La Serie A della prima parte di stagione: quello che i dati raccontano

Questa lettura ti permetterà di scoprire come, a partire dall’analisi dei dati delle performance sportive, si possa arrivare a comprendere meglio una singola partita, o il calcio in generale. 

Il tema è stato approfondito nel corso di una Open Lesson tenuta da Adriano Bacconi - CEO di Math&Sport; provider di Live Data; partner di Lega Serie A e docente di 24ORE Business School.

Gli strumenti di base per la Match Analysis

A partire dall’analisi dei dati delle performance sportive del campionato di Lega Serie A, è stato possibile fornire un'idea globale delle prestazioni, sia di squadra che individuali, delle prime quindici giornate di campionato, mostrando una prospettiva inedita di quanto accaduto nella prima parte della stagione calcistica.

Le principali funzioni di IM Coach – primo strumento al mondo per l’analisi delle performance individuale e di squadra in real-time, in uso dal 2020 dalle venti squadre che compongono il campionato di Lega Seria A – hanno permesso di rivelare il lato invisibile del calcio.

Attraverso KPIs come la Coverage Area o l’indicatore di pericolosità, indici di pressione collettiva/del singolo giocatore, o investigando i dati tecnico-tattici, è possibile supportare gli allenatori nel prendere le corrette decisioni che possono cambiare le sorti della gara in corso d’opera.

La Lega Serie A ha adottato da tempo un sistema di data tracking che consente, attraverso la sequenza di 25 fotogrammi al secondo, di fissare le posizioni dei giocatori sul rettangolo verde, la loro meccanica, l’orientamento della testa, le loro percezioni cognitive, e persino la traiettoria del pallone.

Tutti queste informazioni vengono raccolte, analizzate attraverso algoritmi matematici, e rese fruibili dall’intelligenza artificiale agli allenatori e agli staff durante la partita. 

Scopri alcune curiosità del campionato in corso, grazie alla Match Analysis 

• La rincorsa della Juventus nelle ultime giornate: la Juve della prima parte di stagione si è rivelata molto più veloce e con una pericolosità salita al 54%. A parità di durata media delle transizioni (circa 9 secondi), le ripartenze bianconere sono notevolmente cambiate: la palla ha viaggiato più velocemente e ne ha giovato il ritmo. In più, la squadra è stata più corta e alta (1 metro in meno) e l’indice di pericolosità è aumentato notevolmente. 

• L’evoluzione del ruolo del portiere: nel match Torino-Milan, il Torino è riuscito a segnare da situazioni di rimessa dal fondo, sfruttando gli uomini posizionati alle spalle di Gabbia e Tomori e affidandosi alle tecniche del suo portiere.

• Fasi di possesso e non possesso: come hanno performato le squadre 

  • Focus Lazio: la Lazio si è rivelata la squadra più veloce nella fase di non possesso palla. I biancocelesti sono rimasti corti e stretti e si sono mossi rapidamente ad una velocità di 8.4 km/h. 

  • Focus Inter: l’Inter ha applicato maggiore pressione sulla fascia destra, mentre dal lato sinistro non è riuscita ad imprimere la medesima pressione.

  • Focus Milan: nel match Milan-Lazio, è stata analizzata la fase di possesso della squadra di Pioli: l’indicatore di disponibilità al passaggio ha permesso di capire quanti tocchi ha fatto un giocatore e dove è riuscito a smarcarsi.

  • Focus Monza: la squadra ha cambiato atteggiamento con l’arrivo in panchina di Palladino, mostrando un aumento nella velocità del proprio giro palla, come nel caso della rete di Carlos Augusto contro la Salernitana. Un maggiore possesso e un migliore controllo della palla, oltre a restare alta quando perde il possesso, sono la giusta ricetta che Palladino ha trovato per concedere meno e produrre di più. 

In conclusione, parafrasando le parole di Adriano Bacconi, la mente umana può progettare scenari futuri migliori grazie all’interazione con strumenti artificiali e la tecnologia può rendere più intelligenti non soltanto le singole persone (stando nel campo di calcio giocatori e allenatori) ma anche la collettività (le squadre). 

Autore: Sabrina Pignataro