Hay una pequeña historia graciosa y reveladora en el libro Moneyball, de Michael Lewis, que casi nadie recuerda porque no involucra a Billy Beane y, por lo tanto, nunca fue recreada en la pantalla grande por Brad Pitt.
A fines de los años 70 o principios de los 80, Houston Astros encargó un estudio para analizar qué podría pasar con el rendimiento del equipo si se acercaban las vallas de los jardines al home. Querían moverlas porque suponían que eso generaría más jonrones y, como a los hinchas les encantan los jonrones, también venderían más entradas. Sin embargo, dado el tipo de bateadores y lanzadores que había en el plantel de Houston, los autores del estudio concluyeron que mover las vallas en realidad haría que Astros perdiera más partidos.
Entonces, los responsables de tomar decisiones en Houston miraron los datos y decidieron… ordenar que el estudio nunca se hiciera público. Ya habían tomado la decisión de acercar las vallas y solo querían datos que respaldaran esa elección.
Me contaron una historia similar sobre un club de fútbol profesional, de alguien que lleva más de una década trabajando en la industria. El equipo le encargó que elaborara informes de scouting sobre tres jugadores distintos. Analizó a cada uno en detalle y llegó siempre a la misma conclusión: no querían fichar a ninguno de los tres. El club le respondió preguntándole si podía enviar informes positivos sobre cada jugador; ya se habían comprometido a ficharlos a todos.
En ambas historias, las organizaciones querían usar datos, pero no para tomar mejores decisiones. Querían usarlos para justificar decisiones que ya habían tomado.
Esto puede sonar a historias de otra época. Hoy casi todos los equipos de béisbol se manejan con modelos analíticos mucho más avanzados de los que el público puede ver. Y los datos en el fútbol están por todas partes; Amazon potencia las transmisiones de la Bundesliga y los “goles esperados” se convirtieron en parte del lenguaje habitual de prácticamente todos los comentaristas en inglés.
Sin embargo, mientras los equipos de béisbol en gran medida ya superaron el uso de los números para reiterar y justificar sus propios prejuicios arraigados, los clubes de fútbol no lo hicieron. Ni siquiera están cerca. ¿No me creés? Solo hace falta mirar al equipo que, según se informó, estaba considerando decirles a sus propios hinchas que había “redefinido lo que puede ser un club de fútbol moderno”.
En otras palabras, solo tenés que mirar a Tottenham Hotspur.
Lo que sabemos sobre cómo funciona el fútbol
Tal vez la idea central del movimiento analítico en el fútbol es algo que todos ya saben: el mejor equipo no siempre gana.
Eso es, básicamente, lo que nos dicen los goles esperados. En casi cualquier momento de una temporada, la diferencia de goles esperados de un equipo es un mejor predictor del rendimiento futuro que cualquier otro número de alto nivel, como remates, goles o puntos. Si el mejor equipo siempre ganara, entonces las victorias pasadas nos dirían de inmediato quiénes son los mejores y esas victorias predecirían el futuro.
En cambio, parece que los mejores equipos son aquellos que acumulan la mayor proporción de goles esperados en sus partidos. Si simplificamos esta idea, dejando de lado la abstracción de un algoritmo que se actualiza constantemente y asigna una probabilidad de conversión a cada intento, los mejores equipos son simplemente los que generan mejores situaciones que sus rivales.
Esto es algo que cualquiera que haya jugado o visto fútbol durante suficiente tiempo entiende en un nivel profundo, lo admita o no. Pero al reconocerlo, aceptamos que hay una gran cuota de azar inherente al resultado de un partido, porque hay mucho azar involucrado en patear una pelota que rebota, con un pie mal formado, y lograr que pase al único jugador del campo que puede usar las manos.
La temporada de la Premier League no es tan larga y cada una consiste en algo así como 20 experimentos distintos a nivel equipo. Así que, a lo largo de una década, tenemos 200 pequeños experimentos. Y en esas 200 temporadas, sería esperable que hubiera un par de casos en los que el azar beneficie o castigue a un equipo durante toda una temporada.
Eso es exactamente lo que vemos. Aquí están todas las temporadas de la Premier League desde 2010, ordenadas según cuánto un equipo rindió por debajo o por encima de su diferencial de xG:
El equipo que aparece completamente a la derecha es Tottenham en 2016‑17. Y si tuvieras que elegir a alguien para ocupar el extremo izquierdo, Tottenham en 2025‑26 parecería una muy buena opción, ¿no? Que uno de los 10 equipos más ricos del mundo esté peleando por no descender con seis partidos por jugar… seguro que la “mala suerte histórica” tendría que jugar algún papel.
No. Ese equipo es Sheffield United en 2023‑24.
Esta temporada, Tottenham no es una anomalía en absoluto. Su diferencia de goles (‑11) es incluso levemente mejor que su diferencial de xG (‑15,13), aunque no por mucho.
Entonces, ¿cómo hace un equipo con el noveno plantel más valioso del mundo para convertirse en uno de los peores de la Premier League? Una posibilidad: medir las cosas que creés que importan, y no las que realmente importan.
El principal problema de Tottenham: no puede pasar la pelota
Normalmente, el fútbol es un juego complejo y dinámico, donde es imposible aislar las cualidades individuales de las interdependencias entre la construcción del plantel, las instrucciones del entrenador y las interacciones en el campo. Pero a veces aparece un equipo como Tottenham, donde el diagnóstico es bastante simple: estos tipos no saben pasar.
En Gradient Sports hay un equipo de personas que ve cada partido de la Premier League y califica cada pase que da un jugador en una escala de ‑2 a +2. Así describen el proceso:
Por ejemplo, pensemos en un defensor central que da un pase en la mitad de la cancha. Un pase rutinario, sin presión, a un compañero desmarcado recibe un 0, ya que cumple con las expectativas de nuestro equipo de calificación. Un pase preciso que rompe líneas bajo presión recibe una calificación positiva. Por el contrario, un pase débil a un compañero —incluso si se completa— recibe una calificación negativa si está por debajo del estándar esperado. Esto refleja nuestro enfoque en evaluar el rendimiento y no solo el resultado.
El proceso de calificación está guiado por marcos detallados diseñados para minimizar la subjetividad y asegurar consistencia. Una vez recolectadas las calificaciones iniciales, pasan por múltiples capas de control de calidad, incluidas revisiones senior de acciones señaladas, chequeos de consistencia, análisis continuos y procesos específicos de aseguramiento de calidad.
Según este proceso de evaluación de pases, así se ubican los cinco mejores pasadores de Tottenham esta temporada en la Premier League:
1. Cristian Romero: 19.º
2. Micky van de Ven: 87.º
3. Destiny Udogie: 152.º
4. Kevin Danso: 167.º
5. Mohamed Kudus: 186.º
El pase es la habilidad fundamental de este deporte. El equipo promedio de la Premier League intenta 450 pases por partido. Nada más se acerca: en un solo partido, el equipo promedio intenta ocho remates, tira 18 centros, intenta 18 gambetas, hace 16 entradas y suma ocho intercepciones. Si no podés pasar la pelota, nada más importa. Es la fuerza central del juego que le da sentido a todo lo demás.
Entonces, ¿cómo diablos hace uno de los equipos más ricos del mundo —uno que pretende ser el ejemplo moderno de lo que es un club de fútbol— para construir un plantel con solo dos de los 150 mejores pasadores de su propia liga?
El auge de la analítica equivocada
En los últimos años, apareció un nuevo conjunto de métricas en el fútbol. En lugar de cuantificar lo que conduce a ganar, cuantifican aquello que los scouts y entrenadores siempre parecieron valorar: quién es grande y quién es rápido, quién “tiene presencia”, quién sería imparable si pudiera aprender a jugar.
Varias empresas, como Gradient y SkillCorner, ahora ofrecen una batería de métricas físicas que muestran con qué frecuencia corre un jugador —con y sin pelota, a máxima velocidad, a alta velocidad, etc.—. No culpo a las empresas por hacerlo; es bueno que estos datos existan. Una de las carencias históricas de los datos en el fútbol es todo lo que ocurre lejos de la pelota. El jugador promedio tiene la posesión, como mucho, un par de minutos por partido, y la mayoría de los datos solo cuantifican ese pequeño fragmento. No nos cuentan todo, pero sí nos cuentan lo más importante.
Usados correctamente, estos datos físicos sin pelota pueden ser increíblemente poderosos. Si dirigís un equipo y lográs combinar estas métricas físicas con lo que realmente impulsa las victorias y los goles, creás una comprensión nueva y mucho más integral del valor de un jugador, y sacás ventaja sobre quienes solo usan pases y remates para medir el rendimiento. Pero eso es muy difícil y, como es muy difícil, no está pasando.
En cambio, como me dijo una fuente que trabajó con varios clubes de Champions League, las métricas físicas les están permitiendo simplemente confirmar sus propios prejuicios; los mismos de los que venimos hablando desde *Moneyball* en esta batalla entre scouts y estadísticas. Solo que ahora tenemos nuevas estadísticas que dicen que los scouts tenían razón.
Si no es así, ¿cómo se explica lo que pasó con Spurs?
Lo que tiene Tottenham es un plantel lleno de atletas explosivos que pueden correr. Usando métricas físicas, Gradient creó un puntaje de “atleticismo” que combina resistencia, explosividad y velocidad, ajustado por posición y tamaño, en una escala de 1 a 100. Tottenham tiene siete jugadores con 90 o más, y cinco de ellos —Wilson Odobert, Lucas Bergvall, Archie Gray, Dominic Solanke, Conor Gallagher— fueron fichados después de que Johan Lange asumiera como director técnico del club en octubre de 2023. Los primeros cuatro fueron los cuatro jugadores de campo contratados en el primer mercado de Lange.
No podés construir un plantel que no sabe pasar si no estás enfocado sistemáticamente en un conjunto alternativo de atributos que crea un punto ciego institucional. Si consideramos que Romero —por lejos su mejor pasador— fue fichado en 2021, y que James Maddison, lesionado toda la temporada pero claramente el otro mejor pasador del equipo, llegó en el verano de 2023, la ignorancia sobre lo que realmente importa resulta todavía más evidente.
Una de las historias más recordadas de *Moneyball* es aquella en la que Billy Beane discute con sus scouts, obsesionados con el tamaño del trasero de un jugador, su cara o si su novia es atractiva. Beane vuelve una y otra vez a la pregunta: “¿Pero puede batear?”. Finalmente se enfurece y le grita a todos en la sala: “Repito: no estamos vendiendo jeans”.
Escuché decir que tener a alguien que entienda los datos y darle una voz real dentro del club es valioso, simplemente por todas las cosas que te ayuda a evitar, recordándote que lo principal siga siendo lo principal. ¿Puede batear? En Spurs, sin embargo, parece que un nuevo conjunto de números pudo haber cegado al club hasta hacerle creer que, en efecto, estaban en el negocio de vender jeans. Lo que realmente necesitaban —y lo que podría haberlos salvado del descenso— era alguien que siguiera haciendo una pregunta simple:
¿Pero puede pasar la pelota?