Data Scout en Fútbol: Métricas esperadas (xG/xA), visualización de datos y scouting predictivo

En los últimos cinco años, los clubes más inteligentes del mundo han transformado sus departamentos de fútbol contratando Data Scouts: profesionales que combinan el amor por la pelota con conocimientos de estadística, programación y visualización de datos.

El objetivo del data scout no es reemplazar al ojeador tradicional, sino ahorrar tiempo y dinero, descartando cientos de perfiles que no rinden bajo métricas objetivas.

1. Las métricas avanzadas indispensables

• xG (Expected Goals / Goles Esperados): Mide la probabilidad (entre 0 y 1) de que un remate termine en gol según la distancia al arco, el ángulo, el tipo de pase previo y la presión defensiva. Permite saber si un delantero racha está teniendo suerte o si genera peligro real de forma consistente.
• xA (Expected Assists / Asistencias Esperadas): Premia la calidad del pase de un mediocampista aunque su compañero falle el gol frente al arco vacío.
• Pases Progresivos: Pases completados que avanzan el balón al menos 10 metros hacia el arco contrario.
• PPDA (Pases Permitidos por Acción Defensiva): Mide la intensidad de la presión alta de un equipo o de sus delanteros.

2. Herramientas técnicas de un Data Scout

1. Lenguajes de Programación: Python (pandas, matplotlib, mplsoccer) o R para procesar eventos de partidos.

2. Visualización y Dashboards: Tableau o Power BI para crear radares de percentiles que los directores técnicos entiendan a simple vista.

3. Plataformas de Datos Crudos: Wyscout API, StatsBomb Open Data o WhoScored.