Opinión

El fútbol se vuelve más predecible y aburrido

Un estudio dice que el fútbol se vuelve más predecible y aburrido… ¿también más injusto?

Un estudio de la Universidad de Oxford y el Turing Institute revisó los resultados de 88.000 partidos aplicando machine learning y análisis de redes, llegando a una conclusión clave para los fanáticos de este deporte: el fútbol se esta volviendo muy predecible. Lo analizamos y damos una explicación. 

¿Dinámica de lo Impensado?

Del enorme Dante Panzeri se repite, injustamente, la frase que da titulo al libro que menos le gustaba (“Fútbol, dinámica de lo impensado”) casi como mantra, funcionando como una suerte de eje argumental para la paradoja de quienes trabajan analizando el fútbol pero resisten de que estudiarse y parametrizarse. Lo que subyace, es la idea de que dados los resultados excepcionales que pueden darse en este deporte (el Maracanazo, la Euro ganada por Grecia, el triunfo de Argentina a Brasil en Italia ´90), no tiene mucho sentido analizar las tendencias de los equipos, porque todo depende del día del juego y la inspiración de los jugadores.

A lo largo de su historia, el fútbol ha podido esconderse en ciertas características para validar esta posición, a pesar de que fuera el campo para varios pioneros en la toma de datos en el deporte como Valeri Lobanovsky (Dinamo de Kiev y Selección de la URSS) o el propio Arsene Wenger (Mónaco y Arsenal) hicieran sus trabajos fundacionales, generalmente primaba la idea de que había menos datos para capturar que en otros deportes, y que dado el bajo goleo era prácticamente imposible predecir un score final.

Con el tiempo, la evolución de la tecnología y la aparición de múltiples proveedores de datos en el deporte, aprendimos que lo que no se podía predecir al 100% eran los resultados, pero si había mucho por estudiar en la manera de jugar de los equipos. Lo que los “nuevos” datos  nos daban, justamente, es la chance de analizar en profundidad el juego por sobre el marcador, acaso el argumento que faltaba para convencer a quienes buscan que el fútbol sea vistoso, bien jugado y que se apueste a procesos por sobre resultados.

Este trabajo cuyos autores son  Victor Martins Maimonea y Taha Yasseri parece encontrarle una vuelta a este asunto, poniendo el foco en como se han modificado los niveles de predictibilidad en este deporte, y haciendo un movimiento inteligente y novedoso en este campo: tomar algoritmos del aprendizaje automático (machine learning) y métricas del análisis de redes, dos abordajes que hasta aquí se habían utilizado más para el análisis al interior de los equipos que para explorar la relación conjunto.

26 años, 11 Ligas y 88.000 partidos pero mas predecible?

El estudio utiliza la ciencia de las redes de manera simple y robusta, tomando los últimos 26 años de competencia en 11 ligas de primer nivel europeo, se centra en los partidos que terminaron con un ganador, eliminando en esta primera aproximación los empates, y prediciendo a partir de dos modelos:

El primero (llamado Dyadic) predice el ganador entre dos equipos a partir del análisis número determinado de juegos anteriores (no necesariamente entre los mismos equipos). Es decir, no se fija en el historial entre ambos conjuntos, sino en la racha que viene llevando cada uno de ellos en la competencia en cuestión.  El problema de este enfoque, es que los equipos bien pueden venir de enfrentamientos disimiles, no es justa la comparación de la racha previa si te toco enfrentar equipos de primer nivel que si se viene de juegos contra los últimos en la tabla de posiciones, en ese punto es donde entra la ciencia de las redes.

¿Que es el análisis de redes? Es un enfoque basado en la teoría de grafos matemática, que centra el análisis en los vínculos por sobre las características particulares del objeto de estudio. ¿Complejo? El ejemplo clásico en el fútbol son los mapas de pases (que mostramos habitualmente en nuestro Lab), donde el foco esta puesto en como son las asociaciones entre jugadores (los vínculos) y no en la cantidad de pases que dan individualmente o el nivel de precisión de los mismos (características propias de cada jugador).

La aplicación de la ciencia de redes que se da en este caso, vincula equipos con los resultados obtenidos: En el  segundo modelo (llamado de modo no muy original Network) lo que hicieron los autores fue armar una red directa y dirigida: con un solo tipo de relación y dirección, donde la vinculación va desde los equipos que perdieron hacia los que ganaron ponderado por el número puntos de los triunfadores. Como ejemplo, en el gráfico de arriba Manchester City y Liverpool se representan con círculos (nodos) más grandes, dado que por el número de victorias conseguidas tienen más peso dentro de la red de la Premier League.

En un segundo paso, se calcula la centralidad eigenvector, un indicador suena más complejo de lo que es: una métrica recursiva que otorga más puntaje a cada equipo en tantos tus “vecinos de red tienen mayor peso”, en otras palabras, el eigenvector va a ser más alto en tanto el equipo haya ganado a equipos que venían bien y menor si lo hiciste a los clubes de campañas más pobres.

Utilizando estos modelos se midieron los 88.000 partidos de la base, buscando entender si bajo estos parámetros el nivel de predictibilidad (es decir, los resultados que arrojaba el modelo y los que se dieron en la práctica) crecía a lo largo de los años.

Más grande, más predecible

Los resultados del estudio comprueban la hipótesis: el fútbol se esta volviendo cada vez más predecible, especialmente en las ligas más importantes.

Si bien la correlación se observa en la mayoría de los países estudiados, el hecho de que se de en las cuatro ligas top de Europa (Inglaterra, Francia, Alemania y España) es un punto clave en el contexto de crecimiento y consolidación en materia de económica y deportiva que han tenido esas competencias en los últimos años.  La tendencia es similar en Portugal, Holanda y Escocia, ligas históricamente “partidas” entre los equipos más poderosos y el resto, con lo cual el aporte de estos países es más complementario que otra cosa. Del otro lado, Grecia y Turquía son las excepciones con tendencias opuestas y por ende donde cada vez es más complejo predecir un ganador.

Lo interesante del estudio, es que expone una cuestión clave para el futuro del fútbol: el motivo por el cual el juego se esta volviendo más predecible esta asociado a la mayor desigualdad que hay entre los equipos que compiten en la misma liga.

El procesos de alimentación es claro: los mejores equipos ganan partidos, por lo que tienen mayores ingresos, entonces se refuerzan con mejores jugadores, continúan ganando partidos haciéndose cada vez más fuertes. Esta tendencia va más allá de los casos excepcionales como el Leicester de Ranieri o el Blackburn de Alan Shearer en los noventas, que no pudieron mantenerse dentro del circulo virtuoso de triunfos y crecimiento.

Para comprobar este punto, el estudio compara lo predecible de una competencia con un coeficiente Gini ( habitualmente utilizado para medir las diferencias entre los sectores pobres y ricos de un país) construido especialmente para la ocasión en base a como se reparten los puntos los equipos en una liga (algo parecido a lo que hizo Nico Garcia Aramouni en esta nota).

Los resultados son elocuentes, especialmente en España, Inglaterra y Alemania donde se dan las correlaciones más altas entre el aumento de los niveles de predictibilidad de la liga y el crecimiento del coeficiente Gini, que para definirlo de la manera más fácil posible, en este caso representa una mayor distancia entre los puntos obtenidos por los que pelean el título y el resto de los equipos.

Relación y evolución de la predictibilidad (AUC) y de la desigualdad (coeficiente GINI) por ligas.

Menos Locales mas predecible?

Otra resultado interesante de este estudio, es que revela como la condición de local ha perdido fuerza a lo largo del tiempo, esto se da en mayor o menor medida en todas las competencias estudiadas.

La proliferación de jugadores extranjeros, la mayores comodidades para los visitantes para trasladarse a otros estadios, la multiplicidad de equipos por las que un jugador atraviesa a lo largo de su carrera, incluso la menor cantidad de público que acude a ver los partidos y la propia creciente desigualdad de los equipos, son factores a analizar para explicar este fenómeno, que pone en jaque la siempre polémica regla del gol de visitante en las competencias por eliminación.

Investigación en contexto

Proliferaron papers científicos sobre fútbol en los últimos años, muchas veces con resultados cuya practicidad y validez se ve acotada a campos tan específicos como lejanos para el futbolero medio. Lo interesante del estudio de Victor Martins Maimonea y Taha Yasseri es que pone en discusión cuestiones claves para el devenir del fútbol a la vez que mete el dedo en la llaga en la vieja disputa sobre la impredictibilidad de los resultados en este deporte. Profundizar la relación entre desigualdad, localía y predictibilidad puede ser la llave para un juego más justo, acaso la base ética fundamental para la aplicación de análisis de datos en el deporte… y en todo lo demás también.

Artículo Original

Football is becoming boring; Network analysis of 88 thousands matches in 11 major leagues
por Victor Martins Maimonea and Taha Yasseri

Disponible en https://arxiv.org/pdf/1908.08991.pdf

Fuente Analítica Sport

Por Matías Conde

En esta nota

#Ligas
#Fútbol

Compartir en

AN Logo
Suscribite al Newsletter de Acercando Naciones para recibir lo último en información sobre Diplomacia, Cultura y Negocios.