La ciencia de datos como herramienta diferenciadora en el scouting deportivo en el fútbol de élite

Abstract

En este documento se explica cómo utilizar algunas herramientas de la ciencia del dato para el scouting de futbolistas de élite. El objetivo principal del estudio es el análisis y predicción del valor de mercado de los futbolistas que se encuentran en activo en la temporada 2021/2022, es decir, realizar un scouting de futbolistas y poder ayudar aconsejando a secretarías técnicas de clubes a la hora de tomar decisiones para la confección de la plantilla. La fuente de datos original, elegida tras un largo proceso de búsqueda, es pública y sus conjuntos de datos se transforman para dar lugar a un conjunto de datos final sobre el que se realizan los análisis descriptivos de las variables. Primero, se describe la variable objetivo valor de mercado. Posteriormente, se analiza conjuntamente con las demás variables, para descubrir cuáles son las variables más influyentes en el valor de mercado de los futbolistas profesionales. Los análisis incluyen gráficos y tablas para facilitar la compresión de los contenidos. Además del análisis, la predicción del valor de mercado de los futbolistas es uno de los objetivos principales del estudio. Para dicha predicción se usan diferentes modelos de regresión y se obtienen las métricas de cada uno de ellos, para posteriormente elegir cuál de ellos será el modelo final y con el que se realizarán futuras predicciones si esta aplicación se instaurara en el departamento de scouting y análisis deportivo de un club. Para todos los procesos explicados anteriormente se utilizan paquetes de R, sobre todo las librerías tidyverse y tidymodels. Como conclusión, se debe destacar la posibilidad de usar este estudio en la práctica real de una secretaría técnica de un equipo de élite y la capacidad de mejora que tiene el proyecto si se tuvieran medios económicos suficientes para ello. Además, se obtienen diferentes estrategias de mercado que deben seguirse en función de si se quiere comprar o vender un futbolista de determinada posición. Por último, se concluye que la predicción realizada para el valor de mercado puede usarse como una estimación propia del mismo para la toma de decisiones.

This document explains how to use some data science tools for elite soccer players scouting. The main goal of the study is the analysis and prediction of the market value of football players who are active in the 2021/2022 season. That is, we are going to carry out a scouting of football players, so as to be able to help club´s technical staffs make decisions concerning the shaping of their squad. The original data source, chosen after a long search process, is public and its datasets are transformed in order to reach a final dataset where we make the descriptive analysis of the variables. Firstly, the variable market value is described. Subsequently, it is analyzed together with the other variables, to discover which are the most influential variables when it comes to market value of professional football players. This analysis include graphics and tables to facilitate the understanding of the contents. In addition to the analysis of the variables, the prediction of the market value of football players is one of the main goals of the study. To do so, different regression models are used and the metrics that we get, are later used to let us discern which of these models will be chosen as the definitive one. Future predictions will be made using this model, if this application is established in a scouting and analysis department of a sports club. For all of these processes, R packages are used, especially the tidyverse and tidymodels libraries. It may be concluded that there are possibilities of using this study in real practice in the technical secretaria of an elite team. It is important, that the project could be improved if we have sufficient funding for it. In addition, different market strategies are obtained if a team wants to buy or sell a football player of a certain position. Finally, we conclude that the prediction made for the market value can be used as an own estimate for making decisions.