O silêncio antes do apito
Era uma vez um vestiário onde o cheiro de linimento ainda disputava espaço com o suor. O capitão, um veterano de mil batalhas, cuspia no chão e gritava: “Vamos, porra, que eles são de carne e osso!”. Hoje, nesse mesmo vestiário, um analista de dados entrega tablets aos jogadores antes do aquecimento. O branding da empresa de software brilha na tela. O capitão agora olha para um gráfico de Expected Goals (xG) antes de entrar em campo. Algo se perdeu no caminho? Ou, pior, algo foi ganho demais?
A revolução do Big Data no futebol não é mais uma promessa futurista – é uma realidade que rasteja pelos corredores dos centros de treinamento. Mas, como toda tecnologia que promete transformar um esporte em ciência exata, ela carrega consigo uma sombra: a ilusão de controle. Este dossiê tático desconstruído não é um libelo contra os números. É um grito de alerta contra a cegueira estatística que ameaça transformar a arte do futebol em um amontoado de médias e probabilidades.
O corpo que não mente: fisiologia e os limites do humano
Vamos começar pelo mais palpável: o corpo do atleta. Se você acha que o futebol moderno é mais intenso, seus olhos não te enganam. Dados de GPS e acelerometria mostram que um jogador de elite cobre, em média, 10 a 12 km por partida, com piques de velocidade que beiram os 35 km/h. Mas o que os números não mostram é o preço fisiológico dessa evolução.
Peguemos o caso de Kevin De Bruyne, cérebro do Manchester City. Em 2023, ele teve uma lesão rara no tendão da coxa, algo que muitos médicos atribuíram ao acúmulo de partidas e à intensidade dos sprints repetidos. O Big Data consegue prever lesões? Em teoria, sim. Modelos de carga de trabalho analisam variáveis como distância percorrida em alta intensidade, acelerações e desacelerações. O City, aliado a uma equipe de cientistas, usa esses dados para gerir o tempo de jogo de seus atletas. Mas a lesão de De Bruyne aconteceu justamente em um jogo onde os números indicavam que ele estava dentro da média sazonal. O que falhou?
A resposta é simples e aterrorizante: o corpo humano não é uma máquina perfeita. Existem variáveis que o GPS não capta – o estresse emocional de uma separação, a noite mal dormida por causa do choro de um filho, a ansiedade de uma final. A tecnologia nos dá a ilusão de que podemos domesticar o imprevisível, mas o atleta continua sendo um animal de carne e osso, vulnerável ao inesperado.
A prancheta vazia: tática além dos números
Se a fisiologia já é um campo minado, a tática então é o verdadeiro playground da pseudociência. Vamos a um exemplo concreto: o famoso contra-ataque do Liverpool de Klopp. Entre 2018 e 2020, os Reds eram máquinas de transição rápida. O modelo estatístico diria: “time com alta eficiência em passes progressivos e finalizações após roubada de bola”. Mas isso explica o que tornava aquele Liverpool imortal? Não. Explica a casca, não a alma.
O que os números não capturam é a intuição coletiva. Aquele passe de olho de Trent Alexander-Arnold para Mohamed Salah não era fruto de um gráfico de calor. Era a confiança cega de que o companheiro estaria lá, no momento exato. Era o treino repetido mil vezes, sim, mas também era a química que só o tempo e a confiança constroem. O Big Data pode medir a precisão de um passe, mas não a intenção por trás dele.
Veja o caso do Milan de Arrigo Sacchi, um dos times mais táticos da história. Sacchi usava vídeos e observação, mas não existia Big Data. Sua genialidade estava em criar um sistema de pressão tão sincronizado que parecia telepático. Hoje, os analistas tentariam quantificar a “intensidade defensiva” com métricas como PPDA (Passes Permitidos por Ação Defensiva). Mas o PPDA do Milan de 1989 era baixíssimo? Provavelmente. Isso explica o time? Não. O que explicava era a obsessão de Sacchi por cada metro quadrado do campo, algo que nenhum algoritmo consegue replicar.
Estatísticas anormais: quando os números desafiam a lógica
Agora, entremos no terreno pantanoso das anomalias estatísticas. Você sabia que Jamie Vardy, artilheiro do Leicester campeão em 2016, tinha um dos piores índices de xG por finalização da Premier League? Pois é. O modelo dizia que ele deveria errar mais do que acertava. Mas Vardy, com sua velocidade alucinante e um pé que parecia guiado por um deus pagão, transformava chances improváveis em gols. O xG não previu o Leicester. Ele previu o fracasso do Leicester. E errou.
Outro caso: Lionel Messi em 2010. Os dados mostravam que ele finalizava muito de fora da área, com baixa probabilidade de gol. Mas Messi não seguia a curva de probabilidade. Ele a rasgava. O que o Big Data chama de “chance de baixa qualidade” era, para ele, uma oportunidade de ouro. O erro não está no dado, mas na interpretação. Estatística é uma ferramenta, não um oráculo. Quando você a trata como verdade absoluta, perde a capacidade de enxergar o extraordinário.
O bastidor que ninguém vê: a guerra nos departamentos de análise
Recentemente, um analista de um clube da Premier League me contou, nos bastidores de um jogo, como funciona a pressão nos departamentos de dados. “Se o modelo aponta que o jogador X deve ser substituído aos 70 minutos, e o técnico insiste em mantê-lo, e ele marca o gol da virada aos 89, a gente ouve: ‘Cadê a ciência de vocês agora?’”. A brincadeira revela um problema cultural: o Big Data virou um bode expiatório. Quando o resultado vem, o técnico é gênio. Quando não vem, a culpa é dos números.
Em alguns clubes, a briga entre olheiros tradicionais e analistas de dados é de conhecimento público. “O olheiro sente o jogador, vê como ele reage a uma provocação, como trata o roupeiro”, ouvi de um scout veterano. “O analista olha para a planilha e diz: ‘Ele tem 90% de acerto de passe’. Mas e a coragem? Como se mede a coragem?”
O manifesto: pela reconquista do imponderável
Não, não estou pedindo que joguemos os computadores no lixo. O Big Data veio para ficar, e ele trouxe avanços inegáveis. A preparação física baseada em métricas individuais reduziu lesões? Sim, em muitos casos. A análise tática ajudou a identificar padrões? Claro. Mas o futebol não é uma soma de números. É uma narrativa imprevisível, uma história escrita em tempo real por 22 protagonistas imperfeitos.
O que proponho, então? Um uso crítico e humano da estatística. Que os dados informem, mas não decidam. Que o técnico tenha a liberdade de ignorar um gráfico se seu instinto disser o contrário. Que o jogador não seja reduzido a um perfil de desempenho. Que a ciência sirva ao jogo, e não o contrário.
Lembro-me de uma noite em Old Trafford, vendo United e Bayern se enfrentarem. O placar estava 1 a 1, faltando cinco minutos. Um garoto da base, com menos de 20 partidas no time principal, recebeu a bola na intermediária. O modelo diria: “toque seguro para o lado, mantenha a posse”. O garoto driblou dois, chutou de fora da área e acertou o ângulo. Gol. Vitória. Estatisticamente, era a jogada errada. Na vida real, foi a mais certa possível.
Esse garoto se chama Macheda. Você lembra dele? Pois é. O Big Data também não.