Machine Learning en el mundo del fútbol

Abstract

[ES] Este trabajo analiza el rendimiento en el terreno de juego de jugadores profesionales de las grandes ligas europeas de fútbol durante la temporada 2017-18 a partir de estrategias y técnicas de Machine Learning y Big Data como el análisis de componentes principales, análisis clúster, gráficos de contribuciones y gráficos de radar, entre otros métodos. Asimismo, se profundiza en el análisis de las posiciones idóneas de los futbolistas en el campo, descubriendo cuáles son las variables más representativas de cada demarcación a partir del modelo Random Forest. Esta investigación supone una propuesta metodológica novedosa en relación al análisis de datos en el fútbol gracias al uso de programas informáticos como R, Aspen ProMV y Tableau con la finalidad de facilitar el proceso de captación de talento en las direcciones deportivas de los clubes del fútbol profesional. En definitiva, este trabajo de investigación ofrece un conjunto de herramientas basadas en el análisis de datos para mejorar la toma de decisiones y reducir la incertidumbre a la hora de acometer la contratación de un nuevo jugador en el fútbol de élite.

[EN] This research project analyses the performance of football players in the top 5 leagues across Europe during the 2017-18 season based on Machine Learning and Big Data strategies and techniques such as principal component analysis (PCA), cluster analysis, contributions graphs and radar charts, among other methods. Moreover, the analysis of the ideal positions of the players in the field is studied in order to discover which are the most representative variables for each position using the Random Forest model. This research is an innovative methodology proposal in relation to the data analysis in football thanks to the use of computer programs such as R, Aspen ProMV and Tableau in order to facilitate the process of talent recruitment for the sports departments of professional football clubs. In conclusion, this research project offers a set of tools based on data analysis to improve decision making and reduce uncertainty when it comes to hiring a new player in elite football.