Los mejores datos del fútbol: Hudl Statsbomb lanza nuevas métricas HOPS y un modelo de Acciones a Balón Parado mejorado

Desde la valoración de las unidades aéreas hasta el análisis de acciones a balón parado por fase, nuestras mejoras le ayudan a encontrar ventajas que sus rivales aún no están viendo.

En Hudl Statsbomb, nuestro orgullo no se limita a ofrecer los datos más precisos y exhaustivos del sector. Reside también en nuestra capacidad para desarrollar nuevos modelos con nuestro equipo de data scientists de primer nivel y actualizarlos de forma continua para anticipar las exigencias del fútbol moderno.

Por eso nos complace anunciar el lanzamiento de nuevas métricas HOPS (Header Orientated Performance System) y un modelo de Acciones a Balón Parado mejorado en la API de Hudl Statsbomb.

Utilizados de forma individual o combinada, estos instrumentos ofrecen a los analistas una serie de nuevas métricas diseñadas para obtener insights más completos y relevantes, al servicio del reclutamiento de jugadores, el análisis de rendimiento y el diseño táctico de las jugadas a balón parado.

HOPS a un nivel superior: nuevas métricas para el análisis de los duelos aéreos

Un analista no solo quiere saber si un jugador ha ganado un duelo aéreo — quiere saber lo difícil que fue ese duelo. Pero sin el contexto de la variable más determinante — la calidad del rival — las estadísticas aéreas tradicionales nunca podían contar la historia completa.

Por eso construimos HOPS en 2023. El objetivo era crear un modelo que fuera más allá de los indicadores clásicos de Duelos Aéreos Ganados por 90 minutos y Porcentaje de Duelos Aéreos Ganados, integrando la capacidad aérea del rival directo para evaluar correctamente el mérito de ganar el duelo.

HOPS funcionó. Por primera vez, los analistas disponían de un método fiable para comparar a Virgil van Dijk con... cualquier otro jugador.

Pero el fútbol no deja de evolucionar — y lo mismo ocurre con las preguntas que nos hacen nuestros clientes. ¿Es posible medir la fortaleza aérea global de un equipo, no solo la de sus jugadores individuales? ¿Puede cuantificarse objetivamente la dificultad de la tarea aérea de un defensa?

Nuestros expertos en datos se pusieron a trabajar. Para usar una metáfora del gimnasio: han hecho box jumps, sentadillas con barra y saltos a la pata coja para llevar HOPS a nuevas cotas.

Con este lanzamiento, HOPS ya está disponible en la API de Hudl Statsbomb e incluye las siguientes nuevas métricas:

• HOPS Rating (Normalizado): Una valoración estandarizada entre 0 y 1 de las habilidades aéreas, diseñada para el análisis de emparejamientos individuales antes de un partido.
• HOPS Raw Rating: El valor bruto utilizado para cálculos precisos de probabilidad de victoria en el duelo.
• Probabilidad de Victoria en el Duelo: La probabilidad (0−1) de que un jugador gane un duelo aéreo específico, calculada en función de los valores HOPS de ambos contendientes.
• xHeaders (Partido y Temporada): La suma de las probabilidades de victoria en duelo para todos los duelos aéreos disputados por un jugador.
• Dificultad de los Duelos Aéreos: La probabilidad media de que un rival gane los duelos aéreos a los que se enfrenta un equipo.
• Aerial Unit Rating: La valoración media ponderada en el tiempo de los 5 mejores jugadores aéreos de un equipo sobre el campo.
• Aerial Team Rating: La valoración media ponderada en el tiempo de los 11 jugadores sobre el campo, como medida de la solidez global de la plantilla.

Veamos cómo funcionan estas nuevas métricas en la práctica, utilizando la calificación de unidades aéreas en un contexto real.

Por supuesto, la capacidad aérea no existe de forma aislada. ¿Y dónde marcan la diferencia los mejores jugadores en los duelos aéreos? En los balones parados. Lo que nos lleva a nuestra segunda novedad…

Modelo de Acciones a Balón Parado actualizado: análisis por fase de juego

El análisis de las acciones a balón parado ha evolucionado rápidamente — y las preguntas de los analistas también. Si bien ya era posible usar el vídeo para distinguir la primera de la segunda fase, este proceso requería mucho tiempo. El verdadero reto está en llegar a esos insights mucho más rápido.

A partir del feedback de nuestros clientes, hemos mejorado el modelo de Acciones a Balón Parado para dar respuesta a esta necesidad: captura más ocasiones de balón parado (especialmente las oportunidades de segunda fase frecuentemente no detectadas hasta ahora) y ofrece un análisis por fase de forma inmediata, sin horas de revisión de vídeo.

Desarrollado sobre las anotaciones de nuestros analistas expertos y diseñado para un reentrenamiento continuo, nuestro modelo dinámico combina un conocimiento profundo del fútbol con el machine learning. Su arquitectura permite una mejora permanente: integrando más feedback de los clientes y adaptándose a las nuevas tendencias tácticas, a medida que las estrategias de balón parado se vuelven cada vez más sofisticadas.

El cambio fundamental: pasar de ventanas temporales fijas a modelos contextuales capaces de comprender realmente el desarrollo del juego. Los datos fundamentales — córners, faltas, saques de banda — permanecen completamente intactos. Lo que ha cambiado es la capa de inteligencia que se superpone a ellos.

Con este lanzamiento, están disponibles las siguientes nuevas métricas de Balones Parados:

• Faltas Indirectas: Anteriormente agrupadas con las faltas generales y ahora — por fin — una categoría distinta. Incluye recuentos, goles, disparos y xG para las fases ofensiva y defensiva.
• Ratios de Eficiencia: Hemos automatizado los ratios de rendimiento que los analistas calculaban manualmente. Para cada categoría de balón parado — córners, saques de banda, faltas directas e indirectas — la API proporciona ahora xG por Balón Parado, Ratio de Disparos y Ratio de Goles de forma nativa.
• Mapeo de datos ampliado: 30 nuevos campos de ratio calculados y más de 70 campos mapeados en total, incluyendo promedios por partido en el endpoint Temporada. Más datos, menos trabajo con hojas de cálculo.

Al distinguir la primera de la segunda fase, obtenemos una visión mucho más matizada de la eficacia en los balones parados.

Analizando los xG generados en la actual temporada de la Premier League, Arsenal y Brentford se consolidan como líderes en la generación de oportunidades de calidad desde su primera fase. Newcastle ofrece, en cambio, un contrapunto interesante: los magpies sacan mayor partido de su segunda fase para crear ocasiones de alto valor, pero tienen dificultades en el primer intento.

Esto no es más que la punta del iceberg de lo que puede analizarse con el nuevo modelo. Es posible desglosar cualquier métrica en ambas fases y, por ejemplo, identificar qué equipos pasan más tiempo en la fase 1 o en la fase 2.

Fuerza o estrategia: cuando el HOPS se encuentra con las Acciones a Balón Parado

La pregunta clave es: ¿tener una unidad defensiva dominante en los duelos aéreos garantiza realmente encajar menos goles en ABP?

La tentación podría ser construir un equipo lleno de dominadores del juego aéreo. Pero los datos muestran que no es tan sencillo.

Cuando se representa la fortaleza de la Aerial Unit frente a los xG encajados en Fase 1 y Fase 2, se observa que la relación no es lineal. Tener a los mejores duelistas aéreos en el campo no significa necesariamente conceder menos ocasiones en balones parados.