O gol que não existiu nos dados
Era uma noite fria em Turim, setembro de 2021. Federico Chiesa recebeu a bola na ponta esquerda, cortou para dentro e, de fora da área, soltou um foguete que explodiu no ângulo. O goleiro do Napoli, Ospina, nem se mexeu. Gol. Mas nos servidores da Opta, aquele chute foi registrado como xG 0.03 – uma chance que, segundo o modelo estatístico, só resultaria em gol 3 em cada 100 tentativas. E, no entanto, aconteceu. Porque o futebol, antes de ser um problema matemático, é uma equação humana.
Puxo a cadeira do vestiário, pego o bloco e o uísque imaginário. Vamos falar sobre a revolução dos dados, sim, mas com o respeito de quem viu Pelé e Garrincha. O Big Data não é o vilão. Mas o culto cego ao xG, Expected Threat (xT), passes por 90 minutos e outras métricas virou uma religião que esqueceu o essencial: o imponderável, o improviso, a centelha que a planilha não computa.
Eu estava na redação do Estadão quando o primeiro técnico brasileiro pediu relatórios de scout com gráficos de pizza. Era o início dos anos 2010. Hoje, qualquer analista de futebol tem acesso a mais dados que o departamento de estatísticas do FBI. Mas a pergunta que me faço desde então é: para quê servem todos esses números se eles não conseguem prever um gol de bicicleta, uma arrancada de 40 metros ou a genialidade de um passe de calcanhar?
A origem do mito: quão precisos são os modelos?
O Expected Goals (xG) foi popularizado por gente como Ben Mayhew (Experimental 361) e a equipe do StatsBomb. A ideia é simples: a cada finalização, atribui-se um valor de 0 a 1, baseado em variáveis como distância, ângulo, tipo de passe, pressão defensiva. Um chute de dentro da pequena área tem xG alto (0.7, 0.8). Um de longe, baixo. Mas o modelo não enxerga o inesperado. Por exemplo, o gol de falta de Roberto Carlos contra a França (1997) teve xG provavelmente abaixo de 0.05. Mas quão provável é que alguém chute daquele jeito? Impossível de quantificar.
Mais grave: o xG ignora o contexto imediato. Um chute de 30 metros do Messi pode ter o mesmo xG que um chute de 30 metros do zagueiro. Mas a habilidade do Messi multiplica a probabilidade real. Modelos avançados tentam corrigir isso com o xG “individualizado”, mas ainda estão engatinhando. E o futebol não é só finalização. O xT (Expected Threat) tenta capturar passes que criam perigo antes do chute. Mas onde fica o drible? Onde o movimento sem bola que desorganiza a defesa? Impossível de codificar com precisão.
O corpo que desafia o algoritmo: a evolução fisiológica do atleta moderno
Em 2018, o coração de Christian Eriksen, na Dinamarca, parou por 5 minutos num campo de futebol. A ciência salvou sua vida. Mas a Ironia? A estatística desportiva já apontava sua queda de rendimento desde 2019 – menos quilômetros percorridos, menos sprints. O dado estava lá. Mas ele não avisou que uma fibra muscular estava prestes a romper ou que uma arritmia silenciosa corroía a performance. O Big Data captura métricas de carga, mas não a fadiga oculta, o risco de lesão que só um olho clínico ou um sensor mioelétrico conseguem antever.
Os atletas de hoje são máquinas perfeitas: níveis de cortisol controlados, sono monitorado por anéis inteligentes, ingestão calórica calculada ao grama. A diferença entre um jogador da Premier League e um da Série A brasileira é, muitas vezes, 5% de eficiência na recuperação. Mas quando o jogo aperta, o que separa o vencedor do perdedor não é o pico de velocidade, e sim a coragem de não recuar. O dado não mede coragem.
O caso irlandês: quando o dado surpreendeu o tédio
Na temporada 2015/2016, o Leicester City ganhou a Premier League contra todas as probabilidades. Antes do campeonato, a chance estatística era de 5000 para 1. Os modelos preditivos (como o FiveThirtyEight) colocavam o time como rebaixado. O que os números não viram? Um goleador improvisado (Vardy, ex-fábrica), um esquema tático simples de contra-ataque e uma química de vestiário inexplicável. Claudio Ranieri usou os dados, sim – para monitorar a intensidade dos treinos. Mas o gênio estava em não se prender a eles.
Pior: a obsessão por posse de bola já matou times como o Barcelona de 2020. Posse de 70%, mas xG inferior ao adversário. Os dados mostravam que eles tocavam a bola sem objetividade. Mas ninguém no banco lia o relatório. Ou liam e não sabiam o que fazer. Umberto Eco dizia: “Os dados não são informação”. Informação é o que você faz com eles. E no futebol, fazer algo com eles exige inteligência tática que vai além da prancheta.
O tédio dos números: por que a análise estatística pura enjoa?
Você já leu um relatório de scouting de 20 páginas? É entediante. Gráficos de radar, tabelas de comparação, scout de 200 lances. O problema é que o leitor (ou o treinador) não encontra o insight humano. A TV hoje mostra estatísticas em tempo real: “fulano completou 95% dos passes”. E daí? Se todos os passes foram para trás, o número é irrelevante. A métrica de “progressão de bola” (passes que avançam o jogo) é mais importante, mas raramente mostrada. E a capacidade de um atleta de “criar” para os outros? O passe antes do passe? Isso é arte, não dado.
Uma vez, num jogo do São Paulo, Pedro (jogador do Flamengo) fez um lançamento de 40 metros para o Gabigol. O xA (Expected Assist) do passe era 0.02. Mas Gabigol dominou, girou e marcou. O modelo estatístico jamais considerou que Gabigol é um finalizador surreal. A genialidade do passe, a confiança do atacante, a defesa mal postada. O número é um retrato pálido da realidade.
Há um fenômeno curioso: times que batem o xG sistematicamente (marcam mais gols que o esperado) são apontados como “sortudos”. Mas se um time tem um centroavante como Lewandowski ou Haaland, o xG não capta o fator humano. Eles finalizam melhor, em ângulos mais difíceis. A estatística que não inclui a habilidade do finalizador é falha. Modelos modernos tentam “personalizar” o xG (xG+), mas ainda não conseguem capturar o fator “momento” – o jogador que decide o jogo quando o time mais precisa.
A desconstrução tática de um esquema que a estatística não explica
Vamos a um caso concreto: o 4-3-3 ofensivo do Liverpool de Klopp (2018-2020). O dado mostrava alta pressão pós-perda, muitos passes no terço final, alta eficiência de conversão. Mas qual métrica mede o “gegenpressing” como um ato coletivo de fé, onde todos correm juntos em direção à bola? Nenhuma. O sistema de Klopp exigia uma sintonia quase telepática. Mais do que quilômetros percorridos, era a intenção dos movimentos. O quanto um jogador fechava um ângulo de passe simultaneamente ao companheiro? Impossível de medir.
A ciência do esporte já tenta capturar “pressão defensiva” com redes neurais. Mas ainda falta a nuance. Uma equipe que marca alto mas não recupera a bola imediatamente (como o Leeds de Bielsa) sobre mais riscos. O xG contra sobe. Mas o dado não mostra que a estratégia era asfixiar o adversário até o erro fatal no segundo tempo. É a leitura de jogo, a capacidade de adaptação. Os números são apenas o eco.
Onde a ciência acerta: o futuro híbrido
Não quero que pareça que o Big Data é inútil. É o contrário. A evolução do monitoramento fisiológico (GPS, frequência cardíaca, análise de movimento) permitiu treinos mais individualizados, redução de lesões, periodização tática precisa. O uso de dados para reconstruir lesões (como no caso de Virgil van Dijk após o joelho) é revolucionário. Mas o erro é tratar o futebol como um problema de otimização pura. O esporte é um jogo de erros humanos. E o erro tem uma beleza que o número não capta.
Lembro de um relatório de scouting sobre o jovem Vinícius Júnior, antes de chegar ao Real Madrid. Dizia: “drible excessivo, finalização fraca, xG baixo”. O que o relatório não dizia era que ele tinha uma capacidade de improvisação que desequilibrava defesas. O Real Madrid comprou baseado no talento bruto, não no xG. Hoje, Vinícius é um dos melhores do mundo, com finalização apurada. O dado inicial estava certo em parte, mas não previu o desenvolvimento orgânico.
Conclusão (sem palavras vazias)
O Big Data no futebol é uma ferramenta indispensável, mas nunca foi e nunca será o dono da verdade. É o bisturi do cirurgião, não o cirurgião. O engano é acreditar que um modelo estatístico pode substituir a intuição de um técnico como Guardiola, que usa dados mas confia no olho para o imprevisível. Ou a coragem de um atacante que decide chutar de longe, contra a recomendação do modelo.
No final, o futebol se decide em frações de segundo, em decisões que desafiam a lógica fria dos algoritmos. É a emoção de uma final de Copa, a raça de um clássico no meio de semana, a resiliência de um time que perde na estatística mas ganha no placar. E isso, meus amigos, nenhum xG jamais vai explicar.