Analítica deportiva aplicada al fútbol: cómo la probabilidad previa al partido se gana un lugar en la mesa de decisiones

El argumento a favor del análisis de datos en el fútbol no es que un número te diga lo que va a ocurrir. Es que una probabilidad bien construida obliga a plantear una pregunta más disciplinada: dado todo lo que se sabe antes del pitido inicial, ¿qué dificultad entraña este partido y qué debería implicar eso en la preparación, en los jugadores elegidos y en la interpretación del resultado posterior? Ese cambio de enfoque es donde reside el valor práctico, y merece la pena ser preciso sobre cada caso de uso por separado.

Para un cuerpo técnico que planifica la semana de trabajo, una probabilidad previa al partido condensa el peso de la evidencia en un único punto de referencia. Si a un equipo se le asigna un 40% de posibilidades de ganar fuera contra un rival del top cuatro, esa cifra no es un pronóstico; es un aviso. Indica al cuerpo técnico que se enfrenta a un partido en el que incluso una actuación sólida puede no traducirse en tres puntos, lo cual influye en si merece la pena asumir el riesgo de una propuesta táctica más agresiva o conservadora, y en cuánto tiempo de la semana dedicar al trabajo ofensivo frente a la solidez defensiva. La actualización de la alineación, disponible habitualmente cerca de una hora antes del pitido inicial cuando se confirman las convocatorias, añade una segunda capa de decisión: las lesiones y las sanciones modifican la probabilidad, y un cuerpo técnico que registra ese cambio en tiempo real tiene una lectura más afinada sobre si el rival llega mermado o en plenas condiciones.

En lo que respecta a la gestión de la plantilla y las rotaciones, la dimensión de dificultad del calendario es la que con más frecuencia se maneja por intuición en lugar de por criterio estructurado. Una acumulación de partidos tiene otro aspecto cuando cada encuentro lleva asociada una estimación explícita de dificultad. Un partido clasificado como de resultado muy probable plantea un problema de rotación distinto al de uno que se presenta equilibrado. La probabilidad no toma la decisión de rotación, pero ofrece al director deportivo y al entrenador un lenguaje común para la conversación, uno que llega con claridad a un consejo de administración o a un propietario que quizá no ve todos los partidos pero sí lee el calendario.

Esa conversación con el consejo es donde la probabilidad se convierte tanto en herramienta de revisión de rendimiento como de preparación. Uno de los problemas persistentes en el análisis de rendimiento y datos en el fútbol es separar la calidad del proceso de la calidad del resultado. Una racha de tres derrotas parece alarmante, pero si en cada partido la probabilidad situaba al equipo como inferior, la racha puede decir más sobre el calendario que sobre la plantilla o el entrenador. Los consejos que reaccionan a los resultados sin tener en cuenta la dificultad previa están midiendo lo que no deben. Un historial de probabilidades graduadas, revisado sobre una muestra significativa, ayuda a la dirección a distinguir entre un entrenador que pierde partidos que se esperaba que perdiera y uno que sistemáticamente rinde por debajo de la probabilidad.

Para un responsable de datos y análisis, la pregunta más inmediata es cómo juzgar si cualquier pronóstico, sea cual sea su fuente, merece ser utilizado. Hay tres aspectos que importan. Primero, la calibración: si un modelo señala un 70% en un conjunto de partidos, el resultado pronosticado debería producirse aproximadamente el 70% de las veces en ese conjunto. Un modelo que dice 70% y acierta el 90% de las veces tiene poca confianza en sí mismo; uno que acierta el 50% de las veces la tiene en exceso. En cualquier caso, no es un modelo del 70%. Segundo, un historial público graduado con una metodología definida. La predicción debe quedar fijada antes del pitido inicial, evaluada según una definición de resultado específica, y la muestra debe ser lo bastante amplia como para distinguir el mérito del azar. Un historial de doce partidos no demuestra nada. Tercero, una referencia honesta. La precisión bruta carece casi de significado si no se sabe con qué frecuencia la suposición naíf más obvia, pongamos apostar siempre por el equipo local, habría acertado en la misma muestra.

El historial público de Kickwise ilustra por qué los tres controles importan simultáneamente. Con un nivel de confianza del 65% o superior en los últimos 90 días, el registro arroja 58 aciertos de 75 (77%), frente a una referencia del equipo local del 49% en esos mismos partidos. Esa diferencia es significativa, pero la definición importa: son únicamente las predicciones de alta confianza, y el historial se evalúa sobre el resultado tras 90 minutos más el tiempo añadido, con los partidos decididos en la tanda de penaltis contabilizados como empates. En todos los niveles de confianza durante los últimos 30 días, el panorama cambia a 92 aciertos de 176 (52%), con una puntuación Brier de 0,586 frente a una referencia de 0,66. La puntuación Brier, una medida de la precisión de las estimaciones de probabilidad y no solo de la predicción final, muestra que el modelo añade valor incluso donde la cifra bruta de aciertos parece modesta. Cualquier responsable de datos que evalúe un producto de pronóstico debería exigir exactamente este tipo de divulgación por capas.

Comprender hasta qué punto son realmente precisas en la práctica las predicciones de fútbol basadas en inteligencia artificial exige aceptar dos cosas que encajan con dificultad. Un modelo bien construido puede añadir un avance genuino y medible sobre las referencias naíf. Y una predicción del 70% seguirá fallando aproximadamente 3 veces de cada 10, de modo que ningún resultado individual valida ni invalida la herramienta. El empate sigue siendo el resultado más difícil de estimar con fiabilidad. Los partidos amistosos y los encuentros con pocos datos se aproximan al cara o cruz independientemente de la calidad del modelo. Una probabilidad resulta más útil cuando los datos que la sustentan son densos, la muestra para evaluarla es amplia y quien la lee entiende que un buen proceso y un buen resultado no son lo mismo.