Cómo los reclutadores de fútbol aprovechan la Ciencia de Datos

Data Science and Sports Analytics
Table of contents

“Ahora es todo”

Es la Copa Mundial FIFA 2022, y no se puede negar que es el torneo más esperado del año (para algunos incluso de los últimos cuatro años). Las 32 mejores selecciones nacionales compiten entre sí para ganar el trofeo de la Copa del Mundo más codiciado, que es el epítome de los elogios del fútbol para una nación.

Que las selecciones lleguen a esta etapa para competir para convertirse en campeones del mundo no es una hazaña ordinaria; requiere mucho esfuerzo, entrenamiento y planificación para presentar a los mejores jugadores para llevar el trofeo a casa. Pero, ¿te has preguntado cómo se seleccionan a los mejores talentos para cada equipo? ¿Cómo es que jugadores como Messi y Ronaldo obtienen sus primeras oportunidades para demostrar su talento? A continuación te presentamos una forma poco conocida de cómo sucede esto. 

Two players facing each other on a football field

¿Has oído hablar del término búsqueda de talentos futbolísticos? Mejor conocidos como reclutadores, estos personajes son comunes en el fútbol internacional y, en muchos casos, son ellos a quienes les debemos disfrutar de las figuras más grandes del deporte. Su trabajo consiste en encontrar a los jugadores adecuados para ocupar puestos específicos en el campo, y los profesionales que realizan esta actividad deben tener un grupo específico de cualidades y herramientas para desarrollar su trabajo. 

¿Qué hace un reclutador?

Un reclutador viaja por diferentes ciudades, se reúne con entrenadores, asiste a partidos e interactúa con jugadores para encontrar el talento adecuado para los puestos vacantes. Quizás recuerdes la película ¡Gol! (2005) que,basada en hechos reales, muestra cómo un reclutador del Newcastle United descubre al extremadamente talentoso Santiago Muñez y le da una oportunidad en el fútbol profesional. Esta película nos da una idea del trabajo de los reclutadores. 

A coach giving advice to his players

Para los primeros cazatalentos, apenas había tecnología que les ayudara a la toma de decisiones. Estos primeros reclutadores tenían que estar físicamente presentes en todos y cada uno de los juegos y ver jugar a los talentos de los que escuchaban hablar. Esto por sí solo no les dio a los reclutadores una visión completa de las capacidades y talentos del jugador.

Gracias al auge de la tecnología, esto ha cambiado. El desarrollo de tecnología ha brindado a los buscadores de talentos una opción para aprovechar la información basada en datos de sensores para identificar y preseleccionar al talento adecuado para cada posición. Esta actividad ayuda tanto a reclutadores como a los mismos entrenadores con el análisis estadístico del rendimiento de un jugador y mejora los procesos de toma de decisiones en todo el club.

¿Cómo utiliza los datos un reclutador para identificar el talento futbolístico?

Una vez que el cazatalentos encuentra un prospecto atractivo, se le invita a realizar pruebas y diversas evaluaciones que van desde la aptitud física, hasta la mental y emocional. La actividad del jugador se registra a través de una variedad de sensores y cámaras de acción de alta calidad, y luego se analiza de forma general. Los datos registrados varían entre atributos técnicos, físicos y mentales, y algunos parámetros adicionales basados ​​en la posición que se está tratando de ocupar, como se indica en la siguiente tabla:

A player’s attributes being recorded with sensors
FísicosMentalesTécnicos
Estado físicoToma de decisionesTiros libres
Alcance en saltosAnticipaciónTiros de cabeza
Nivel de estaminaLiderazgoPases
HigienePosicionamientoCruzado
AceleraciónControl del balónToque de balón
Propensión a lesionesEstiloConcluir jugadas
FuerzaAgresiónTiros de esquina
VersatilidadTrabajo en equipoTiros largos
AgilidadRitmo de trabajoTécnica
CadenciaComposturaDefensa
AdaptabilidadValentíaBarridas
BalanceReacciónControl del balón
ConsistenciaDeterminaciónCobro de penales
Juegos importantesVisiónMarcación
Cualidades desconocidasConcentraciónOtros trucos

Una vez que se registran estos atributos, el software se utiliza para obtener información significativa a partir de ellos.

¿La tecnología reemplazará la exploración personal?

Nunca existe una amenaza para la exploración personal, ya que aprovechar la exploración de datos es solo un complemento y no un reemplazo.

El análisis de datos se utiliza para preseleccionar jugadores potenciales para cada posición. Luego, estos jugadores son observados, ya sea en video o en persona, y sus atributos se comparan con otros reclutas potenciales y con jugadores que el club que ya juegan en la misma posición.Este proceso de aprovechar la exploración de talentos tanto de forma personal como basada en datos reduce las posibilidades de error y ayuda a los exploradores y equipos a tomar decisiones informadas.

Technology used in sports to analyze player performance

Tecnologías utilizadas para analizar el rendimiento de los jugadores:

  • Sistemas de video basados ​​en múltiples cámaras semiautomáticas (VID)
  • Sistemas de posicionamiento local basados ​​en radares (LPS)
  • Sistemas de posicionamiento global (GPS)
  • Cámaras avanzadas basadas en IA
  • Sensores para registrar signos vitales

Para rematar

Día a día entran nuevas tecnologías en la industria, lo que facilita el trabajo de entrenadores y reclutadores para detectar talentos emergentes. Y lo que es más interesante es que simplemente leer sobre dichas tecnologías es actualizarse y mejorar en el área, lo que puede aumentar tus posibilidades de ascender en la escala profesional o incluso incursionar en una nueva industria que te apasiona. Entonces, ¿qué esperas? Mejora tus habilidades en tecnología y conviértete en un profesional preparado para el futuro y para la industria que más pasiones te crea. Si quieres dar un primer paso conoce el Programa en Ciencia de Datos y Aprendizaje Automático: Toma de Decisiones Basada en Datos impartido por el MIT Instituto de Datos, Sistemas y Sociedad en colaboración con Great Learning

→ Explore this Curated Program for You ←

Avatar photo
Great Learning Editorial Team
The Great Learning Editorial Staff includes a dynamic team of subject matter experts, instructors, and education professionals who combine their deep industry knowledge with innovative teaching methods. Their mission is to provide learners with the skills and insights needed to excel in their careers, whether through upskilling, reskilling, or transitioning into new fields.

Recommended Data Science Courses

Data Science and Machine Learning from MIT

Earn an MIT IDSS certificate in Data Science and Machine Learning. Learn from MIT faculty, with hands-on training, mentorship, and industry projects.

4.63 ★ (8,169 Ratings)

Course Duration : 12 Weeks

PG in Data Science & Business Analytics from UT Austin

Advance your career with our 12-month Data Science and Business Analytics program from UT Austin. Industry-relevant curriculum with hands-on projects.

4.82 ★ (10,876 Ratings)

Course Duration : 12 Months

Scroll to Top