Il calcio è un gioco strano. È uno dei pochi sport di squadra nei quali si può vincere la partita senza meritare.

Difficilmente nel basket chi, numeri alla mano, non merita la vittoria potrà ottenere il risultato. Per questo motivo in molti altri sport le statistiche hanno da sempre rappresentato uno strumento utile, chiaro e di facile lettura. Dai numeri si può valutare l’andamento di una gara, lo stato di forma e il rendimento offensivo e difensivo di una squadra.

Nel calcio tutto questo non è possibile. O per lo meno non è scontato: come detto prima infatti non sempre vince chi merita. E quindi non sempre le statistiche vengono supportate dal risultato. Le statistiche però possono dirci tante altre cose, apparentemente meno importanti del risultato, ma in verità molto più oggettive su quella che è stata la prestazione di una squadra. Ne sa qualcosa Gian Piero Gasperini, a rischio esonero dopo cinque giornate nella stagione 2016-2017 per aver collezionato 4 sconfitte e 1 sola vittoria. I numeri però stavano dando ragione al tecnico piemontese: l’Atalanta non aveva meritato quei risultati e la classifica fino a quel momento non era rappresentativa di quelle che erano state le prestazioni della Dea. Non sappiamo se la società bergamasca si sia effettivamente affidata alle statistiche per decidere, al tempo, il futuro del Gasp, ma sicuramente alla lunga anche i risultati si sono allineati con le prestazioni e con i numeri.

Se per chi parla di calcio è ancora molto complicato ragionare con una struttura cognitiva statistica consolidata, all’interno della quale oltre la valutazione tecnica e tattica si aggiungono fattori matematici, questo approccio statistico e scientifico è sempre più fondamentale negli staff tecnici dei club. Match Analysis e Big Data stanno diventando (e continueranno a farlo) settori determinanti sui quali investire, tanto importanti quanto la scelta su un singolo giocatore o un allenatore.

Chi sta cercando di parlare di calcio utilizzando un vocabolario ed una preparazione e conoscenza statistica adeguata è sicuramente Alfredo Giacobbe. Ingegnere, redattore de “L’Ultimo Uomo” e appassionato di numeri. Questa passione l’ha portato a pensare e a strutturare un nuovo modello di Expected Goals, un indice statistico che a grandi linee si avvicina al concetto di Indice di Pericolosità e attraverso il quale si può valutare la prestazione offensiva e difensiva di una squadra o di un singolo giocatore. Il binomio tra analisi statistica e mondo del calcio è destinato a crescere in continuazione e non soltanto all’interno degli staff professionistici dove si utilizzano già i numeri per lavorare, ma anche in ambito giornalistico e comunicativo. Non più parlare di calcio attraverso la mera visione soggettiva di una partita e del risultato finale, ma anche studiare il calcio attraverso dati tangibili.

A che punto è quindi l’evoluzione del rapporto tra analisi statistica e calcio? Lo chiediamo direttamente ad Alfredo. 

 

Cosa ci stanno dicendo gli Expected Goals? Negli ultimi anni come si è evoluta questa statistica applicata al calcio?

Sta confermando di essere rappresentativa dei valori in campo da subito. Anno dopo anno stiamo notando che le statistiche degli Expected Goals raccolte dopo cinque-otto giornate sono davvero affidabili. Per esempio, lo scorso anno gli xG davano Juventus e Napoli in testa molto vicine – alla fine sono rimaste vicine fino a fine campionato per tutto l’anno – e allo stesso tempo ci dicevano che un po’ più in basso si situavano Roma, Inter e Lazio, sempre molto vicine tra loro. In generale quindi è possibile delineare i reali rapporti di forza.

Un altro esempio: alla fine delle sei partite dei gironi di Champions League dello scorso anno le prime per xG erano proprio Real Madrid e Liverpool, che poi sono arrivate in finale. È un dato da prendere con le molle – sei partite sono sempre e comunque poche, anche per gli xG – ma è comunque un’indicazione.

Qual è il prossimo passo da fare, in tema di Expected Goals, per cercare di migliorare e ampliare questa analisi statistica?

La conoscenza della posizione degli uomini in campo ti dà l’idea della pressione che ha il tiratore: questo sarà il prossimo passo per ampliare gli xG. Tramite questo si potranno capire ulteriormente le abilità di un tiratore, se sotto pressione soffre particolarmente, se invece è maggiormente abile ad uscire dalla pressione. Questo è il fattore determinante. Alcuni stanno cercando già di abbozzarlo: in qualche xG viene segnato un valore di pressione con tag letterale (bassa, normale o alta). Anche questa soluzione ti dà qualcosa in più, fa avvicinare di più il modello alla realtà. 

Scouting, statistiche e valutazioni. All’estero esistono già delle società che prima analizzano statisticamente un giocatore e poi lo valutano definitivamente vedendolo dal vivo in un secondo momento: anche in Italia si potrà arrivare ad una soluzione del genere?

Questo è un aspetto culturale forse molto complicato da cambiare. Non so se già qualche squadra di Serie A ha già cominciato a lavorare in questo modo. L’Udinese aveva osservatori sparsi in tutto il mondo, e una voce di spesa a bilancio per lo scouting molto elevata, mentre adesso quella voce è calata: potrebbe essere per una scelta societario/economica. oppure possiamo immaginare che abbiano cambiato il loro modo di fare scouting.

In generale culturalmente deve essere fatto un grande passo in avanti. Gli appassionati ricorderanno il film “Moneyball”, e la scena in cui vi è uno scontro tra gli scout originali e i nuovi arrivati e già da quello capisci l’enorme divario a livello culturale e in quel caso si parla di inizio anni 2000.

Esiste un caso statistico “limite”, all’interno dei cinque maggiori campionati europei, particolarmente interessante e di difficile valutazione?

L’Eibar è un caso limite su molte statistiche. Una squadra che in Spagna è dodicesima, è una delle prime squadre d’Europa per il minor numero di tiri subiti, fa meglio dell’Atletico di Simeone. È una delle squadre d’Europa statisticamente ai primissimi posti per numero di recuperi offensivi nella metà campo avversaria, meglio del Manchester City. È prima in campionato nel rapporto tra i tiri effettuati e quelli che concede. È un caso statistico particolare perché è una squadra costruita in un determinato modo che si avvantaggia del fattore campo. È un’interessante anomalia statistica bella e buona su parecchi fattori. 

Intelligenza Artificiale e Realtà Virtuale: a che punto siamo nel rapporto con il calcio?

Secondo me questi strumenti aiuteranno chi lavora per il calcio, piuttosto che chi lavora nel calcio. Chi fa raccolta dati avrà la possibilità di avvalersi non più di un operatore che guarda la partita, ma di un’intelligenza artificiale. Questo semplificherà la raccolta dati e la renderà più veloce ma anche più ricca. I dati che verranno forniti alle squadre saranno ancora più precisi e meno subordinati alla valutazione di un singolo che può essere diversa da operatore a operatore.