El término «big data» se ha popularizado bastante en los últimos años, pero cuando se traslada al fútbol su utilidad deja de ser abstracta: hoy determina a qué jugador ficha un club, cómo entrena una plantilla y hasta cuándo debe descansar un futbolista para no lesionarse.
Con big data hablamos de un volumen de datos tan grande y variado que supera la capacidad de los sistemas de análisis tradicionales. En el fútbol, esos datos provienen de las cámaras de seguimiento de los partidos, los chalecos GPS de los entrenamientos, las bases de datos de scouting y hasta las redes sociales de los propios clubes y aficionados.
Fichajes basados en datos: el caso del Liverpool
Uno de los ejemplos más documentados es el del Liverpool FC. En 2012 el club contrató a Ian Graham, un físico teórico, como director de investigación. Su departamento analizó estadísticas avanzadas de miles de jugadores para identificar futbolistas infravalorados por el mercado. Ese trabajo estuvo detrás de fichajes como los de Mohamed Salah, Sadio Mané, Roberto Firmino y Alisson Becker, jugadores que costaron mucho menos de lo que después llegaron a valer y que fueron determinantes en los títulos de Liga de Campeones y Premier League del club durante esos años.
Prevención de lesiones: los chalecos GPS
Otra aplicación muy extendida es el control de la carga física de los jugadores mediante dispositivos GPS que se colocan bajo la camiseta durante entrenamientos y partidos. Empresas como Catapult o STATSports registran distancia recorrida, velocidad, aceleraciones y desaceleraciones de cada futbolista. Con esos datos, los cuerpos técnicos detectan cuándo un jugador arrastra fatiga o cuándo su carga de trabajo se acerca a niveles asociados con riesgo de lesión, y pueden ajustar la intensidad de un entrenamiento o decidir si conviene darle descanso antes de que llegue el problema físico.
Estas herramientas ya no son exclusivas de clubes con presupuestos altísimos. Versiones más accesibles de seguimiento GPS y de estadísticas avanzadas han llegado también a categorías inferiores y a equipos amateurs, que pueden aplicar la misma lógica -aunque con recursos mucho más modestos- para cuidar la condición física de sus jugadores o detectar talento con criterios más objetivos.
De la pizarra táctica a los modelos estadísticos
El big data también cambió la manera de analizar un partido. Métricas como el xG (goles esperados) permiten valorar si un equipo generó ocasiones de calidad más allá del resultado final, y ayudan a los analistas a explicar por qué un rival dominó un partido aunque el marcador no lo refleje. Los clubes con departamentos de análisis usan estos modelos para preparar al siguiente rival, ajustar el sistema de juego o justificar cambios durante el propio partido.
Lo que tienen en común estos tres usos -fichajes, prevención de lesiones y análisis táctico- es que el big data no sustituye el ojo del entrenador o del ojeador: le da información adicional para tomar una decisión con menos incertidumbre. Los clubes que mejor combinan esos datos con el criterio humano son, hoy, los que más ventaja competitiva sacan de ellos.