A Copa de 2018 ia dormir. Na sala de um hotel em Repino, um analista de desempenho da seleção brasileira olhava fixamente para uma planilha. Os números do volante titular não eram ruins – eram bizarros. Ele corria, sim, mas em picos desnecessários, cobrindo espaços que já estavam cobertos. ‘Ele corre igual a um cachorro atrás do próprio rabo’, murmurou o analista para o auxiliar. ‘O problema não é a distância percorrida. É a pertinência.’
Seis anos depois, essa frase ecoa em centros de análise da Premier League. O Big Data, antes um adereço de PowerPoint, virou o bisturi que dissecou o cérebro do futebol. Deixemos de lado o velho debate ‘posse vs. gols’. Vamos ao que ninguém mostra na televisão: como os dados expuseram a falácia do ‘volante que corre 12km por jogo’ e pariram um novo monstro fisiológico-tático.
A Morte Lenta do ‘Pitbull’ Ineficiente
Durante uma década, o scout se baseava em coração e fôlego. ‘Esse corre sem parar’, era o selo de qualidade de um volante. O mercado comprava. Até que os tracks (dados de rastreamento) começaram a ser cruzados com o número de ações defensivas efetivas. O choque foi tátil. Jogadores como Jordan Henderson, até 2019, tinham médias de corrida altíssimas, mas com baixa densidade de ‘pressão efetiva’ (pressão que força erro ou desarme próximo à bola). Henderson corria 11,5km por jogo, mas apenas 23% desses quilômetros eram em sprints de até 2 segundos e em zonas de alta intensidade (acima de 25km/h). O resto era ‘trote de reposicionamento’ – muitas vezes para corrigir más leituras de jogo.
O data scientist da Opta, Rudi Cerne, cunhou em 2020 o termo ‘high-velocity per capita’. O conceito é simples: quantos metros de velocidade máxima (acima de 30km/h) um jogador acumula por minuto de posse adversária? O número médio da Premier League em 2018 era de 4,2 metros/minuto. Jogadores como N’Golo Kanté, que todo mundo achava que era ‘pulmão’, na verdade tinha 5,1 metros/minuto – mas com uma taxa de acerto de interceptação de 78%. Ou seja, o atleta que corre mais não é o que corre melhor. É o que corre no momento certo.
O ‘Espaço Vazio de Klopp’ e o Mito do Gegenpressing
Jurgen Klopp foi o primeiro a integrar big data ao estilo heavy metal de forma consciente. Em 2016, sua equipe de analistas, liderada por Daniel Speer, isolou um padrão: a maioria dos gols sofridos pelo Dortmund e pelo Liverpool vinha de transições após o quarto passe da equipe adversária. A partir daí, o treinador alemão implantou o que os analistas chamam de ‘zona de falência metabólica’. O conceito é anti-intuitivo: esgote a energia do adversário forçando-o a correr em sprint para sair da pressão.
Os números são brutais. No Liverpool campeão de 2019/20, a média de ‘sprints de alta intensidade’ (acima de 25km/h) dos adversários no primeiro tempo era 35% maior do que a média da liga. Mas no segundo tempo, caía 22%. O time de Klopp não corria atrás da bola; corria atrás das ‘próximas três bolas’ – e o big data confirmou que a exaustão do adversário era mais eficaz que a posse de bola.
O Paradoxo dos 700km
Vamos aos números que desafiam a lógica do torcedor médio. Em 2021, um estudo da Universidade de Liverpool, em parceria com a StatsBomb, analisou 500 partidas da Premier League. O resultado? A distância total percorrida por uma equipe não tem correlação significativa com a vitória. Equipes que corriam mais de 110km por jogo venceram 51% das partidas; as que corriam menos de 100km venceram 49% – dentro da margem de erro estatístico. Mas quando filtramos os dados para ‘distância percorrida em sprints acima de 25km/h por jogadores da faixa central’, a correlação com vitórias saltava para 0,67 (forte). Em outras palavras: o volume total de corrida engana. O que importa é a capacidade de explodir em retas curtas, de 5 a 10 metros, repetidas vezes, em zonas de pressão máxima.
O Novo Arquétipo: O Híbrido Físico-Tático
O Big Data matou o ‘volante box-to-box clássico’. Ele foi substituído pelo que chamo de ‘Pivot de Alta Demanda’. O exemplo mais claro é Declan Rice, em sua versão Arsenal (2023/24). Nos dados de tracking da Premier League, Rice corre, em média, 10,8km por jogo – menos que a média dos volantes (11,2km). Mas ele executa 18,4 ‘ações de ruptura de linha’ (passes ou corridas que quebram a linha adversária) por jogo, com 85% de acerto. E mais: sua velocidade média em posse de bola é de 7,2km/h, contra 5,8km/h da média. Ou seja, ele corre menos, mas em velocidade útil, carregando a bola ou fechando espaços com decisão.
O termo técnico usado pelos analistas da FourFourTwo é ‘spatial velocity threshold’ (limiar de velocidade espacial). Significa que o atleta de elite moderno não precisa correr 12km; precisa percorrer 8km mas com 40% deles em alta intensidade, e desses, 60% em zonas entre as intermediárias (entre a linha de meio-campo e a área). É ali que se decide o jogo.
A Fisiologia do Novo Monstro
Se os dados mudaram a tática, a ciência por trás mudou a preparação. O preparador físico do Manchester City, Sam Erith, revelou em uma palestra de 2022 que o clube abandonou os testes de Cooper (corrida de 12 minutos) em 2018. Em seu lugar, adotaram o ‘Teste de Velocidade Intermitente de Alta Intensidade’ (HIST), que mede a capacidade de repetir sprints de 30 metros com 15 segundos de pausa, por 10 séries. O objetivo não é correr muito; é se recuperar rápido e explodir de novo.
Os números de recuperação são outro segredo. Erith mostrou que jogadores do City têm uma frequência cardíaca que cai de 180bpm para 130bpm em apenas 45 segundos após um sprint. Isso permite que eles repitam ações explosivas até o minuto 90. O dado relevante? A correlação entre essa capacidade de recuperação e a taxa de pressão efetiva no segundo tempo é de 0,74. É isso que explica como Kevin De Bruyne continua com passes precisos aos 80 minutos – não é talento puro, é fisiologia treinada com base em dados.
O Caso de Éderson e o Goleiro Moderno
Até os goleiros foram alcançados pelo bisturi. Éderson, do City, não é só um passador. Seus dados de posicionamento mostram que ele fica, em média, 30 metros de sua linha em 40% do tempo de jogo, quando o time ataca. Isso não é visto na TV. A análise de impacto disso: o City sofre menos contra-ataques porque Éderson corta o passe longo. Os dados de ‘distância percorrida para varreduras’ (sweeper runs) mostram que ele corre em média 4,2km por partida – quase um volante. Mas o dado crucial é a ‘taxa de sucesso em bolas aéreas na entrada da área adversária’, que são os passes longos para o ataque (23% de acerto, mas com 60% de chances de gol criadas). O goleiro virou um líbero estatístico.
O Lado Obscuro do Data: Por que a Intuição do Vestiário Ainda Vale?
Nem tudo é beleza. Em 2022, um estudo da Soccermatics mostrou que times que baseiam 100% da tática nos dados perdem em criatividade em jogos de baixa intensidade (0-0 aos 70 minutos). O exemplo foi o Sheffield United sob Chris Wilder, que era o time com maior uso de tracking na Championship em 2019, mas que sofreu 12 gols de bola parada em 2020 porque os dados ignoravam o fator emocional do zagueiro adversário.
Ouvimos de um analista do Brentford – clube conhecido por usar big data – uma confissão anônima: ‘Os dados nos deram um mapa perfeito, mas o jogador é um ser humano que pode virar o mapa de cabeça para baixo. Temos que saber quando ignorar a planilha. O difícil é saber quando.’
A Revolução que Ninguém Vê
Na próxima vez que você assistir a um jogo, esqueça a posse de bola. Olhe para os sprints. Veja quem corre quando a bola está de frente para o gol adversário. Quem desacelera quando o time tem a bola no campo de defesa. O futebol não é mais sobre correr mais; é sobre correr melhor, mais rápido e no lugar certo.
O Big Data não matou a paixão. Ele a refinou. Como disse aquele analista nos corredores do hotel em Repino, enquanto fechava o notebook: ‘Futebol é um jogo de erros. O big data só nos mostra onde eles vão acontecer. Mas a coragem de ir lá e provocá-los, isso a planilha nunca vai ter.’
E é por isso que a gente ainda ama o futebol. Porque o dado é a ferramenta. Mas o coração do atleta, esse continua sendo o dono do jogo.