LA TEORIA DE XARXES POT APLICAR-SE EN LA PRESA DE DECISIONS TÈCNIQUES

Els avenços de la tecnologia i l’aplicació de la ciència cada vegada permeten desxifrar amb una major precisió tot el que succeeix sobre un terreny de joc durant partits i temporades completes. En aquest cas, la teoria de xarxes aplicada al futbol és, simplement, un mètode més per obtenir informació addicional sobre un partit de futbol.

Javier Martín va explicar en una xerrada a La Masia les conclusions de la investigació Defining a historic football team: Using Network Science to analyze Guardiola’s F.C. Barcelona signada per Xavier Busquets, I. Irigoyen, Paco Seirul·lo i ell mateix. Aquest ús de la teoria de xarxes habilita una nova eina per valorar el joc d’un equip que pot servir per establir estratègies: “Et donarà un punt de vista més i després el tècnic decideix, potser encertes amb menys informació, però per prendre bones decisions sempre necessites la informació més gran disponible i tenir en compte el nombre més gran de factors que han influït en el resultat final”.

Aquest nou sistema consisteix en la recerca de patrons a partir de la interacció dels jugadors. Els nodes (futbolistes) es relacionen entre si mitjançant la passada, el que crea una estructura superior. Segons quantes passades surten de cada node, des d’on i amb quina mitjana i eficàcia, es poden analitzar els diferents sistemes que s’han establert, definir els patrons i les dades, per tant els resultats que genera cadascun d’ells. Una informació que seria útil per al cos tècnic.

El mètode de càlcul parteix exclusivament de les dades que aporten les passades que es produeixen durant un partit. S’enregistra el moment en què es produeixen, l’equip i el jugador, les coordenades de la passada, el receptor i les coordenades de la següent passada. Cada passada és una connexió entre dos jugadors, si es repeteix, augmenta el pes d’aquesta connexió.

Això significa que les xarxes que es calculen són dirigides i pesades, és a dir, que cada connexió té una fletxa de direcció i un volum, el nombre de passades entre els mateixos nodes aporta un major o menor grossor. Finalment, amb totes aquestes variables, s’hi troba el centroide de la xarxa, que és la situació mitjana des de la qual han succeït totes les passades, i això no es tradueix en la posició dels jugadors necessàriament, encara que hi guardi relació. És, simplement, un coeficient.

A partir d’aquí, una dada fonamental per poder verificar l’eficàcia d’un sistema de joc, són les triangulacions. En qualsevol mena de xarxa, el triangle és una estructura molt robusta perquè significa que hi ha més facilitats per connectar els nodes. Si s’interromp una connexió (un jugador està marcat i no pot realitzar una passada, per exemple) la triangulació li facilita que la pilota arribi on ell volia. A on això succeeixi amb més freqüència, tècnicament, seria una xarxa d’alt clustering.

Només amb això ja es poden apreciar les diferències estadísticament significatives entre els equips. En el cas del FC Barcelona de Guardiola de la temporada 2009-10, amb el tractament d’aquestes dades es va poder observar que el clustering del Barça era superior al d’altres rivals i que emprava un joc, un tipus de combinació, més en paral·lel a la porteria que vertical. Informació que reflectia un joc de possessió que dominava fins a trobar i obrir espais en el rival per desencadenar l’acció de gol.

En aquest aspecte, quan es mesura la disposició de les passades de l’equip a l’hora de marcar i rebre un gol, el Barça va ser dels que més diferència presentava. És a dir, les passades paral·leles eren més quan marcava i menys quan rebia el gol. Una de les dades més interessants que es poden calcular a partir d’aquests paràmetres és el risc de rebre un gol que té un equip segons el tipus de xarxa que presenti en cada moment. El Barça rebia gols quan menys fidel era al seu sistema habitual.

Un altre mètode de càlcul seria oblidant-se dels jugadors com a node i situant aquest en les parcel·les del camp. Així es pot calcular els moviments de la pilota entre diferents zones i sobretot quant terreny de joc ocupa un equip. Si aquesta parcel·lació de la gespa es va subdividint progressivament, van apareixent zones des de les quals no s’ha passat. En el cas de l’estudi que Javier Martín ha fet sobre el FC Barcelona, aquest és l’equip que sistemàticament més camp ocupava en comparació amb tots els rivals de la lliga en aplicar aquest procediment.

També es pot calcular la identificabilitat d’un equip. Mitjançant una matriu es pot saber com de connectada està una zona del camp amb una altra. Si es comparen partit a partit, s’esbrinen les similituds d’aquest equip en jugar cada partit i si és un equip que juga sempre de manera molt similar. Al mateix temps, es pot calcular si juga similar i a la vegada de manera diferent als altres. Això és el que permetria qualificar a un equip com identificable. Segons les dades de la temporada 2018-19, el FC Barcelona va ser l’equip més identificable, seguit del Real Madrid, l’Atlètic de Madrid i el Real Betis, aleshores entrenat per Quique Setién.

En una taula de resultats que reuneixi tota la informació corresponent a la temporada, es pot comprovar com ha quedat cada partit en què s’ha aconseguit imposar l’estil de joc. En el cas del FC Barcelona, el Real Madrid, l’Atlètic de Madrid i el Real Betis, en la majoria dels partits que van jugar van imposar el seu estil com a locals (groc) i com a visitants (verd). La informació rellevant és que podem conèixer l’eficàcia al marcador d’un sistema identificable que aconsegueix imposar-se, atès que hi ha casos en què s’imposa el sistema, però es perd el partit. Encara que la norma més que l’excepció és que qui imposa el seu estil, acaba més amunt a la taula.

Cap d’aquestes dades, va afegir Xavier Busquets, implica que un equip per ser identificable sigui previsible. És, precisament, al contrari. Quan un equip té un estil que aconsegueix resultats positius el que significa és que imposa un ordre intern que genera desordre en el contrincant. Malgrat tot, tampoc es pot mitificar un equip que reuneixi totes aquestes característiques, perquè aleshores el joc sí que seria previsible. També cal tenir en compte si el sistema està obert a rebre nova informació per crear noves fórmules que continuïn generant desordre en el rival, en una paraula: sorprenent.

Per a una optimització de l’eina, queda pendent ponderar la qualitat de les passades, que lògicament no tenen el mateix valor si es realitzen de forma rutinària en el centre del camp, si habiliten a un jugador en zona de perill o si es tracta d’una assistència de gol. També està previst afegir a l’equació quant avança un jugador amb la pilota abans de fer una passada i quina longitud té cada passada, dos paràmetres complexos de tractar perquè disparen les variables.

Tanmateix, com a model estadístic, amb el treball realitzat fins ara ja es podrien establir registres històrics en els quals a mitjà termini poder obtenir informació sobre els patrons de, per exemple, cada entrenador: com juguen davant de determinades circumstàncies, tipus de rivals i quins resultats obtenen.

BIHUB team