Un estudio de modelos y algoritmos para la detección de patrones similares de juego en equipos de fútbol profesional

Abstract

[ES] En esta investigación se presenta una metodología innovadora destinada a analizar exhaustivamente el estilo de juego adoptado por los equipos en las cinco principales ligas europeas. Para llevar a cabo este estudio, se emplearon minuciosamente los datos de eventos proporcionados por Wyscout, recopilados durante la temporada 2017/2018, permitiendo la identificación de los 25 tipos de posesiones más prevalentes en dichas competiciones. Posteriormente, se ejecutó un proceso de agrupación que englobó a los 98 equipos en categorías definidas por las características que definen su estilo de juego. Los resultados obtenidos revelan diferencias estadísticamente significativas entre los grupos generados mediante el empleo de tres métodos de agrupación distintos, a saber, HDBSCAN, aglomerativo y K-Means. Con el uso de HDBSCAN, se logró una división en dos grupos: uno de élite y otro de equipos menos destacados, basándose en la calidad general de los equipos. En cambio, el método aglomerativo permitió la identificación de un grupo por cada liga analizada, agrupando de esta forma a los equipos que pertenecían a la misma liga. Por último, gracias a K-Means, se pudieron identificar hasta 13 estilos de juego más específicos, brindando una visión sumamente detallada del panorama futbolístico europeo. Esta investigación representa un importante avance en la comprensión y análisis de las dinámicas de juego en el fútbol europeo, aportando valiosos insights que pueden ser de utilidad para entrenadores, analistas y aficionados al deporte en todo el mundo.

[EN] This research presents an innovative methodology aimed at thoroughly analyzing the playing style adopted by teams in the top five European leagues. To conduct this study, data from events provided by Wyscout, collected during the 2017/2018 season, was meticulously employed, allowing for the identification of the 25 most prevalent possession types in these competitions. Subsequently, a clustering process was executed that encompassed the 98 teams into categories defined by the characteristics that define their playing style. The results obtained reveal statistically significant differences among the groups generated using three different clustering methods, namely, HDBSCAN, agglomerative, and K-Means. With the use of HDBSCAN, a division into two groups was achieved: one for elite teams and another for less prominent teams, based on the overall quality of the teams. In contrast, the agglomerative method allowed for the identification of one group for each league studied, thus grouping teams belonging to the same league. Lastly, thanks to K-Means, up to 13 more specific playing styles could be identified, providing an extremely detailed view of the European football landscape. This research represents a significant advancement in the understanding and analysis of football dynamics in Europe, offering valuable insights that can be useful for coaches, analysts, and sports enthusiasts worldwide.