Zona de Azar Reino Unido – ¿Cómo se Diferencia una Empresa de Apuestas Deportivas?
Reino Unido.- 23 de Mayo de 2022 www.zonadeazar.com El comercio de fútbol es un mercado maduro con jugadores globales sofisticados.
Los bordes son muy delgados y la competencia es feroz para conseguir modeladores expertos capaces de crear márgenes. En ese entorno, ¿cómo puede diferenciarse una casa de apuestas deportivas? ¿Podrían mejores datos ser la respuesta?
Los datos que compran las casas de apuestas deportivas se envían a través de algoritmos para crear modelos predictivos como los objetivos esperados (xG).
Pero la mayoría de los modelos xG en el mercado tienen limitaciones masivas, impuestas en el nivel de entrada por los proveedores de datos que, por una razón u otra, no lograron innovar su oferta. Y si estos modelos se basan en datos incompletos, es lógico que a su poder predictivo también le falte algo.
Para dar un ejemplo de estas limitaciones, tomemos el gol más destacado de la temporada pasada, en uno de los partidos más negociados del año: el gol de Kai Havertz para el Chelsea ante el Manchester City en la final de la Champions League. Havertz se aferró a un pase en profundidad de Mason Mount, rodeó a Ederson y con calma hizo rodar el balón hacia la portería desprotegida desde 12 yardas.
Para todos los que vieron este juego, el final fue fácil. Pero no así para una fuente de datos tradicionalmente disponible, desprovista de información vital sobre la falta de defensores, el portero pasado por alto y la red abierta.
El modelo xG más utilizado calificó este gol con 0,36, lo que significa que le dio a Havertz solo un 36 % de posibilidades de anotar. Eso no pasa la prueba de la vista para cualquiera que haya visto o jugado el juego.
Aquí es donde los datos más avanzados entran en juego. En los últimos años, las empresas emergentes han creado datos mejorados con información adicional sobre cada acción en el campo, lo que proporciona un contexto adicional clave.
Para eventos críticos como tiros a puerta, esto incluye la posición y el estado (ya sea colocado, en movimiento o en el suelo) del portero, la posición de todos los defensores y la altura de la pelota en el momento en que se golpea. En el caso del gol de Havertz contra el Manchester City, esos factores ayudan a elevar la posibilidad de un xG de 0,36 a un xG de 0,81 según el modelo StatsBomb, una probabilidad de gol mucho más razonable del 81 %.
Si los equipos comerciales extrapolan una diferencia como esa en todos los goles en miles de partidos en cientos de competiciones en todo el mundo, la posibilidad de obtener una ventaja se hace evidente.
Los tiros a puerta vacía o desde posiciones detrás de una línea defensiva representan los ejemplos más evidentes de los beneficios de un modelo que tiene en cuenta la posición del portero y los defensores, pero esta información adicional también sirve para aumentar la precisión de los valores de xG en el caso contrario: cuando sus posiciones combinadas realmente reducen la posibilidad de que se marque un gol.
Tomemos, por ejemplo, el partido de principios de febrero de la Premier League entre West Ham y Watford. En la primera mitad, Saïd Benrahma sacó un remate desde la derecha dentro del área pequeña.
El modelo xG más utilizado tuvo en cuenta que se trataba de un tiro de corta distancia y, a pesar de un ángulo de gol relativamente agudo, le asignó un valor de xG de 0,42.
Pero un modelo más nuevo, teniendo en cuenta la proximidad del portero bloqueando la mayor parte del gol y el defensor cubriendo la línea de gol, le dio a la chance un valor xG más realista de 0.11.
La altura de la pelota en el momento del impacto es otro factor que suele ser un diferenciador muy sutil pero que proporciona valores más realistas en casos extremos donde tiene un impacto genuino en la capacidad del jugador para finalizar una oportunidad dada.
Situaciones como voleas incómodas con el balón por encima de la cintura hacen que sea mucho más difícil anotar, mientras que la diferencia entre disparar un balón pegado al suelo en una red vacía y uno que rebota en el césped puede convertir una oportunidad fácil en una más desafiante.
En conjunto, la inclusión de toda esta información adicional significa que los modelos más nuevos producen una curva de valores xG mucho más natural que los tradicionales que se basan en una etiqueta controlada por un colector para identificar y aumentar artificialmente el valor de las posibilidades que se consideran de buena calidad. .
Mejores datos de entrada son especialmente importantes en el caso de una métrica predictiva como xG, pero la mayor granularidad de las fuentes de datos más modernas ahora disponibles también agrega más información contextual a todos los aspectos del rendimiento.
Por ejemplo, ahora existe la capacidad de comprender el papel que juega la presión en todas las áreas del campo y cómo los diferentes jugadores ajustan su juego en consecuencia.
Seguramente ha llegado el momento de que el campo de batalla pase de hacer que las personas más inteligentes crucen la puerta a brindarles a esas personas inteligentes las mejores herramientas posibles para trabajar.
En un mundo donde las pequeñas ganancias porcentuales marcan una gran diferencia, pasar por alto la oportunidad de optimizar las entradas de datos críticos significa que las casas de apuestas deportivas podrían estar perdiendo una ventaja, ¿y a qué costo?
Simon Banoub es un experto en marketing de datos deportivos, con más de 15 años trabajando en la industria. Su papel en StatsBomb es liderar la función de marketing, ayudando a desarrollar y crear la marca StatsBomb a medida que la empresa aumenta su perfil en todo el mundo.
Trabaja en estrecha colaboración con los equipos de productos y ventas para garantizar que los clientes, los prospectos y el mercado en general comprendan los beneficios únicos de los datos de StatsBomb y el conjunto de productos asociados. Simon es fanático del Middlesbrough FC y fuera del trabajo disfruta de los videojuegos y el buceo. Simon es un corredor y todos los sábados se le puede encontrar en un parkrun en algún lugar cerca de su casa en Leeds.
Edito: @_fonta www.zonadeazar.com
