O placar marcava 1 a 0 para o Liverpool, mas o jogo ainda respirava pelos 15 minutos finais. Foi quando um analista de desempenho, sentado em uma cabine apertada em Anfield, percebeu algo que o olho nu jamais captaria: aos 73 minutos, o volume de sprints do time adversário havia despencado 23% em relação à média do primeiro tempo. Não era cansaço comum – era uma assinatura fisiológica de colapso iminente. Nos 17 minutos seguintes, o Liverpool marcou três gols. O que separou a goleada do sufoco? Não foi talento, técnica ou sorte. Foram dados.
Puxe a cadeira, levante o copo de café frio e esqueça o que você aprendeu sobre estatísticas no futebol. O que vou contar aqui não passa na televisão. É a crônica de bastidores de como o Big Data transformou o futebol em uma equação de variáveis humanas – e como um conceito específico, o PPDA (Passes Permitidos por Ação Defensiva), virou a chave tática que separa os dinossauros dos predadores.
A morte do olho clínico
Durante décadas, o futebol foi guiado pelo ‘olho clínico’ de técnicos e observadores. Um jogador era ‘bom de marcação’ ou tinha ‘bom faro de gol’. Sentença subjetiva, quase mística. Até que, no início dos anos 2010, uma revolução silenciosa brotou nos centros de análise europeus. Clubes como Brentford, Liverpool e RB Leipzig começaram a contratar matemáticos, físicos e programadores – não para substituir os olhos, mas para calibrá-los.
O ponto de virada veio com a Opta e a StatsBomb. Dados rastreáveis de cada passe, cada deslocamento, cada sprint. De repente, o futebol tinha números comparáveis às finanças. Mas havia um problema: métricas tradicionais como posse de bola ou finalizações eram enganosas. Um time podia ter 70% de posse e perder de 3 a 0. Algo mais profundo estava em jogo.
O fator fisiológico oculto
O corpo humano tem limites – e eles são medidos em watts, lactato e frequência cardíaca. Durante uma partida, um atleta de elite percorre entre 10 e 13 km. Destes, cerca de 800 m são em sprints de máxima intensidade. O problema é que esses sprints não acontecem a qualquer momento; eles são mais frequentes nos primeiros 15 minutos de cada tempo e nos instantes pós-perda de bola. O que os dados revelaram foi alarmante: times que pressionavam alto por longos períodos viam uma queda acentuada na capacidade de repetir sprints a partir dos 65 minutos. O segredo? Gerenciar o PPTA (Percentual de Perda de Tempo em Alta Intensidade).
Pesquisas do Football Research Group (Universidade de Liverpool) mostraram que para cada aumento de 10% no volume de sprints acima de 25 km/h no primeiro tempo, a probabilidade de um time sofrer gols no segundo tempo subia 18% – a menos que houvesse um banco de reservas com capacidade de reposição similar. Em outras palavras: o gegenpressing desenfreado é uma faca de dois gumes.
PPDA: a métrica que desnuda o jogo
Imagine que você é o técnico. Antes, você via que seu time ‘pressionava bem’. Agora, com dados, você sabe quantos passes o adversário dá antes de uma ação defensiva sua. O PPDA mede exatamente isso: o número de passes que um time permite ao oponente antes de tentar uma ação defensiva (desarme, interceptação, falta). Quanto menor o PPDA, maior a pressão. Simples, não? Mas a genialidade está na granularidade.
Estudos da StatsBomb indicam que times com PPDA abaixo de 10 (média da Premier League gira em torno de 12 a 14) têm 40% mais chances de recuperar a bola no terço final do campo. Mas o preço é alto: esses mesmos times sofrem mais contra-ataques em transição. O Liverpool de Klopp, em 2019, tinha um PPDA de 9,8 – o mais baixo da liga. Coincidentemente, também era o time que mais sofria gols em contra-ataques (12 no total). A relação é clara.
O City de Guardiola, por outro lado, tinha um PPDA de 13,2. Pressionava menos, mas com mais inteligência posicional. O resultado? Sofreu apenas 4 gols em contra-ataques e terminou com o título. A conclusão dolorosa para os românticos: o ‘intensidade’ não é sinônimo de ‘eficiência’.
O dossiê tático de Ralf Rangnick
Nenhum nome é mais associado à revolução dos dados do que Ralf Rangnick, o arquiteto do futebol moderno alemão. Seu conceito de gegenpressing (pressionar imediatamente após perder a bola) foi dissecado por analistas. Em 2016, seu RB Leipzig tinha um dos PPDA mais baixos da Bundesliga (8,5). Mas Rangnick não era ingênuo – ele sabia que o truque estava na rotação. Em seus treinos, mapeava zonas de sprint e períodos de recuperação com GPS. Cada jogador tinha um ‘limiar de fadiga’ personalizado. Quando os dados indicavam que um atleta estava entrando na zona vermelha, o sistema de substituições era acionado – muitas vezes antes mesmo do jogador perceber.
Em um jogo contra o Wolfsburg, em 2017, o Leipzig vencia por 2 a 1 aos 70 minutos. Os dados mostraram que o lateral esquerdo tinha uma queda de 40% na potência de sprint. Rangnick o substituiu imediatamente. Nos 20 minutos finais, o Leipzig não sofreu gols. O Wolfsburg, que pressionava, viu seu PPDA subir de 9 para 14, perdendo a capacidade de recuperar a bola. O jogo terminou 2 a 1. A decisão não foi instinto – foi ciência.
Fisiologia em campo: o atleta como máquina de dados
O corpo de um jogador da Premier League é monitorado 24 horas por dia. Desde a qualidade do sono (medida por anéis inteligentes) até a variabilidade da frequência cardíaca. Durante os jogos, coletes GPS coletam 1000 amostras por segundo: aceleração, desaceleração, carga mecânica, impacto. Um estudo de 2020 publicado no Journal of Sports Sciences mostrou que a distância percorrida em alta intensidade (>5,5 m/s) no primeiro tempo prediz com 78% de precisão o número de intervenções defensivas no segundo tempo. Ou seja: o desgaste precoce determina a eficácia tática tardia.
Mas a métrica mais subversiva é o Índice de Recuperação de Bola (IRB): a relação entre recuperações de bola e minutos jogados em alta intensidade. Jogadores como N’Golo Kanté têm IRB acima de 8,0 – recuperam a bola a cada 8 minutos de alta intensidade. Em contraste, um atacante comum tem IRB de 3,5. A diferença não é técnica; é fisiológica. Kanté tem uma capacidade mitocondrial (produção de energia celular) 30% acima da média. Dados que explicam por que ele cobre cada centímetro do campo.
O modelo preditivo que virou lenda
Vamos a um caso concreto. Na temporada 2022-23, o Brighton de Roberto De Zerbi surpreendeu o mundo. Por trás da aparente anarquia ofensiva, havia um sistema de dados que calculava em tempo real o Risco de Transição Adversária (RTA). Sempre que o Brighton perdia a bola, um algoritmo processava a posição de cada jogador, a velocidade dos adversários e o espaço disponível. Se o RTA ultrapassasse um limiar, o time executava uma falta tática imediata. Resultado: sofreram apenas 3 gols em contra-ataques em toda a temporada – o melhor índice da Premier League.
Em uma partida contra o Arsenal, aos 32 minutos, o Brighton perdeu a bola no meio-campo. O algoritmo apontou RTA de 86% – Martinelli estava em velocidade. O volante Moises Caicedo, instruído por fones intra-auriculares, cometeu a falta imediatamente, aos 30 metros do gol. O cartão amarelo foi barato. O Arsenal não marcou naquela jogada. O jogo terminou 2 a 2. Os dados evitaram uma derrota.
Crítica: o risco da ditadura dos números
Nem tudo é perfeito. Há um perigo real de os dados sufocarem a intuição. No Manchester United de 2021-22, o técnico Ole Gunnar Solskjær implementou um sistema baseado em PPDA baixo. O time pressionava alto, mas as métricas de fadiga não eram integradas ao banco. O resultado? Lesões musculares em série e um colapso no segundo tempo de jogos decisivos. O United terminou a temporada com o pior índice de gols sofridos nos últimos 15 minutos (14). A ciência sem a arte vira burocracia.
Outro caso é o do Brentford, clube que usa modelos estatísticos para contratações e táticas. Embora tenham um dos menores orçamentos da Premier League, seus dados apontam que o xG (gols esperados) é melhor preditor de resultado do que posse ou finalizações. Mas em 2022, o modelo sugeriu que Ivan Toney teria uma regressão estatística – e ele foi vendido por 50 milhões de libras. O clube errou: Toney continuou marcando. O modelo não levou em conta a resiliência psicológica, algo que nenhum algoritmo captura.
O futuro: IA e o fim do treinador humano?
Estamos caminhando para um futebol em que a substituição pode ser sugerida por IA antes mesmo do técnico pensar. Empresas como SkillCorner já oferecem dados ópticos de rastreamento em tempo real, sem coletes. Em breve, cada jogador terá um ‘coeficiente de risco’ individual. Mas o fator humano ainda resiste. Em 2023, o Liverpool derrotou o Manchester City por 1 a 0 em Anfield com um gol de cabeça de Virgil van Dijk. Os dados mostravam que o City tinha 67% de posse, 15 finalizações e xG de 1,8. O Liverpool teve xG de 0,4. Mas venceu. Por quê? Porque a bola, quando entra, não obedece a planilhas.
O futebol nunca será totalmente asséptico. Ainda há espaço para o improvável – o chute de fora da área, o erro do goleiro, a inspiração divina de um craque. Mas a revolução do Big Data já enterrou o mito de que o futebol é imprevisível demais para ser analisado. Hoje, cada passe, cada sprint, cada recuperação é um dado que alimenta uma equação. O problema é que a equação ainda tem uma variável chamada emoção. E essa, os matemáticos ainda não decifraram.
Enquanto não decifram, eu fico aqui, na arquibancada, vendo os números dançarem com a paixão. E torcendo para que a balança nunca penda totalmente para o lado dos robôs. Porque, no fim das contas, o futebol é a única ciência que precisa de uma alma para fazer gol.