Una esperienza su due campi: Dipartimento di Scienze Politiche e Sociali e US Cremonese perché anche nel calcio i dati pesano e possono fornire informazioni importanti. Nell’imprevedibilità del calcio l’oggettività non può esistere, ma i big data aiutano e guideranno sempre di più le scelte sul campo.
Claudio Mecaj, studente all’Università di Pavia e istruttore presso la U.S. Cremonese Calcio, ha conseguito la laurea magistrale in Comunicazione Digitale con una tesi sperimentale dal titolo “Il calcio nell’era dei Big Data: il ruolo del Match Analyst”. La relatrice è stata Silvia Figini, ordinario di Statistica al Dipartimento di Scienze Politiche e Sociali di Unipv.
Lo studio di Claudio Mecaj ha analizzato con metodi statistici avanzati i dati necessari per una completa valutazione di una partita e per migliorare la pianificazione degli allenamenti, ci si è poi misurati sul “campo” analizzando una partita, il cosiddetto Match Studio. La conclusione è che i Big Data migliorano le prestazioni sportive traducendo ogni singola azione di gioco in numeri e statistiche da analizzare.
La tesi ha preso in considerazione i dati forniti dall’US Cremonese opportunamente commentati da Vittorio Vona, match analyst dello staff della società, che ha fornito le indicazioni necessarie per implementare la modellistica necessaria per l’analisi dei dati, partendo dalla “settimana tipo”, dai compiti e dalla gestione del rapporto con l’allenatore sui task principali: analisi della partita propria squadra, analisi del prossimo avversario, analisi tattiche, analisi giocatore e analisi esercitazioni tattiche.
“Expected Gol”, indice “EPV (Expected Possesion Value)” ed “Expected Threat” in italiano possiamo tradurre in: “Gol previsto”, “Valore di possesso previsto”, “Minaccia prevista”, sono solo alcuni dei termini che sempre più spesso accompagnano le semplici statistiche di gol, assist e possesso palla in seguito all’analisi di una partita. L’utilizzo dei big data e la quantificazione dell’incertezza nel gioco del calcio attraverso lo studio di tecniche di match analysis possono individuare e correggere eventuali errori o impostare tattiche e strategie per contrastare al meglio gli avversari seguenti.
Gli algoritmi di match analysis accompagnati da tecnologie di acquisizione dei dati come GPS o droni cercano di fornire “oggettività” a un gioco dove entrano passioni, intuito, sensazioni e soprattutto istinto.
I dati analizzati sono stati acquisiti attraverso strumenti GPS e sono relativi all’analisi dei primi 33 gol fatti dalla Cremonese nei primi 4 mesi di campionato di serie B 2021/22. Tra i giocatori coinvolti nelle azioni da gol è stato possibile vedere per quanti metri essi hanno realizzato un azione potente in sprint, cioè quanti metri hanno percorso con una corsa superiore ai 25km/h. Nell’85% dei gol almeno uno dei giocatori coinvolti ha effettuato uno sprint, quindi ha superato i 25 km/h.
Il risultato di questa ricerca confermano come l’azione potente incida in maniera significativa nell’azione di successo. Un confronto tra le azioni che hanno portato comunque a una conclusione e con quale indice di pericolosità è importante per avere un quadro ancor più preciso di quanto possa incidere lo sprint nelle occasioni importanti e non solo in quelle di successo.
I dati emersi possono contribuire a migliorare il processo decisionale tattico, la selezione dei giocatori e le modifiche appropriate nei programmi di forza e condizionamento e nei test di fitness.
