Punti chiave
La rivoluzione dei dati nel calcio comincia con migliaia di valutazioni umane
Sono le persone a costruire i numeri. Negli anni Novanta, l’imprenditore Ram Mylvaganam notò l’allenatore del Derby County, Steve McClaren, intento a montare faticosamente i filmati delle partite. Da quell’intuizione nacque ProZone, che usava telecamere e analisti per catalogare il gioco. Oggi le aziende che lavorano con i dati dipendono ancora da persone che guardano le partite e codificano gli eventi. A Manila, la calciatrice Ashley Flores svolge questo lavoro per Impect, registrando azioni che alimentano oltre 1.200 valutazioni dei giocatori. Una metrica, chiamata Packing, misura quanti avversari vengono superati da un passaggio o da un dribbling.
La forza lavoro invisibile conta. Flores e i suoi colleghi controllano il proprio lavoro prima che arrivi a club, allenatori, emittenti e tifosi. L’apparente rivoluzione algoritmica comincia da persone in carne e ossa che decidono che cosa conta, dove è accaduto e come classificarlo.
Colpisce quanto questo racconto tolga ogni alone di mistero alla tecnologia sportiva. Un modello può elaborare milioni di osservazioni, ma le sue conclusioni ereditano le scelte fatte durante la raccolta dei dati: quali eventi meritano di essere codificati, come classificare una pressione ambigua e che cosa considerare un progresso efficace. È simile all’infrastruttura che sta dietro all’intelligenza artificiale, dove l’annotazione umana plasma silenziosamente ciò che le macchine possono imparare. La forza lavoro globale complica anche l’immagine patinata dell’analisi come competizione fra scienziati d’élite. Le sue fondamenta comprendono un lavoro qualificato e ripetitivo, spesso svolto lontano dai club che ne traggono profitto.
Non scambiare mai una pila di statistiche per una spiegazione
I numeri vanno interpretati. Negli anni Cinquanta, il contabile Charles Reep registrava a mano gli eventi delle partite e cercava schemi ricorrenti. Il suo lavoro suggeriva che spesso i gol fossero preceduti da passaggi brevi, ma in seguito i risultati furono usati per difendere il gioco basato sui lanci lunghi. Charles Hughes, importante allenatore inglese, trasformò quella lettura in una dottrina, privilegiando gli attacchi rapidi verso le zone pericolose. L’errore non fu misurare il gioco, ma trattare uno schema ricorrente come un’indicazione valida sempre e per tutti.
Le misure sbagliate possono trarre in inganno. Nel 2001, Alex Ferguson e Steve McClaren notarono che il difensore Jaap Stam effettuava meno contrasti e lo interpretarono come un segnale di declino. Stam arrivò poi a giocare una finale di Champions League. Meno contrasti potevano indicare un posizionamento migliore, non una difesa peggiore. I dati possono affinare il giudizio, ma solo se la metrica corrisponde alla domanda che ci si pone.
È una lezione pratica sulla validità delle misurazioni. Una statistica è utile solo se coglie la qualità che interessa a chi deve decidere. I contrasti sono osservabili; anticipare le mosse in difesa è più difficile da quantificare, ma può contare di più. Lo stesso problema si presenta nelle scuole, quando i risultati dei test vengono usati come sinonimo di apprendimento, o negli ospedali, quando il numero di pazienti assistiti diventa un indicatore della qualità delle cure. Le misure più comode possono trasformarsi in obiettivi e spingere le persone a ottimizzare il numero, anziché il fine sottostante. La storia di Reep mostra inoltre come le prove possano sopravvivere al proprio contesto e venire reclutate a sostegno di una dottrina che il loro autore non necessariamente condivideva.
Valuta le occasioni per la loro qualità, non per il numero di tiri
Un tiro non è un’occasione. I gol attesi, di solito abbreviati in xG, assegnano a ogni tiro una probabilità di trasformarsi in gol. Un tentativo da distanza ravvicinata può avere buone probabilità di riuscita; un tiro velleitario da lontano, poche. Sommando le probabilità dei tiri di una squadra si ottiene una stima dei gol che avrebbe potuto ragionevolmente aspettarsi da quelle occasioni. Non dice nulla di certo su ciò che accadrà in una singola partita.
Il contesto cambia la storia. Impect ha usato la vittoria per 7-1 della Germania sul Brasile nel 2014 per mostrare perché i conteggi di base possono essere fuorvianti: il Brasile aveva effettuato più tiri e passaggi e battuto più calci d’angolo, eppure la Germania aveva creato più pericoli superando gli avversari. Anche il modello approssimativo dello statistico Henry Stott assegnava al Senegal il 25 per cento di probabilità contro la Francia, campione in carica, ai Mondiali del 2002. Il Senegal vinse, mentre la Francia fu eliminata nella fase a gironi.
I gol attesi rendono intuitivo il concetto di probabilità: una squadra può perdere pur avendo creato occasioni migliori, così come una decisione valida può produrre un risultato negativo nel breve periodo. Questa distinzione è fondamentale per valutare le prestazioni in qualsiasi sistema soggetto al caso, dagli investimenti alla medicina. Ma gli xG sono un modello, non una proprietà oggettiva di un tiro. I diversi fornitori scelgono variabili diverse e una stima probabilistica non può spiegare tutte le cause tattiche che hanno portato a un’occasione. È più utile per correggere i conteggi grezzi che per sostituire la visione della partita o la domanda sul perché siano nate quelle occasioni.
Dai autorevolezza all’analisi nel club, o la politica interna la metterà da parte
Avere accesso non significa avere influenza. Al Tottenham, Decision Technology sviluppò modelli avanzati per valutare prestazioni e acquisti, compresi i primi lavori simili agli xG. Gli allenatori, però, potevano considerare facoltativi i rapporti, e il club raramente verificava se i consigli fossero stati letti. L’Arsenal acquistò StatDNA e le fornì una grande quantità di dati, ma i suoi analisti dovettero comunque fare i conti con i reparti in competizione tra loro e con gli osservatori, preoccupati che la loro competenza venisse soppiantata.
Chris Anderson e David Sally lo impararono a proprie spese. Gli accademici ritenevano che un club dovesse mettere l’analisi al centro delle proprie decisioni. Cercarono di riunire investitori per acquistare il Charlton, poi si rivolsero ad altri club, ma le trattative naufragarono. Alla fine Anderson divenne amministratore delegato del Coventry City. Lì, i budget ristretti e le crisi operative quotidiane lasciavano poco tempo e denaro per una riorganizzazione guidata dai dati. La competenza conta, ma contano anche i poteri decisionali, le risorse e una cultura pronta a servirsene.
È uno schema tipico dei fallimenti nei processi di cambiamento organizzativo: i dirigenti sostengono un’innovazione in linea di principio, ma lasciano intatti gli incentivi esistenti. Gli analisti possono svolgere un lavoro eccellente, ma se gli allenatori mantengono piena facoltà di ignorarlo, l’organizzazione ha creato un nuovo reparto, non un nuovo sistema decisionale. Neppure il potere formale è una soluzione di per sé. Un modello centralizzato può diventare rigido o protetto per ragioni politiche. L’assetto più solido assegna alle prove un ruolo definito, rende esplicito il dissenso e chiarisce chi risponde della decisione finale.
Affianca ai modelli allenatori capaci di tradurre le prove in azioni
È il collegamento umano a renderli utilizzabili. Il gruppo di ricerca del Liverpool, guidato dal fisico Ian Graham, sviluppò modelli per valutare i giocatori e le prestazioni della squadra. Michael Edwards contribuì a trasformare l’analisi in consigli pratici, e Jürgen Klopp accettò una struttura collaborativa, anziché rivendicare il controllo esclusivo sugli acquisti. Lo staff del club poteva contestare le raccomandazioni, ma i modelli avevano un ruolo concreto nelle decisioni.
Firmino è un esempio di questo assetto. Il gruppo addetto agli acquisti puntava sull’attaccante brasiliano Roberto Firmino, mentre l’allenatore Brendan Rodgers preferiva Christian Benteke. Furono acquistati entrambi, ma dopo l’addio di Rodgers Klopp assegnò a Firmino il ruolo e l’opportunità che l’analisi aveva previsto. Il successo del Liverpool non può essere attribuito ai soli dati: contavano anche l’allenamento, lo scouting, la preparazione fisica, l’alimentazione, il denaro e la qualità dei giocatori. La lezione è organizzativa. Le prove valgono di più quando gli esperti sanno spiegarle con parole utilizzabili da allenatori e giocatori.
È un caso a favore della combinazione di diverse forme di conoscenza, non della proclamazione di una superiorità. Un modello può confrontare migliaia di giocatori in modo coerente; un osservatore può cogliere il temperamento, la capacità di adattamento o un dettaglio tattico assente dai dati. Le squadre devono trovare modi per far sì che queste fonti si correggano a vicenda. La comunicazione fa parte del sistema tecnico, proprio come la progettazione delle interfacce in medicina: una diagnosi corretta non serve a nulla se il medico non può agire di conseguenza. Questo approccio dipende comunque dalla fiducia, che non nasce automaticamente. Cresce quando gli analisti spiegano le proprie ipotesi e accettano contestazioni informate.
Cerca giocatori sottovalutati e modi trascurati di segnare
Un vantaggio spesso è sotto gli occhi di tutti. Il Brighton acquistò Pascal Gross dopo la retrocessione della sua squadra, riconoscendo che la sua capacità di creare occasioni era superiore a quanto suggerissero i risultati del club. Anche il Brentford e il Midtjylland usarono l’analisi per trovare opportunità che altri non vedevano. Il Brentford sostituì la tradizionale accademia con una squadra B che reclutava giocatori lasciati andare dai club più ricchi, trasformando uno svantaggio nella formazione dei giovani in una fonte di talenti.
Si possono ripensare anche le abitudini. Il Midtjylland sviluppò un repertorio di oltre 60 schemi su palla inattiva e assunse un allenatore specializzato nelle rimesse laterali. Queste scelte trattavano calci d’angolo e rimesse laterali come abilità migliorabili, non come interruzioni trascurabili. L’idea più ampia non è semplicemente comprare a poco. Un giocatore o una tattica è sottovalutato quando il suo contributo a una determinata squadra supera ciò che il mercato o le convenzioni presuppongono.
Questa è l’espressione più compiuta dell’idea di Moneyball: mettere in discussione le ipotesi del mercato e poi sfruttare uno scarto misurabile tra prezzo e valore. Lo stesso ragionamento vale per i processi di lavoro trascurati nelle aziende, dove piccoli miglioramenti possono accumularsi perché i concorrenti non se ne curano. Ma un modello può individuare un apparente affare senza dimostrare che un giocatore saprà adattarsi a un nuovo campionato, allenatore o ambiente. La ricerca migliore combina quindi il confronto su larga scala con verifiche contestuali. Un’inefficienza è un’ipotesi da esaminare, non un profitto garantito.
Aspettati che i dati trasformino gli stili di gioco senza annunciarlo
Il gioco cambia in silenzio. Nel 2003-04, le squadre della Premier League hanno effettuato oltre 5.000 tiri da lunga distanza, contro i 3.333 del 2020-21. Nello stesso periodo, i cross su azione sono scesi da quasi 16.000 a meno di 10.000, mentre i passaggi per partita sono saliti da circa 545 a quasi 800. Il cambiamento segue la logica degli xG: mantenere il possesso e cercare occasioni migliori, anziché accontentarsi di tiri con basse probabilità di successo.
I dati sostengono anche il pressing. L’approccio di Ralf Rangnick puntava a riconquistare rapidamente il pallone e ad attaccare prima che gli avversari si riorganizzassero. Al Lipsia, gli esercizi di allenamento concedevano ai giocatori otto secondi per recuperare il possesso e altri dieci per tirare. Questi cambiamenti non si possono attribuire soltanto all’analisi dei dati. Anche le filosofie di allenamento, soprattutto quelle associate a Pep Guardiola e agli allenatori tedeschi, hanno plasmato il gioco moderno.
Una tecnologia può trasformare il comportamento senza diventare la spiegazione pubblica di quel comportamento. L’analisi può influenzare le scelte degli allenatori, che poi si diffondono per imitazione e competizione finché non sembrano dettate dal buon senso. È una forma di diffusione culturale: le pratiche circolano più rapidamente delle loro origini. I dati sono indicativi, ma non isolano le cause. Anche le mode nell’allenamento, la formazione dei giocatori e i sistemi tattici possono spiegare la diminuzione dei tiri e dei cross. La conclusione più equilibrata non è che i dati abbiano creato il calcio moderno, ma che siano diventati una delle forze che plasmano ciò che le squadre considerano una buona decisione.
Considera i risultati dei modelli come probabilità, non come verdetti sulle persone
I risultati mescolano abilità e casualità. Il Midtjylland creò la classifica della giustizia (Table of Justice), una graduatoria modificata in base alla qualità delle occasioni create e concesse dalle squadre. Durante un periodo negativo, il modello del club lo considerava la migliore squadra della Danimarca e stimava che avrebbe dovuto avere 15 punti in più. Il presidente Rasmus Ankersen usò quei dati per difendere l’allenatore Jess Thorup, la cui squadra vinse poi il campionato.
Anche la verità va espressa con tatto. Al Coventry, l’analisi di Anderson suggeriva che la posizione della squadra, in corsa per la promozione, sopravvalutasse il livello delle sue prestazioni. Temeva che dire senza mezzi termini a giocatori e allenatori che probabilmente avrebbero avuto un calo potesse minare la loro fiducia. Un modello può aiutare a distinguere una prestazione sostenibile da una serie fortunata, ma non può decidere come comunicare quell’informazione, né stabilire se la leadership di un allenatore stia aiutando la squadra a superare le aspettative statistiche.
Distinguere il processo dal risultato è essenziale ovunque il caso abbia un ruolo rilevante. Evita di scambiare una vittoria fortunata per la prova di una strategia valida, o una sconfitta di misura per la prova di un fallimento. Le misure delle prestazioni, però, sono stime, non sentenze emesse in tribunale. La loro incertezza dovrebbe essere visibile, soprattutto quando sono in gioco il posto di lavoro o il morale delle persone. Esiste inoltre una tensione reale tra diagnosi accurata e motivazione: l’ottimismo può sostenere l’impegno, ma se non viene mai messo in discussione può rimandare cambiamenti necessari. Una buona leadership usa le probabilità per migliorare le scelte senza fingere che le persone reagiscano meccanicamente alle informazioni.
Apri l’ingresso ai talenti analitici oltre i vecchi guardiani del calcio
La platea dei talenti si è allargata. Per gran parte della storia del calcio, la credibilità derivava dall’aver giocato da professionisti o dall’aver imparato il gioco all’interno delle sue istituzioni. L’analisi dei dati ha aperto un’altra strada. Ashwin Raman, adolescente indiano che viveva a Bangalore e scriveva online di calcio, fu assunto part-time dal Dundee United dopo che un analista scozzese notò la chiarezza e la profondità dei suoi articoli. Contribuì a esaminare le prestazioni e a individuare possibili acquisti mentre finiva ancora la scuola.
Il cambiamento va oltre la storia di un singolo adolescente. Oggi i club assumono matematici, fisici, ingegneri e persone provenienti dal mondo della tecnologia e della finanza. Le aziende che lavorano con i dati impiegano anche collaboratori in tutto il mondo per codificare le partite, collegando Manila, il Laos e altri luoghi al calcio d’élite. Il cambiamento non consiste soltanto nel fatto che persone esterne possano commentare il gioco. Possono contribuire a plasmare gli acquisti, la tattica e le decisioni dei club.
Ampliare il reclutamento può indebolire l’omogeneità professionale, cioè la tendenza delle organizzazioni a riprodurre il background e le convinzioni dei propri membri. Un fisico o un analista che si è fatto conoscere online può porre domande che un ex giocatore non penserebbe di fare. Ma l’accesso non è automaticamente equo: il libro descrive anche bassi salari, precarietà e burnout tra gli analisti. Per ampliare davvero la platea dei talenti non bastano punti d’ingresso a distanza. Servono retribuzioni adeguate, tutoraggio e percorsi di carriera che consentano alle persone assunte fuori dai canali tradizionali di costruirsi un futuro professionale duraturo.
Analisi
L’argomento centrale del libro non è che il calcio abbia scoperto una formula magica. È che lo sport ha cambiato le persone che possono definire quale conoscenza sia utile. Per decenni, l’esperienza da professionisti e la saggezza degli allenatori tramandata di generazione in generazione hanno goduto di un’autorità speciale. I dati hanno messo in discussione quel monopolio, rendendo verificabili alcune affermazioni e permettendo a persone esterne alle reti tradizionali del calcio di contribuire. La storia è importante perché mostra che misurare non garantisce mai, da solo, un progresso. I registri di Reep potevano essere interpretati male; Ferguson poteva scegliere una statistica difensiva inadeguata; Tottenham e Arsenal potevano disporre di analisi sofisticate senza permettere con regolarità che influissero sulle decisioni. L’esempio del Liverpool suggerisce che la struttura organizzativa conta quanto la sofisticazione matematica: gli analisti hanno bisogno di accesso, credibilità e di un percorso che li porti a partecipare alle decisioni, mentre gli allenatori devono poter interpretare le prove nel loro contesto.
La tensione più profonda è tra previsione e giudizio. I modelli calcistici stimano probabilità in uno sport dai risultati imprevedibili, umani e carichi di conseguenze emotive. Una previsione migliore non elimina l’incertezza, e un modello non può cogliere appieno la fiducia, la capacità di adattamento o la leadership. Eppure, rifiutare di misurare non preserva la purezza del gioco. Lascia l’intuizione senza verifica e spesso protegge i poteri esistenti. La posizione più produttiva non è né l’adorazione degli algoritmi né il rifiuto nostalgico. È un pluralismo disciplinato: usare i dati per mettere in luce ipotesi deboli, servirsi delle conoscenze specifiche del settore per interrogare il modello e rendere comprensibile l’incertezza a chi deve decidere.
Il libro presenta l’analisi anche come una storia di lavoro e di governo delle organizzazioni. Ogni metrica rifinita poggia sulle scelte di operatori di codifica degli eventi, ricercatori, osservatori, dirigenti e allenatori. Quelle scelte determinano che cosa diventa visibile e chi viene ascoltato. Man mano che l’analisi si diffonde, il vantaggio competitivo dipende meno dal semplice possesso dei dati e più dalla capacità di raccoglierli bene, porre domande utili e integrare le risposte senza ridurre le persone a pagelle. La rivoluzione è reale proprio perché è incompleta. Il suo contributo più duraturo potrebbe non essere una singola statistica, ma una nuova aspettativa: le decisioni nel calcio dovrebbero poter essere spiegate, riviste e aperte alle prove provenienti da fuori della vecchia cerchia ristretta.
Sintesi delle recensioni
Expected Goals esplora l'ascesa dell'analisi dei dati nel calcio, concentrandosi sui pionieri che hanno introdotto l'analisi statistica in questo sport. Lodato per la narrazione coinvolgente e gli approfondimenti sul funzionamento dei club dietro le quinte, il libro è stato giudicato da alcuni lettori frammentario nella struttura narrativa e carente di dettagli tecnici. Illustra come i dati abbiano trasformato il reclutamento dei giocatori, le decisioni tattiche e la gestione dei club, anche se le opinioni divergono sul fatto che dimostri definitivamente che i dati abbiano «conquistato» il calcio. Nel complesso, è considerato una lettura interessante per gli appassionati di calcio, sebbene presenti alcuni limiti nell'approccio e nella profondità.
Altri hanno letto anche
Glossario
Packing
Avversari superati da un'azioneUna misura sviluppata da Impect che conta quanti giocatori avversari vengono eliminati dal gioco da un passaggio o da un dribbling. Mira a valutare quanto efficacemente un'azione faccia avanzare il pallone e crei pericolo, anziché limitarsi a registrare se un passaggio è stato completato o quanto lontano è arrivato.
Gol attesi (Expected Goals, xG)
Probabilità stimata che un tiro si trasformi in golUna stima statistica, comunemente abbreviata in xG, della probabilità che un determinato tiro si trasformi in gol. I modelli assegnano a ogni tentativo un valore basato su fattori quali la posizione e le circostanze. Sommando i valori dei tiri di una squadra si stima la qualità delle sue occasioni, anziché limitarsi a contare i tentativi o i gol.
Valore atteso del possesso (Expected Possession Value)
Pericolo di segnare creato da un'azioneUn metodo per stimare come l'azione di un giocatore modifichi la probabilità che un possesso porti a un gol. Può valutare decisioni come passare, dribblare o contrastare in base al loro effetto sulle opportunità offensive. Estende la valutazione delle occasioni oltre il tiro finale, includendo i momenti precedenti di una manovra.
modello Dixon-Coles
Modello per le probabilità dei risultati calcisticiUn modello statistico sviluppato dagli accademici Mark Dixon e Stuart Coles per stimare gli esiti delle partite di calcio. Tra i suoi scopi originari c'era individuare inefficienze nei mercati delle scommesse. Henry Stott ne adattò il metodo per elaborare un sistema approssimativo di pronostici per i Mondiali, contribuendo a dimostrare che l'analisi matematica poteva mettere in discussione le aspettative convenzionali.
Posizioni di massima opportunità (Positions of Maximum Opportunity)
Zone offensive pericoloseUn principio associato all'allenatore di calcio Charles Hughes, che dà priorità a portare il pallone rapidamente ed efficacemente nelle zone pericolose. È stato collegato a un calcio diretto, basato sui lanci lunghi, ed è stato presentato come una via per segnare. Il libro mostra come questo principio fosse associato a un lavoro statistico interpretato in modo troppo restrittivo.
classifica della giustizia (Table of Justice)
Classifica corretta in base alla qualità delle occasioniLa classifica alternativa del Midtjylland, che confronta le squadre sulla base dei dati relativi alle prestazioni sottostanti, compresa la qualità delle occasioni create e concesse. Mira a mostrare se punti e risultati effettivi riflettano equamente le prestazioni di una squadra. Il club l'ha usata per distinguere i risultati negativi da una cattiva prestazione, riconoscendo che resta un modello e non un risultato ufficiale della competizione.
operatore di codifica degli eventi (tagger)
Persona che registra i dati delle partiteUn operatore di dati che guarda filmati di partite di calcio e contrassegna gli eventi in un sistema software, per esempio i tocchi dei giocatori, i passaggi, le posizioni o la pressione. Gli operatori di codifica degli eventi forniscono le osservazioni codificate che le aziende di dati usano per creare metriche delle prestazioni e prodotti di analisi. La loro formazione e i controlli di qualità sono importanti, perché errori o valutazioni incoerenti possono influire sui dati risultanti.
FAQ
Di cosa parla Expected Goals: The Story of How Data Conquered Football and Changed the Game Forever?
- I dati nel calcio: Il libro esplora l'impatto trasformativo dell'analisi dei dati nel calcio, dalla gestione delle squadre allo scouting dei giocatori e all'analisi delle partite.
- Contesto storico: Ripercorre l'evoluzione dell'analisi calcistica dagli anni Cinquanta a oggi, mettendone in evidenza gli sviluppi e le tappe fondamentali.
- Storie personali: Include le vicende di figure chiave del movimento dell'analisi dei dati, raccontandone le sfide e i successi in uno sport tradizionalmente conservatore.
Perché dovrei leggere Expected Goals di Rory Smith?
- Una prospettiva illuminante: Offre uno sguardo originale sul punto d'incontro tra sport e dati, interessante sia per gli appassionati di calcio sia per chi ama l'analisi dei dati.
- Capire il cambiamento: Aiuta i lettori a comprendere i cambiamenti significativi nella gestione e nelle strategie calcistiche dovuti all'analisi dei dati.
- Una narrazione coinvolgente: Rory Smith combina aneddoti personali e approfondimenti sul settore, rendendo accessibili e avvincenti temi complessi.
Quali sono i principali insegnamenti di Expected Goals?
- L'importanza dei dati: I dati sono ormai parte integrante del calcio e influenzano decisioni che vanno dal reclutamento dei giocatori alla strategia di gioco.
- Un cambiamento culturale: Il libro mette in luce la resistenza del calcio all'adozione dell'analisi dei dati, contrapponendo le visioni tradizionali alle pratiche moderne.
- Applicazioni concrete: Mostra come club come Tottenham e Liverpool abbiano integrato con successo i dati, ottenendo prestazioni migliori.
Che cosa significa «gol attesi» nell'analisi calcistica?
- Definizione: I gol attesi (xG) sono una metrica che stima la probabilità che un tiro si trasformi in gol sulla base di fattori come la distanza e l'angolazione.
- Scopo: Aiutano le squadre a valutare le prestazioni dei giocatori e la qualità delle occasioni create, offrendo una comprensione più sfumata degli esiti delle partite.
- Impatto sulla strategia: Consentono ai club di prendere decisioni informate sul reclutamento dei giocatori e sulle tattiche di gioco, concentrandosi sulle occasioni da gol di qualità elevata.
In che modo i dati hanno cambiato il reclutamento dei giocatori nel calcio?
- Decisioni informate: I club usano l'analisi dei dati per valutare le metriche di rendimento dei giocatori, individuando talenti sottovalutati ed evitando errori costosi.
- Pianificazione a lungo termine: I dati consentono alle squadre di prevedere le prestazioni future di un giocatore e aiutano a pianificare strategicamente lo sviluppo della rosa.
- Vantaggio competitivo: Le squadre che utilizzano efficacemente l'analisi dei dati ottengono un vantaggio significativo sulle rivali che si affidano soltanto ai metodi tradizionali di scouting.
Quali difficoltà incontrano i club nell'adottare l'analisi dei dati?
- Resistenza culturale: Molti club resistono all'adozione di nuovi metodi, temendo che mettano in secondo piano gli aspetti emotivi e istintivi dello sport.
- Qualità dei dati: Garantire l'accuratezza e l'affidabilità dei dati è fondamentale per prendere decisioni informate.
- Problemi di integrazione: Integrare l'analisi dei dati nelle strutture esistenti richiede il consenso di tutti i livelli dell'organizzazione, dalla dirigenza allo staff tecnico.
Come usano i dati club come Tottenham e Liverpool?
- Analisi delle prestazioni: Usano i dati per valutare le prestazioni dei giocatori, individuare punti di forza e debolezze e orientare le decisioni tattiche durante le partite.
- Scouting e reclutamento: Sfruttano l'analisi dei dati per individuare potenziali acquisti, concentrandosi sui giocatori adatti ai loro modelli basati sui dati.
- Pianificazione strategica: I dati orientano le strategie a lungo termine, aiutando i club a fissare obiettivi realistici e a misurare i progressi rispetto a essi.
Che ruolo ha la tecnologia nell'analisi calcistica?
- Raccolta dei dati: I progressi tecnologici facilitano la raccolta e l'analisi di grandi quantità di dati sulle partite, compresi i movimenti dei giocatori e gli eventi di gioco.
- Analisi in tempo reale: La tecnologia consente di elaborare i dati in tempo reale, permettendo alle squadre di prendere decisioni rapide durante le partite.
- Strumenti di visualizzazione: Software sofisticati aiutano a visualizzare i dati e rendono più semplice per allenatori e analisti interpretare statistiche complesse.
In che modo Expected Goals affronta il futuro del calcio?
- Un panorama in evoluzione: Il libro discute come continuerà a evolvere l'integrazione dell'analisi dei dati, influenzando la gestione e le strategie calcistiche.
- Potenziale di crescita: Evidenzia il potenziale ancora inesplorato di ulteriori progressi nell'analisi, suggerendo che i club pronti ad adottarli prospereranno.
- Cambiamento culturale: Indica che, man mano che sempre più club adotteranno approcci basati sui dati, la cultura calcistica si orienterà gradualmente verso un maggiore uso dell'analisi.
Chi sono le figure chiave citate in Expected Goals?
- Rory Smith: L'autore, che offre una panoramica completa della rivoluzione dell'analisi dei dati nel calcio.
- Billy Beane: Figura centrale di Moneyball, il cui approccio al baseball basato sui dati ha ispirato movimenti analoghi nel calcio.
- Damien Comolli: Ha svolto un ruolo significativo nell'integrazione dell'analisi dei dati al Tottenham Hotspur e al Liverpool.
Quali sono le citazioni più belle di Expected Goals e che cosa significano?
- «I dati hanno permeato quasi ogni aspetto del modo in cui si gioca a calcio.»: Sottolinea l'influenza pervasiva dell'analisi dei dati nel calcio moderno.
- «Le transazioni stupide sui giocatori uccidono i club.»: Riflette il ruolo cruciale delle decisioni informate nel reclutamento dei giocatori.
- «La rivoluzione c'è stata.»: Riconosce i cambiamenti significativi apportati dall'analisi dei dati nel calcio e conferma che le strategie basate sui dati hanno trasformato il panorama competitivo.
In che modo il libro illustra l'evoluzione dell'analisi calcistica?
- Tappe storiche fondamentali: Delinea gli sviluppi principali dell'analisi calcistica, dai primi tentativi di raccolta dei dati ai sofisticati modelli utilizzati oggi.
- Club e figure influenti: Mette in luce il contributo di club come Arsenal e Liverpool e di figure come Ian Graham e Monchi.
- Cambiamenti culturali: Mostra come sia cresciuta l'accettazione dell'analisi dei dati, portando a un approccio alla gestione e al reclutamento maggiormente informato dai dati.
Scarica PDF
Scarica EPUB
.epub è ideale per leggere ebook su telefoni, tablet ed e-reader.