O vento batia contra as bandeiras de escanteio no Signal Iduna Park. 81.365 almas gritavam. Mas o que ninguém via ali – nem os técnicos, nem os torcedores – era uma equação não-linear se desenhando na grama. Um chute de longa distância de Jude Bellingham, na Champions 2023/24, saiu a 112 km/h, com uma rotação de 2.800 rpm. A bola fez uma curva descendente de 2,3 metros antes de entrar. Para a velha escola, era um golaço. Para os analistas de dados, era uma anomalia estatística, um evento previsto em apenas 0,3% dos modelos de Expected Goals (xG).
Bem-vindo à era onde a planilha desmonta o mito. Onde o Big Data não apenas explica o jogo, mas o reinventa. E onde seu corpo – o do atleta moderno – é a variável mais volátil de todas.
A Física do Inusitado: O Corpo Que Desafia a Velha Cartilha
Nos anos 90, um meio-campista corria, em média, 8 km por jogo. Hoje, são 12 km, com 35 sprints acima de 25 km/h. Mas o dado realmente perturbador não está na distância. Está na fisiologia: a capacidade de repetir sprints de alta intensidade em intervalo de 60 segundos. Isso, meus caros, é uma anomalia. O corpo humano não foi projetado para isso. Pelo menos, não o corpo humano de 1990.
Bill Gerrard, economista esportivo da Leeds University, foi um dos primeiros a mapear a “curva de fadiga moderna”. Em seu estudo de 2016 com atletas da Premier League, ele identificou que a taxa de recuperação entre esforços máximos reduziu em 40% em relação a 2006. Ou seja: jogadores estavam se recuperando mais rápido, permitindo que a intensidade do jogo subisse. Mas por quê? Nutrição? Genética? Treinamento a laser?
Não. Era a tática. O jogo posicional de Guardiola e a pressão pós-perda de Klopp exigiram que o corpo se adaptasse. O Big Data entrou nessa: sensores GPS, frequencímetros, análise de lactato. Cada treino é uma equação. O resultado foi uma geração de anjos biomecânicos, como o Erling Haaland – um atleta cujo centro de massa, mesmo com 1,94m, permite acelerações de 0 a 20 km/h em 2,1 segundos. Isso é mais rápido que um carro popular.
“Ele não parece humano. Mas é apenas o resultado de anos de ajustes. Seu ‘desengonçado’ é otimizado,” me disse um preparador físico do RB Salzburg, em off, nos corredores do Red Bull Arena. “Os números mostram que a economia de movimento dele é 15% superior à média. Ele não corre à toa. Ele desliza sobre os dados.”
A Revolução Silenciosa da Tática: Quando o Inesperado Vira Regra
Durante décadas, a tática era sobre padrões. O 4-4-2, o losango, a linha de três. Mas o Big Data trouxe algo novo: a teoria dos jogos aplicada ao futebol. Em 2018, o time de basquete Houston Rockets chocou o mundo ao eliminar os arremessos de meia distância (a área mais ineficiente do ataque). No futebol, um movimento similar está acontecendo. Os times hoje evitam cruzamentos da linha de fundo (apenas 18% resultam em gol) e priorizam passes para dentro da área (26% de conversão).
Mas o dado mais chocante vem dos contra-ataques. Simulações de Monte Carlo usadas pelo FC Barcelona em 2022 mostraram que, em jogos equilibrados, o contra-ataque tem 12% mais chance de gol que o ataque posicional. Por que, então, os times grandes insistem em tocar de lado? Porque o estilo de jogo é uma crença, não um dado. Os números, ali, são incômodos.
Um caso emblemático é o do Brighton de Roberto De Zerbi. O italiano usa um modelo de Machine Learning que sugere, em tempo real, para qual zona do campo a bola deve ir. O resultado? Em 2022/23, o Brighton teve o segundo maior número de passes no terço final (atrás apenas do City), mas com uma precisão de passes longos de 71% – a maior da liga. Isso é tabu. Porque a velha escola diz: “não arrisque a bola”. O modelo diz: “se a probabilidade de sucesso for x, arrisque”.
A Estatística Anormal: O 0,1% Que Quebra o Modelo
Toda regra tem exceção. E é aí que a coisa fica visceral. O xG (Expected Goals) diz que, em média, um gol é marcado com 0,1 de xG. Mas jogadores como Lionel Messi e Kylian Mbappé têm gols recorrentes com xG de 0,01. Ou seja: chances que, matematicamente, não deveriam se concretizar. São os chamados outliers.
Em 2023, um estudo da Opta analisou 50 gols mais improváveis da história recente: a maioria (72%) tinha um elemento comum – a bola vinha de uma trajetória inesperada, como um desvio no meio do caminho. Mas os outros 28%? Foram chutes de fora da área, com ângulo fechado, em velocidade. O famoso “gol sem ângulo”. O modelo matemático não consegue capturar a criatividade humana. E é por isso que a estatística jamais substituirá a arte. Ela pode aumentar as chances de vitória, mas não explica o inexplicável.
Pep Guardiola, certa vez, disse: “Eu odeio o xG quando ele não confirma o que vi.” Porque os dados são uma ferramenta, não uma verdade absoluta. Eles informam, não determinam.
O Futuro: Onde a Ciência Encontra a Paixão
Estamos caminhando para um futebol cada vez mais quantificado. O FC Porto já usa inteligência artificial para detectar lesões antes delas acontecerem (baseado em padrões de passada e assimetria muscular). O Bayern de Munique tem um sistema que analisa a sonoridade do estádio para medir a pressão sobre o jogador.
Mas o perigo é real: se tudo for números, onde fica a liberdade? Onde fica o drible imprevisível de Ronaldinho, que não passava em nenhum modelo? A resposta está na humanização dos dados. Usá-los para potencializar, não para robotizar.
No fim, sou um historiador e um dos últimos cronistas que ainda acreditam que o futebol é mais que métricas. É o erro, o acaso, a genialidade. As planilhas explicam o passado, mas não criam o futuro. Aquele chute de Bellingham, com seus números impossíveis, não foi um algoritmo. Foi instinto. Foi o chute de um garoto que, naquele momento, não pensou em rotação ou xG. Ele só acertou.
E é por isso que, por mais que os dados dominem o jogo, sempre haverá espaço para o inesperado. Para o belo. Para o gol que nenhum modelo previu.
E, no fundo, é isso que nos faz voltar ao estádio. Sempre.
Baseado em dados oficiais da Opta, StatsBomb, estudos da Leeds University e conversas com profissionais da área.