A Entregar os Melhores Dados do Futebol: Hudl Statsbomb Lança Novas Métricas HOPS e Modelo de Lances de Bola Parada

Das classificações de jogo aéreo à análise detalhada de bolas paradas, as melhorias no HOPS e nos Lances de Bola Parada revelam as vantagens que escapam aos seus rivais.

Na Hudl Statsbomb, orgulhamo-nos não só de oferecer os dados mais precisos e detalhados do setor, mas também de desenvolver novos modelos através da nossa equipa de ciência de dados de classe mundial, atualizando-os constantemente para antecipar as exigências do futebol moderno.

É por isso que temos o prazer de anunciar o lançamento de novas métricas para o Header Orientated Performance System (HOPS) e de um modelo atualizado de Lances de Bola Parada na API da Hudl Statsbomb. 

Quer funcionem individualmente ou em conjunto, estas ferramentas oferecem aos analistas um vasto conjunto de novas métricas, concebidas para obter informações mais profundas e completas que melhoram o recrutamento de jogadores, a análise e a definição de lances de bola parada.

Elevar o HOPS: Novas Métricas para a Análise do Jogo Aéreo

Os analistas não querem apenas saber se um jogador ganhou um duelo aéreo — querem saber o grau de dificuldade desse duelo. No entanto, sem o contexto da variável mais importante — a qualidade do adversário — as estatísticas básicas de jogo aéreo eram incapazes de contar a história completa.

Foi por isso que criámos o HOPS em 2023. Percebemos a necessidade de um modelo que fosse além das métricas padrão de Duelos Aéreos Ganhos por 90 e da % de Duelos Aéreos Ganhos, e que levasse em conta a capacidade aérea do adversário direto, de modo a atribuir o devido mérito ao vencedor do duelo. 

O HOPS resultou. Os analistas passaram finalmente a ter uma forma de comparar Virgil van Dijk com, bem, com qualquer pessoa que não fosse o Virgil van Dijk. 

Mas o futebol evolui constantemente — e as perguntas que os analistas nos fazem também. Por exemplo: conseguimos medir toda a unidade aérea de uma equipa, e não apenas os jogadores individualmente? Podemos quantificar quão difícil foi, na realidade, a tarefa aérea de um defesa?

Os nossos especialistas de dados entraram em campo. Metaforicamente falando, andaram a fazer box jumps, pin squats e saltos a um pé para garantir que o HOPS atinge novas alturas.

Como parte deste lançamento, o HOPS já está disponível na API da Hudl Statsbomb e inclui também as seguintes novas métricas:

• HOPS Rating (Normalizada): Uma classificação de competência aérea padronizada de 0–1 para análise de confrontos pré-jogo.
• HOPS Raw Rating: O valor de classificação bruta utilizado para cálculos precisos da probabilidade de duelo.
• Probabilidade de Vitória no Duelo: A probabilidade (0–1) de um jogador ganhar um duelo específico, com base nos estados HOPS dos participantes.
• xHeaders (Jogo e Época): A soma das probabilidades de vitória em todos os duelos aéreos disputados por um jogador.
• Dificuldade do Duelo Aéreo: A probabilidade média de um adversário ganhar os duelos aéreos enfrentados por uma equipa.
• Aerial Unit Rating: Uma classificação média, ponderada pelo tempo, dos 5 jogadores de uma equipa em campo com melhor desempenho em duelos aéreos.
• Aerial Team Rating: Uma classificação média, ponderada pelo tempo, de todos os 11 jogadores em campo, representando a solidez geral da equipa.

Vamos ver como estas novas métricas funcionam na prática, utilizando a Aerial Unit Rating num contexto real.

Claro que a capacidade aérea não existe isolada do resto. Onde é que os jogadores de elite no ar mais fazem a diferença? Nas bolas paradas. O que nos leva à nossa segunda atualização…

Atualização do Modelo de Bolas Paradas: Análise por Fases

A análise de bolas paradas tem evoluído rapidamente — tal como as perguntas que os analistas fazem. Embora tradicionalmente fosse possível utilizar o vídeo para separar a primeira fase (o cruzamento) da segunda fase, isso exigia tempo. Muito tempo. O verdadeiro desafio é chegar a essas conclusões de forma mais rápida.

Com base no feedback dos nossos clientes, atualizámos o modelo de Bolas Paradas para resolver esta questão: agora capta mais oportunidades (especialmente segundas bolas que antes passavam despercebidas) e fornece uma análise por fases imediata, sem necessidade de horas a rever vídeo.

Construído com base em anotações dos nossos analistas especialistas e concebido para uma aprendizagem contínua, o nosso modelo dinâmico combina um profundo conhecimento de futebol com machine learning. A arquitetura do modelo permite uma melhoria constante: integrando mais feedback dos clientes e adaptando-se a novas tendências táticas à medida que as estratégias de bolas paradas se tornam cada vez mais sofisticadas.

A mudança fundamental é o abandono das janelas temporais fixas em favor de modelos sensíveis ao contexto, que compreendem realmente a jogada. Os factos concretos — cantos marcados, livres assinalados, lançamentos laterais — permanecem totalmente inalterados. O que mudou foi a inteligência aplicada sobre esses dados.

Como parte do lançamento, estão agora disponíveis as seguintes novas métricas de Bolas Paradas:

• Livres Indiretos: Anteriormente agrupados com os livres em geral e agora — finalmente — com a sua própria categoria distinta. Inclui Contagens, Golos, Remates e xG, tanto para as fases ofensivas como defensivas.
• Rácios de Eficácia: Automatizámos os rácios de desempenho que os analistas já calculavam manualmente. Para cada categoria de bola parada — Cantos, Lançamentos Laterais, Livres Diretos e Indiretos — a API fornece agora, de forma imediata, o xG per Set Piece, o Shot Ratio e o Goal Ratio.
• Expanded Field Mapping: 30 novos campos de rácios calculados e mais de 70 campos mapeados no total, incluindo médias por jogo no endpoint de Época. Mais dados, menos tempo perdido em spreadsheets.

Ao distinguirmos entre a primeira e a segunda fase, conseguimos obter uma visão mais detalhada da eficácia das Bolas Paradas.

Ao analisarmos o xG criado na temporada deste ano da Premier League, vemos que o Arsenal e o Brentford são os líderes da liga na criação de boas oportunidades a partir da sua rotina inicial. Por outro lado, o Newcastle oferece um contraponto interessante, tendo mais sucesso na segunda fase para criar ocasiões de golo de elevado valor, mas sentindo dificuldades na primeira tentativa.

Isto é apenas a ponta do iceberg do que pode ser analisado com o novo modelo. É possível segmentar qualquer métrica em ambas as fases e também analisar quais as equipas que passam mais tempo na fase 1 e na fase 2, por exemplo.

Força vs. Estratégia: Onde o HOPS se cruza com as Bolas Paradas

Portanto, a questão é: será que ter uma unidade defensiva dominante no ar está correlacionado com menos golos sofridos em bolas paradas?

A tentação pode ser construir uma equipa repleta de 'monstros' do HOPS. Mas os dados mostram que não é assim tão simples.

Quando cruzamos a Aerial Unit Strength com o xG Conceded na Fase 1 e na Fase 2, percebemos que a relação não é linear. Ter os aerial duelers mais dominantes em campo não significa que se vão conceder menos oportunidades em bolas paradas.