiners (AZ Alkmaar), R. Tolói (Atalanta), O. Boscagli (PSV), C. Coady (Wolverhampton), K. Tierney (Arsenal), V. van Dijk (Liverpool) y B. Cristante (Roma)

Para la elección de estos jugadores se tienen en cuenta a jugadores que su posición principal sea central o que al menos hayan jugado 1000 minutos de central a lo largo de su carrera.

Por otro lado, comparando a Sergio Ramos con Alaba en el Real Madrid con Ancelotti como entrenador se observa que el rendimiento de Alaba sería inferior, con un overall de 95 por el 98 de Ramos. Esto, como hemos explicado antes, significa que Ramos es mejor que el 98% de centrales de la BBDD, mientras que Alaba es mejor que el 95%. En overall, se incluyen todas las acciones ofensivas, defensivas y de construcción de juego. El aspecto defensivo es el que más penalizaría al central austríaco con un 46 de rating, por el 82 del español.

Para conocer más información sobre TCT Scout, contáctenos.