Se si guarda al calcio degli ultimi dieci anni, pare quasi un altro sport. Oggi, sulle panchine dei grandi club, l’occhio dell’allenatore conta ancora, certo, ma non basta più: a fare davvero la differenza è una mole impressionante di dati raccolti in tempo reale, poi girati a squadre di analisti che ne sezionano ogni aspetto. Expected Goals, PPDA, GPA, ormai questi acronimi circolano tra tifosi e tecnici quasi come fossero soprannomi familiari.
Secondo Analytics Arts, nel 2023 più del 75% dei club di Serie A si sarebbe affidato a sistemi avanzati di match analysis, i numeri hanno fascino proprio perché riescono a scavare sotto la superficie, raccontando qualcosa che sfugge a occhio nudo, sia dalla tribuna, sia in TV. Una specie di scossa simile, viene da pensare, a chi ha scoperto il tavolo online dopo aver conosciuto solo quello verde tradizionale: la stessa che ha vissuto chi, passando dal tavolo reale all’online, ha scoperto il poker.
Indice
Le metriche che hanno cambiato il calcio
Expected Goals, o semplicemente xG per chi mastica questi temi ogni giorno, si è praticamente imposto come metro di confronto irrinunciabile per allenatori e analisti. Non si basa solo sulla posizione del tiro: pesano la distanza, l’angolo, che, messe assieme, restituiscono una probabilità a ogni conclusione. Prendiamo il Napoli della stagione 2022-2023: 75 gol, con xG stimato a 69,2, un dato che forse racconta di una finalizzazione sopra la media.
Oltre agli xG, chi segue questo mondo ha imparato a dare attenzione all’Expected Assists, si vanno ad analizzare milioni di passaggi e si cerca di pesare la qualità delle azioni che portano il pallone al tiro. Nel 2021-2022, in Premier League, Kevin De Bruyne (no sorpresa per molti) è primo con 19 xA. C’è anche xOVA, cioè Expected Offensive Value Added, che isola il contributo offensivo del singolo.
In difesa anche le metriche corrono: il PPDA quantifica la pressione senza palla, parametro ormai quasi imprescindibile per capire come una squadra “aggredisce” gli spazi e quanto è organizzata quando perde palla. Poi c’è la statistica Goal Probability Added, frutto del lavoro degli analisti del Liverpool, che tende ad andare oltre le semplici cifre, tentando di stimare l’impatto di ogni scelta sul reale potenziale di segnare.
Quando tattica e dati reinventano il gioco
Raccogliere numeri, non è sufficiente; servono strumenti capaci di dare una forma sensata a quell’ammasso di dati. Serie A e Premier League, ormai, hanno fatto propria questa idea: i movimenti di ogni giocatore vengono monitorati al secondo con dispositivi GPS di ultima generazione. Le mappe di calore prodotte in tempo reale dicono, per esempio, dove si consuma la partita di un centrocampista e con quale intensità si spende.
L’integrazione tra video e dati serve a tirare fuori segnali anche dai tocchi a cui nessuno farebbe caso. Ah, e poi la velocità di sprint, viene registrata ogni volta, dettagli che raccontano accelerazioni, capacità di recupero.
Oggi, la struttura tecnologica consente di uscire dal regno dell’aneddoto: la valutazione su un giovane, o il senso di una strategia difensiva, è ormai qualcosa che si pretende “misurabile”. Per Catapult Sports, qualche top club mette anche il 3% del proprio budget solo in sistemi di tracking, una cifra che sembrava impensabile fino a pochi anni fa.
Machine learning ed evoluzione predittiva
Ma la questione non finisce qui, anzi. L’analisi predittiva sta iniziando a cambiare le regole del gioco, spesso in modi sottili. Non si tratta più solo di dati raccolti: ora i sistemi di machine learning cercano di interpretare, anticipare, perfino simulare il futuro. Gli algoritmi cercano pattern nascosti, provano a prevedere come si svilupperà un’azione, stimano, la probabilità che uno scambio porti realmente a un tiro in porta.
C’è chi dice che Liverpool e Manchester City abbiano ridotto del 24% gli infortuni muscolari dal 2018 al 2021 usando modelli predittivi per gestire il carico di lavoro settimanale, ma il dato è lì. Algoritmi sempre più raffinati suggeriscono ai preparatori quale passaggio cercare, o addirittura quando fermare un atleta prima che rischi uno stiramento.
Effetti gestionali e nuove sfide
Dire che i modelli statistici oggi contano, forse è dir poco. Le dinamiche di mercato e di gestione si sono ridisegnate: non è raro che club come il Liverpool abbiano puntato su Salah meno per “colpo d’occhio” che per il profilo nei dati avanzati. All’interno delle partite, poi, l’analisi in tempo reale offre spunti per cambiare schema anche quando la pressione è già alta.
Detto ciò, non tutto fila liscio: restano diversi nodi irrisolti sull’integrazione delle fonti, molte squadre fanno ancora fatica a sincronizzare dati provenienti da sistemi differenti, e il rischio è che i modelli diventino vecchi quando il calcio reale cambia troppo in fretta. In particolare, non ci sono solo club milionari: alcuni in Serie B o C sono ancora molto indietro e faticano pure a trovare soldi e personale per dotarsi di questi strumenti.
Si può quasi scommettere che la tendenza non si invertirà: secondo The PFSA, tra un paio d’anni sarà davvero difficile trovare una formazione che ambisca ai piani alti senza una divisione data analysis vera e propria. Ormai il calcio, sotto molti aspetti, si muove vicino ai mondi digitali.
Conclusione sulla responsabilità nell’uso dei dati
Proprio come nel mondo del poker, la gestione responsabile delle informazioni è fondamentale. Ma insomma: i dati, se usati per bene, possono essere un alleato potente per dirigenti, staff, atleti. Non vanno però presi come oracolo, né interpretati in modo cieco o, peggio, usati per speculare più del dovuto. Forse serve più formazione, e di sicuro la trasparenza sulle fonti diventa centrale per tutelare atleti e club e, in fondo, proteggere il gioco. In fin dei conti, l’unico modo ragionevole per sostenere questa trasformazione e restare leali allo spirito del calcio, almeno così sembra, è muoversi sempre con scelte etiche, ben lontane dal semplice calcolo.
