El fútbol es un deporte que combina pasión, incertidumbre y estrategia. A menudo se dice que cualquiera puede ganar un partido y, en ocasiones, equipos modestos sorprenden a gigantes del deporte.

Las posiciones, los roles de los jugadores, las tácticas del entrenador y la interacción constante entre quienes se mueven en el campo configuran un sistema mucho más estructurado de lo que parece a simple vista.

Un nuevo estudio científico encabezado por el físico argentino Andrés Chacoma demostró que esa compleja dinámica puede analizarse con herramientas matemáticas para comprender mejor qué ocurre cuando un equipo juega bien o mal y, lo más importante, cómo mejorar su rendimiento.

La investigación, realizada en el Departamento de Física de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires y publicada en la prestigiosa revista Physical Review E, constituye un aporte inédito al análisis táctico. Se trata de un método capaz de cuantificar el funcionamiento de un equipo a partir de la construcción de redes de pases.

Lo innovador de esta propuesta no está únicamente en describir lo que ocurre, sino en brindar recomendaciones para optimizar el juego, incluso en situaciones críticas como cuando un jugador clave es bloqueado por el rival.

“Estuvimos trabajando con una base de datos que reúne todos los eventos que se vieron en todos los partidos de la temporada 2017-2018 de las cinco ligas europeas más importantes”, explicó Chacoma. Ese cúmulo de información inmenso fue la base para identificar patrones estadísticos que permiten responder a una pregunta tan vieja como el deporte mismo: ¿por qué un equipo puede dominar el partido durante varios minutos y luego, de pronto, perder eficacia y quedar a merced del rival?

El trabajo del físico Andrés Chacoma combina datos masivos y métricas de redes para guiar decisiones tácticas en el fútbol profesional (Fac. Cs Exactas UBA)

Redes que explican el juego

Los científicos partieron de una premisa sencilla pero poderosa: la interacción más elemental en el fútbol es el pase. Cada pase conecta a dos jugadores y, al repetirse, genera una red que refleja cómo se articula el equipo. A través del análisis de estas redes, los investigadores lograron distinguir con precisión las diferencias entre los momentos de alto rendimiento y los de bajo rendimiento.

Para establecer qué significaba jugar bien o mal, fijaron parámetros claros. Un equipo estaba jugando bien cuando lograba tiros al arco y se encontraba adelantado en el campo.

En cambio, se consideraba que jugaba mal cuando retrocedía y recibía disparos en contra. Con esos criterios, seleccionaron secuencias de 50 pases previos a cada tiro, lo que permitió construir dos tipos de redes: las de buen rendimiento y las de mal rendimiento

Frecuencia de interacciones entre jugadores del Barcelona. La intensidad del color es proporcional al número de pases observados. (a) En situaciones de alto rendimiento. (b) En situaciones de bajo rendimiento. (Fac. Cs Exactas UBA)

“Buscamos diferencias en la estructura de esos dos conjuntos de redes. Y esas diferencias, uno las puede de cuantificar con distintas métricas que se usan para las redes. Por ejemplo, una métrica que se llama clustering, que mide si en la red hay estructuras triangulares.

Entonces, si el clustering es alto, es porque tenemos jugadores que se están pasando la pelota de manera triangular, como que están triangulando bien. Otra métrica que usamos, por ejemplo, es la centralidad, que mide qué tan importante es un jugador en la red, pensado cuál es la probabilidad de que ese jugador tenga la pelota en un momento dado”, detalló Chacoma.

El trabajo demostró que estas métricas varían significativamente entre ambos contextos. En los momentos de alto rendimiento, las redes de pases presentan mayor cohesión, con conexiones sólidas que permiten sostener el ataque. En cambio, en los momentos de bajo rendimiento, las redes se fragmentan, los pases pierden fluidez y los jugadores clave quedan aislados.

Ciencia aplicada a la táctica

Las redes de pases muestran cómo se articula un equipo, en los momentos de alto rendimiento los jugadores mantienen conexiones sólidas (Fac. Cs Exactas UBA)

El aporte más valioso de este enfoque no se limita a describir lo que ocurre, sino que brinda herramientas para actuar en consecuencia. El modelo incluye la aplicación de técnicas estadísticas como la regresión logística para clasificar las redes en alto o bajo rendimiento. A partir de los coeficientes obtenidos, es posible identificar qué métricas deben ajustarse para favorecer configuraciones asociadas a un mejor juego.

En otras palabras, el estudio no solo explica el pasado, sino que ofrece pistas para modificar el presente y mejorar el futuro. Ese aspecto lo convierte en una herramienta con potencial práctico para entrenadores y analistas, ya que permite diseñar estrategias basadas en datos objetivos.

El caso del Barcelona de Lionel Messi e Andrés Iniesta fue uno de los ejemplos utilizados para ilustrar la utilidad del método. Los investigadores observaron que el equipo empeoraba su rendimiento cuando Iniesta tenía un clustering bajo.

Leo Messi y Andrés Iniesta en la Supercopa 2017. El caso del Barcelona mostró que Iniesta aumentaba el rendimiento del equipo cuando su clustering en la red de pases era elevado (Reuters / Susana Vera)

La conclusión fue clara: si se buscaba optimizar la performance, era necesario configurar los pases para que Iniesta alcanzara un clustering alto. “Yo podría decirle al entrenador que si hace jugar más por el lado donde juega Iniesta va a aumentar el clustering de Iniesta y eso va a llevar a mejores redes de pases. O sea, esta herramienta te permite meterte en la táctica del equipo”, sostuvo Chacoma.

El modelo también se aplicó al llamado “problema del jugador bloqueado”. En muchos partidos, los rivales intentan neutralizar a una figura clave, como Messi, para limitar el poder ofensivo del equipo.

El estudio reveló que, cuando eso ocurre, no solo se resiente el jugador anulado, sino que todo el sistema pierde eficacia. Frente a ese escenario, la propuesta consiste en reconfigurar las conexiones de los compañeros para compensar la ausencia y reconstruir una red de alto rendimiento.

Tomado de Infobae