La rinascita dei dati nel calcio: come il machine learning sta cambiando il gioco
Jesse Davis è professore di informatica alla KU Leuven e dirige il Sports Analytics Lab, un gruppo di ricerca che da oltre un decennio è all’avanguardia nell’analisi dei dati nel calcio. Il team, che applica modelli di machine learning a vari sport, ha un impatto particolarmente profondo sul calcio, aiutando club e federazioni a prendere decisioni basate sui numeri. «Il suo laboratorio è il più influente nel calcio per quanto riguarda la sport analytics», dice Hugo Rios-Neto, responsabile del reclutamento dati per il Royal Sporting Club Anderlecht.
Uno degli studi più recenti del gruppo riguarda una mossa apparentemente controintuitiva: calciare deliberatamente il pallone fuori dal campo, vicino alla porta avversaria, per cedere il possesso e ottenere una rimessa laterale. Per dimostrarne il valore, il team ha costruito un dataset di oltre 1,4 milioni di passaggi e 60.000 rimesse (in parte dai Mondiali 2022) e ha usato modelli di alberi decisionali per simulare la strategia. Il risultato, pubblicato nel 2024 in un articolo intitolato “Boot it”: quando la palla è nel terzo centrale del campo, calciarla fuori sul lato avversario può portare a trovarsi a meno di 10 azioni (passaggi o dribbling) dal gol.
Oltre a queste intuizioni tattiche, Davis opera in una posizione unica: mentre molti club hanno team di analisi interni, lui rende la maggior parte della sua ricerca open source, pubblicando strumenti gratuiti. Questo gli permette di affrontare problemi più complessi, come standardizzare i dati di gioco per facilitare l’analisi di filmati e strategie vincenti.
Dalla salute al pallone
Davis, cresciuto nel Wisconsin, appassionato di basket e football americano, ha scoperto il calcio solo con i Mondiali del 2002. Dopo studi in informatica all’Università del Wisconsin–Madison, dove ha lavorato con radiologi su mammografie, è arrivato alla KU Leuven nel 2010, inizialmente occupandosi di AI e sanità per il monitoraggio delle performance atletiche (unendo frequenza cardiaca e altri parametri per rilevare sovrallenamento).
La svolta è arrivata quando ha assunto Jan Van Haaren, uno studente di ingegneria specializzato in AI e appassionato di calcio. Van Haaren si chiedeva se l’analisi dati potesse essere applicata a passaggi, tiri e progressione della palla – metriche allora ancora poco digitalizzate. Davis ha capito che il machine learning si adattava bene alla complessità e fluidità del calcio, molto più difficile da analizzare rispetto a basket o baseball, dove azioni isolate come i tiri da tre punti sono facili da valorizzare.
Nel 2014 ha fondato ufficialmente lo Sports Analytics Lab, con un team stabile di circa 10 studenti e postdoc. Hanno iniziato a scomporre le azioni di gioco, valutando il possesso palla, la strategia dei calci di rigore (mirare al centro) e i tiri da lontano (prenderli). «Negli ultimi 5-10 anni il numero di tiri da lontano è aumentato drasticamente», dice Davis. «I dati permettono di quantificare le probabilità di successo».
L’impatto sui club
Le idee del laboratorio hanno permeato club come il Club Brugge KV (Belgio) e le federazioni nazionali di USA e Belgio. Van Haaren, ora direttore dell’intelligence calcistica al Club Brugge, spiega: «La collaborazione col laboratorio si concentra sul tradurre la filosofia di gioco in output misurabili basati sui dati». Per esempio, per valutare quanto un difensore centrale faccia progredire la palla, si combinano dati sugli eventi (azioni sulla palla) con dati di tracciamento (movimenti dei giocatori), ottenendo indicatori utili per lo sviluppo dei giocatori e lo scouting.
Il laboratorio continua a porsi domande più ampie. La ricercatrice Maaike Van Roy e colleghi hanno modellato il comportamento delle squadre della Premier League usando un processo decisionale markoviano (dove alcune azioni sono sotto controllo umano, altre casuali). I risultati, presentati nel 2021 alla conferenza MIT Sloan Sports Analytics, mostravano che il Chelsea avrebbe potuto ottenere 1,6 gol in più a stagione aumentando del 20% i tiri da lontano.
Nonostante questi progressi, il calcio resta indietro rispetto ad altri sport professionistici nella raccolta dati. «La stragrande maggioranza delle azioni non porta a un gol o nemmeno a un tiro», dice Rios-Neto, rendendo difficile derivare strategie vincenti dai dati. Il lavoro di Davis e del suo team sta contribuendo a colmare questo divario, un’analisi alla volta.
