Inteligencia Artificial aplicada al análisis de rendimiento en el fútbol

La plataforma TCT-Scout de Olocip es la primera solución de análisis predictivo de rendimiento especializada en la gestión y planificación de plantillas de aplicación durante todo el proceso de análisis y selección de jugadores bajo rigor científico, objetividad y contextualización.

Nueva dimensión en el análisis de rendimiento

Valoración objetiva, contextualización y predicción de rendimiento

Existen dos factores diferenciales que solo la Inteligencia Artificial puede ofrecer y que desde Olocip abordamos ofreciendo un conocimiento diferencial frente al resto de información disponible en la industria:

1.CONTEXTUALIZACIÓN: TCT Scout tiene la capacidad de trasladar el análisis a los contextos preferidos (nuevo equipo, liga, país, entrenador, compañeros, rivales, posición… y todo al mismo tiempo) de forma que se conteste a la pregunta real que hacemos antes de fichar:

• • • • ¿Cuál será el rendimiento de este jugador si lo ficho para la próxima temporada?

2.VALORACIÓN OBJETIVA DE RENDIMIENTO: TCT Scout tiene la capacidad de trasladar el análisis cuantitativo (frecuencia de las acciones) al análisis cualitativo (valor que aporta al equipo cada acción de un jugador), de forma que el rendimiento de los jugadores se analice desde la objetividad.

• • • • Sé objetivamente cuánto han aportado mis jugadores con sus pases, centros, regates etc.

Estadísticas descriptivas (Big data)

Tradicionalmente, el rendimiento de los jugadores de fútbol se mide en términos estadísticos que describen el número de acciones realizadas por el jugador, como número de pases, regates, tiros, goles, asistencias, etc.

Estas variables proporcionan información cuantitativa del rendimiento pasado de los jugadores que puede ayudar a los analistas. Sin embargo, es insuficiente para representar su impacto real en los partidos al no considerar el contexto en el que se produce cada acción. Además, el enfoque descriptivo no permite evaluar escenarios futuros o situaciones que no aparezcan previamente en los datos.

Por ejemplo, en la imagen inferior se puede apreciar un ranking de los jugadores con más acciones ofensivas de La Liga tras la jornada 33 de la temporada 2020/2021. Sin embargo, en este ranking aporta el mismo valor un tiro desde el medio campo que desde el área pequeña, por lo que no podemos concluir que los primeros jugadores del ranking son los que tienen un mayor impacto para sus equipos.

*Jugadores con más acciones ofensivas en La Liga tras la jornada 33 de la temporada 20/21

Modelo de valoración de acciones

En Olocip hemos abordado este problema mediante el desarrollo de un sistema basado en técnicas de Inteligencia Artificial que valora objetivamente cada acción que se produce sobre el terreno de juego en función de su contexto. Esta métrica se denomina valor de acción.

El valor de la acción ofrece una nueva dimensión de análisis del rendimiento de jugadores. A partir de la comparación del valor agregado de cada jugador en un partido o temporada podemos identificar los jugadores más sobresalientes. Adicionalmente, el valor se puede agregar por tipo de acción (pases, tiros, recuperaciones, etc.) para identificar los puntos fuertes y débiles de jugadores y equipos.

*Comparativa en la toma de decisiones si nos fijamos en el valor de las acciones calculado con IA con respecto a si nos fijamos en la frecuencia

El modelo predictivo se entrena con el objetivo de que aprenda a estimar la probabilidad de que un equipo marque en la jugada actual o conceda un gol en la siguiente jugada en función del estado de la jugada cuando se realiza la acción. El estado de la jugada en un instante “t” viene dado por:

• Las acciones realizadas por los jugadores hasta ese instante: acción 1, acción 2, …, acción t.
• El contexto en que se produce la jugada, incluyendo período y minuto de partido, resultado del partido y equipo local.

A su vez, cada acción está definida por:

1. Tipo de acción: En total, distinguimos entre 62 tipos de acciones distintas. Estas acciones incluyen eventos ofensivos, como regates o disparos, eventos de creación de juego, como pases y conducciones, eventos defensivos, como recuperaciones o intercepciones, y eventos auxiliares utilizados para asegurar la coherencia de las jugadas.
2. Coordenadas donde se produce la acción en el terreno de juego.
3. Coordenadas indicando el destino del balón tras la acción. En aquellos casos en los que la acción no implica un desplazamiento del balón como son los duelos las coordenadas de origen y destino son las mismas.

El modelo recibe como entrada la información que define el estado actual de la jugada y responde con probabilidades de que el equipo marque y encaje gol tras realizar la acción.

*Esquema del modelo de valoración de acciones

Del dato al conocimiento: Valorando cada acción

El modelo se utiliza para evaluar el estado de la jugada antes y después de que se produzca la acción. Posteriormente, el valor de cada acción se obtiene calculando la diferencia entre el estado que sucede a la acción y el que la precede.

*En la izquierda, evolución de la probabilidad de marcar o recibir gol durante una jugada. En la derecha, valor generado por cada acción.

Ejemplo:

La siguiente figura ilustra cómo calcular el valor de una acción con un ejemplo real.

En particular, se centra en un pase realizado en la jugada que condujo al primer gol del Real Madrid en el derbi contra el Atlético de Madrid jugado el 7 de marzo de 2021 (Video: Youtube).

Se puede observar que antes del pase de Benzema, el Real Madrid tiene una probabilidad de marcar gol en esa jugada de 0,0473 y una probabilidad de conceder gol en la siguiente jugada del rival de 0,0131.

Tras el pase, la probabilidad de marcar del Real Madrid sube a 0,2286 mientras que la de conceder se reduce a 0,0098. En definitiva, esta acción (el pase de Benzema) aumenta la probabilidad de marcar del Real Madrid en 0,1813 y reduce la probabilidad de conceder gol en 0,0033, aportando un valor total de 0,1846 a la posesión de su equipo.

El valor del pase de Benzema es por tanto 0,1846. 

*Probabilidad de marcar y conceder del Real Madrid antes y después de un pase de Benzema

Casos de uso TCT Scout

Identificación de jugadores similares en base a la comparación contextualizada de jugadores y predicción de rendimiento (valor y frecuencia) en el propio equipo, no en base a estadísticas pasadas

Análisis predictivo y conextualizado de rendimiento de jugadores

Comparativa predictiva de rendimiento en el club destino (scouting y transfer)

Información histórica de equipos y jugadores durante su trayectoria, valor y frecuencia de acciones

Ránking Top 10 de jugadores que más valor de acción han generado para sus equipos en la Primera División española tras la jornada 33 en la temporada 2020/2021. (Aplicable a los 62 tipos de acciones distintas y ligas)

Ranking del Top 20 de jugadores que más valor de acción generaron para sus equipos en la Primera División española en la temporada 2019/2020

Para más información, contacte con nosotros.