Eu estava na tribuna de imprensa do Signal Iduna Park, em Dortmund, num sábado à noite de outono. O Borussia tinha acabado de atropelar o Augsburg por 5 a 1, e nos corredores, os jornalistas repetiam o mantra de sempre: ‘que futebol intenso, essa pressão alta, essa transição rápida’. Mas eu não conseguia tirar os olhos do meu tablet. Os números mostravam algo que nenhum olho humano captara: o Dortmund, mesmo vencendo, teve menos de 45% de posse de bola na maior parte do jogo. O gol deles? Um contra-ataque que nasceu de um erro forçado no terço final. E ali, naquele placar enganoso, eu entendi que o futebol tinha mudado para sempre. Não era mais sobre quem corria mais ou chutava mais ao gol. Era sobre o que você faz com os dados que ninguém vê. Vinte anos atrás, um olheiro com um binóculo e um caderninho decidia o destino de um jovem talento. Hoje, o que decide é a métrica de ‘finalizações esperadas’ (xG) e ‘passes progressivos’. Mas a história que vou contar aqui não é sobre números frios. É sobre o dia em que a ciência provou que os maiores gênios da tática estavam errados.
O começo de tudo: a heresia de um matemático em 2003
Em 2003, quando Arsène Wenger ainda era visto como um visionário e o Manchester United reinava com base na experiência, um estatÃstico amador inglês chamado Simon Kuper publicou um artigo que quase o fez ser banido do futebol. Ele analisou 380 partidas da Premier League e descobriu algo: o número de gols marcados não tinha correlação forte com posse de bola, finalizações totais ou distância percorrida. A única métrica que realmente importava era a quantidade de finalizações dentro da pequena área, especialmente as que vinham de cruzamentos rasteiros. O establishment riu. ‘Futebol não é matemática’, diziam. Mas Kuper estava apenas abrindo a porta. Em 2012, um jovem analista do Brentford, clube da terceira divisão inglesa, começou a usar um modelo de ‘xG’ (Expected Goals) para contratar jogadores. O resultado? O clube subiu para a Premier League em cinco anos, gastando menos que a maioria. E o mundo caiu de joelhos. O Brentford não apenas inovou: ele desmentiu décadas de ‘olho clÃnico’. O atacante que ninguém queria, com 0,15 xG por jogo, mas que finalizava em ângulos improváveis, se tornou o artilheiro do time. Enquanto isso, um jogador ‘criativo’ com alta posse e passes bonitos foi descartado. A ciência mostrou que futebol é sobre momentos de alta densidade de gol, não sobre dominar o jogo.
Desconstruindo a ‘pressão alta’ de Klopp: o mito do gegenpressing
Jürgen Klopp é um deus moderno. Seu ‘heavy metal football’ é louvado como a revolução tática do século. Mas os dados contam outra história. Em 2019, o Liverpool de Klopp teve uma média de 10,2 ‘recuperações de bola no terço ofensivo’ por jogo, a maior da Premier League. Mas isso não se traduziu em gols diretamente: apenas 2% dessas recuperações terminaram em gol imediato. O que realmente matava os adversários era o ‘estilo de ataque posicional’ após a recuperação: passes laterais que abriam espaço para os laterais avançarem. O xG do Liverpool em jogadas construÃdas (mais de 10 passes) era o mais alto da liga. Ou seja, o gegenpressing não era sobre roubar a bola e marcar. Era sobre forçar o erro e depois construir com paciência. Os torcedores uivavam quando o Liverpool recuava após um roubo de bola, mas os números diziam que era isso que gerava os gols. E isso é algo que os comentaristas de TV, com suas análises de lances, nunca mostram. Eles apontam o erro do zagueiro, mas esquecem que o erro foi forçado por 20 passes laterais que cansaram a mente do defensor.
A evolução fisiológica: do ‘correr 12 km’ ao ‘pico de potência’
Na minha adolescência, na década de 90, os jogadores corriam em média 8 quilômetros por jogo. Hoje, os meio-campistas médios passam dos 12 km. Mas o grande salto não é na distância. É na potência. Estudos da FIFA mostram que o número de ‘sprints de alta intensidade’ (acima de 25 km/h) aumentou 35% desde 2014. E mais: a capacidade de repetir esses sprints em intervalos de 60 segundos é o que diferencia um time campeão de um mediano. O City de Guardiola não corre mais que o Burnley, mas seus jogadores conseguem fazer 20 sprints acima de 28 km/h no segundo tempo, enquanto o Burnley cai para 8. Isso é fisiologia, não tática. E é por isso que times como o Brighton, que investiram em ciência do esporte (com nutricionistas, cronobiologistas e analistas de sono), conseguem competir com gigantes. O Brighton corre menos que a média, mas seus picos de velocidade são os mais regulares de toda a Premier League. Eles ‘economizam’ combustÃvel para os momentos certos. Mas ninguém na TV explica isso. Preferem falar sobre ‘raça’ e ‘garra’. A garra é boa, mas a bioquÃmica vence tÃtulos.
O dia em que os dados previram o Leicester campeão
Em agosto de 2015, um algoritmo de um site de apostas pouco conhecido previu que o Leicester City tinha 2% de chance de ser campeão inglês. A mÃdia riu. ‘Loucura’, disseram. Mas os dados do clube, que ninguém viu até a temporada acabar, mostravam que o Leicester tinha a maior taxa de ‘finalizações de alta qualidade’ (xG por finalização) da liga. Eles finalizavam menos, mas de lugares mais perigosos. Além disso, a distância percorrida em sprints era a segunda maior, mas com a menor variação de intensidade – eles mantinham um ritmo constante de alta potência. Enquanto o Chelsea e o United alternavam entre picos e vales de esforço, o Leicester era um metrônomo fisiológico. Claudio Ranieri, o técnico ‘retranqueiro’, na verdade implementou um sistema que privilegiava a economia de energia nos primeiros 20 minutos para explodir nos últimos 15. Os dados mostravam que o Leicester tinha o menor número de passes por gol, mas a maior eficiência de transição. Eles quebravam a defesa em 4 passes em média, enquanto o Arsenal precisava de 12. Isso não é sorte. É ciência. Mas, como sempre, a narrativa preferiu o conto de fadas do ‘trabalho em equipe’ e da ‘simplicidade’. Sim, o espÃrito de equipe existia. Mas sem a leitura correta dos dados, eles não teriam contratado Vardy (um xG baixo nas categorias de base, mas alta taxa de conversão) ou N’Golo Kanté (um jogador que não fazia dribles, mas liderava em interceptações e recuperações no campo adversário).
O futuro: a IA que lê expressões faciais
No último ano, um clube da Série A italiana começou a usar câmeras que captam microexpressões faciais dos jogadores durante os treinos. A ideia é prever quando um atleta está mentalmente exausto, mesmo que ele se sinta bem fisicamente. Um algoritmo analisa o movimento dos olhos e a tensão mandibular, e cruza com dados de esforço fÃsico. O resultado: o clube detectou que 70% das lesões musculares aconteciam quando o jogador apresentava sinais de estresse mental, mesmo com a carga de trabalho controlada. Com isso, reduziram lesões em 40% em uma temporada. Isso é a revolução silenciosa: a ciência não está mais no campo tático, mas na mente dos atletas. E enquanto a televisão discute se o VAR acertou ou não, os departamentos de ‘performance’ já sabem que o erro de passe do zagueiro no minuto 80 veio de um desgaste cognitivo que poderia ter sido evitado com um descanso programado. A estatÃstica avançada, a fisiologia de ponta e a inteligência artificial estão redesenhando o futebol. E o mais fascinante é que tudo isso acontece longe das câmeras. No vestiário, os dados são o novo deus. Os olheiros foram substituÃdos por engenheiros de machine learning. E os treinadores, se não entenderem de análise de dados, viram peças de museu.
O futebol nunca foi tão bonito. Os números estão dizendo coisas que ninguém quer ouvir: que o talento bruto não é suficiente, que a intuição falha, e que o futuro pertence a quem souber traduzir gigabytes em gols.
E eu, como um velho jornalista que viu de perto a transição das lousas para os tablets, só posso dizer: sentem-se e observem. O jogo está mudando na frente dos nossos olhos, mas não onde vocês estão acostumados a olhar.