Davis e sua equipe de pesquisadores empregam análises de dados avançadas para revelar uma série de (peço perdão) descobertas revolucionárias que estão mudando a tomada de decisões dos clubes profissionais. “Seu laboratório é o laboratório de análise esportiva mais influente no futebol”, afirma Hugo Rios-Neto, líder de recrutamento de dados do Royal Sporting Club Anderlecht na Bélgica. Eles ajudaram as equipes a avaliar melhor suas escalações, conceberam maneiras de avaliar quão eficientes (ou não) as estratégias são e desenvolveram algoritmos que revelam padrões táticos ocultos.
Como, por exemplo, o valor de chutar a bola para fora de campo, perto do gol, e deixar seu oponente jogá-la de volta em jogo – uma jogada que tem surgido em algumas das principais ligas do mundo nos últimos anos.
Para apresentar o argumento estatístico para esta medida aparentemente contraproducente, o grupo de Davis construiu um conjunto de dados de treino composto por mais de 1,4 milhões de passes e cerca de 60.000 lançamentos laterais – em parte provenientes do Campeonato do Mundo de 2022. Eles usaram modelos de conjuntos de árvores (essencialmente um mashup de árvores de decisão) para simular a tática. A conclusão, que os pesquisadores apresentaram em um artigo de 2024 sob o título apropriado “Boot it”: Quando a bola está no terço médio do campo, chutá-la para fora de campo no lado do campo do adversário pode colocá-lo a 10 ações (pense em passes e dribles) de um gol. Isso pode ser um grande problema em um jogo que tem 1.500 ou mais ações por partida e pouquíssima pontuação. A ideia, explica Davis, é que você se prepare para recuperar a bola em uma situação vantajosa.
Além de fornecer insights discretos sobre os dias de jogo, Davis também ocupa um nicho único no mundo da análise esportiva, onde muitos clubes agora contratam suas próprias equipes internas de dados para manter uma vantagem competitiva. Ele disponibiliza gratuitamente a maior parte de sua pesquisa por meio de ferramentas analíticas de código aberto, mas a vida acadêmica também lhe dá a liberdade de lidar com problemas mais complexos, como a padronização de dados do jogo, um projeto que tornará mais fácil analisar imagens de jogos e criar estratégias vencedoras.
Davis, 45 anos, cresceu em Wisconsin e passou a infância extasiado pelo basquete e pelo futebol (americano). O futebol era em grande parte uma insignificância para ele até a faculdade, quando a Copa do Mundo de 2002 – na qual o Brasil venceu o torneio – o atraiu. Mas a ideia de dissecar o esporte nunca passou pela sua cabeça. Seus estudos de doutorado em ciência da computação na Universidade de Wisconsin-Madison o levaram a trabalhar com radiologistas para analisar relatórios de mamografia.
PETRA ISRAEL
Em outubro de 2010, ele ingressou na KU Leuven como professor de ciência da computação, analisando a interseção entre IA e cuidados de saúde, com foco no monitoramento do desempenho atlético. Sua equipe de pesquisa estudou, por exemplo, combinar coisas como frequência cardíaca com outras métricas para determinar se alguém estava treinando demais. Eles também mergulharam na biomecânica da corrida.
Os aspectos táticos e técnicos dos esportes, e especificamente do futebol, tornaram-se objeto do trabalho docente de Davis quando ele contratou Jan Van Haaren, um estudante de engenharia focado em inteligência artificial e que se autodenomina fanático por futebol. Ele se perguntou se a análise de dados poderia ser usada para estudar coisas como passes, arremessos e progressão da bola – métricas que o jogo estava apenas começando a processar digitalmente na época.
Davis percebeu que o aprendizado de máquina e outras ferramentas de inteligência artificial se adaptavam bem à complexidade, fluidez e velocidade do futebol.
Você não precisa ser muito versado na monetização dos esportes profissionais para ver que é relativamente fácil aplicar um trabalho estatístico profundo ao beisebol ou ao basquete. Você pode isolar ações como arremessos e atribuir valor àqueles realizados perto ou longe. Logo um técnico de basquete percebe que um jogador que não consegue fazer uma bandeja, mas arremessa tão bem da linha de três pontos quanto em saltadores de médio alcance, pode muito bem tentar o arremesso que ganha mais pontos.
