Analítica avanzada

Del baloncesto al fútbol:
cuando los números necesitan contexto

El baloncesto recorrió hace dos décadas un camino que el fútbol está empezando a hacer: pasar del volumen bruto a métricas ponderadas por eficiencia, ritmo y contexto. Una lectura útil, no una hoja de ruta cerrada.

Análisis para Secretaría Técnica Mayo 2026 Perfiles RP
El paralelo conceptual

Tres generaciones de modelos de evaluación

La NBA recorrió tres fases en la forma de medir el rendimiento. Si las métricas del Excel se aplican de forma directa (sin normalización ni ajuste contextual), el modelo se aproxima a la frontera entre la primera y la segunda generación. La frontera moderna está en la tercera. La crítica no aplica al diseño top-down de perfiles, que es una buena taxonomía, sino al modo en que las métricas se conviertan en puntuación final.

Volumen bruto 1985
Eficiencia simple 1995
Eficiencia ponderada 2010
Generación 1 · 1980-90

Volumen bruto

"Más es mejor"

Métrica tipo: Puntos por partido, rebotes totales, asistencias.

Problema: premia al que tira mucho aunque falle mucho. Premia al titular sobre el eficiente.

Generación 2 · 1990-2005

Eficiencia simple

"Acertar importa más"

Métrica tipo: Field Goal %, AST/TO ratio.

Problema: castiga al que tira triples (más difíciles, más valor) frente al que tira layups. No corrige por dificultad.

Generación 3 · 2005-hoy

Eficiencia ponderada

"Valor por intento ajustado al contexto"

Métrica tipo: TS%, BPM, RAPM, EPM.

Avance: mide valor real generado por intento, ajustando ritmo, defensa y dificultad de la acción.

Dónde podría situarse el modelo del Excel

Si las métricas se utilizan tal como están listadas — sin ponderar por contexto ni normalizar por ritmo — el resultado se acerca a la frontera entre Generación 1 y 2: mezcla volúmenes absolutos (tackles intentados, regates, conducciones) con algunos porcentajes. La taxonomía de perfiles es válida; lo que queda abierto es el paso a Generación 3: ponderación por dificultad, normalización por ritmo del equipo, impacto sistémico y delta real-esperado.

¿Por qué importa este salto?

Equipos NBA que adoptaron pronto la diferencia entre volumen y eficiencia ponderada — Houston Rockets bajo Daryl Morey, San Antonio Spurs, Dallas Mavericks — son referencia habitual en los relatos sobre la revolución analítica. La narrativa es discutible y simplificada, pero el patrón existe: anticipar el cambio metodológico tuvo correlato deportivo en varios casos documentados.

En fútbol existen casos análogos — Brentford, Brighton, Toulouse, RB Leipzig, el Liverpool del periodo de Ian Graham — que asocian su modelo de fichajes a ideas similares. El detalle real es más sofisticado y dependiente de muestra, plantilla y entrenador, pero la dirección de fondo es la misma: ratios y contexto sobre absolutos.

Una advertencia sobre la analogía

La analogía baloncesto → fútbol no es perfecta. El baloncesto tiene más posesiones por partido, más puntos y muestras más densas, lo que facilita medir individualmente. El fútbol es más escaso en eventos decisivos, más dependiente del contexto táctico y más difícil de aislar a nivel individual. Eso obliga a importar los principios (ratio, ponderación, normalización, impacto sistémico, delta real-esperado) pero no las métricas literales, que deben adaptarse al deporte.

6 métricas avanzadas

Lo que el baloncesto resolvió y el fútbol está adaptando

Cada métrica avanzada corrige un sesgo específico que aparece cuando se usan métricas de volumen sin ajuste. La traducción al fútbol no es literal: importa el principio, no la fórmula. Haz clic en cada métrica para expandirla.

Para empezar — un ejemplo simple

Dos jugadores meten 20 puntos. Uno necesita 10 tiros; el otro necesita 25. La estadística simple dice "ambos 20 puntos"; la analítica pregunta "¿cuánto costaron esos 20 puntos?". Toda la diferencia entre Generación 1 y Generación 3 se reduce a esa pregunta, ampliada a todas las dimensiones: tiros, pases, regates, defensa.

Métrica 1

True Shooting Percentage (TS%) — eficiencia real de tiro
Ilustración
Balanza con layup, tiro libre y triple, cada uno con un peso distinto. Inclinada hacia el triple porque pondera más.

Lectura: los tres tipos de tiro no pesan igual. El triple inclina la balanza porque vale más, y TS% pondera cada acción por su valor real en lugar de tratarlas como una sola.

Qué mide: cuántos puntos genera un jugador por cada intento total de anotar, incluyendo tiros de 2, triples y tiros libres. Por qué importa: condensa volumen y valor del tiro en un solo número comparable entre roles.

TS% True Shooting Percentage. Porcentaje de tiro real: puntos generados por intento total de anotar (incluye tiros de 2, triples y tiros libres).
TS% = PTS / (2 × (FGA + 0.44 × FTA))
Qué corrige

El FG% premia al pívot que mete layups al 65% y castiga al escolta que tira triples al 38%. Pero un triple vale un 50% más que un tiro de 2, y los tiros libres también suman puntos. TS% pondera el valor del tiro y el contexto (faltas recibidas) en una sola métrica: cuántos puntos genera un jugador por intento real de anotar.

FG% Field Goal Percentage. Porcentaje de tiros de campo acertados sobre tiros de campo intentados. Trata todos los tiros como si valieran lo mismo (no distingue 2 de 3 puntos, no incluye tiros libres).
Ejemplo concreto
Jugador A

45% FG (parece bueno), solo tira de 2, nunca lanza libres.

TS% 45%
Jugador B

42% FG (parece peor), 40% son triples, recibe muchas faltas.

TS% 58%

B es mucho más valioso ofensivamente que A, aunque el FG% diga lo contrario.

Visualización · FG% engañoso vs TS% real
Jugador A — solo tiros de 2, sin libres
FG% (métrica simple)
45%
TS% (métrica avanzada)
45%
Jugador B — 40% triples, recibe muchas faltas
FG% (métrica simple)
42%
TS% (métrica avanzada)
58%
Paralelo en fútbol — riesgo si no se ajusta

Si el modelo se queda en "remates totales" o "remates a puerta" sin ponderar calidad, podría infravalorar al delantero que tira menos veces pero desde mejores zonas. El equivalente fútbol del TS% sería combinar xG por remate (calidad de la ocasión) con el delta entre goles reales y goles esperados. Un delantero con xG=15 y goles=22 (sobrerendimiento, finalización clutch) no aporta lo mismo que otro con xG=15 y goles=8 (subrendimiento). Sin medir el delta, se ve solo la mitad de la película.

Fuente: NBA Stats Glossary · Basketball-Reference · StatsBomb (xG).
xG Expected Goals. Probabilidad esperada de gol de un remate, calculada a partir de zona, tipo de jugada y defensores presentes. La diferencia goles − xG separa finalización pura del volumen de ocasiones.
Métrica 2

Effective Field Goal Percentage (eFG%) — tiro ajustado por valor
Ilustración
Layup ×2 a la izquierda y triple ×3 a la derecha, separados por una flecha grande que indica un 50% más de valor para el triple.

Lectura: dos acciones con el mismo nombre nominal (un tiro) pero distinto valor. eFG% reconoce que un triple suma un 50% más que un tiro de dos y deja de tratarlos como equivalentes.

Qué mide: porcentaje de tiros de campo ajustado por el mayor valor del triple. Por qué importa: introduce la idea de que no todas las acciones del mismo tipo valen igual.

eFG% Effective Field Goal Percentage. Porcentaje de tiro ajustado por el valor extra del triple. Versión simplificada del TS%: pondera triples ×1.5 sobre tiros de 2.
eFG% = (FG + 0.5 × 3P) / FGA
Qué corrige

Versión simplificada del TS%. Pondera triples 1.5× por su mayor valor. Lección esencial: no todas las acciones del mismo tipo valen igual.

Visualización · FG% vs eFG% con dos perfiles de tiro
Jugador A — solo tiros de 2 (50 / 100) 100 tiros, 50 acertados, 0 triples
FG%
50%
eFG%
50%
Jugador B — mitad de tiros son triples (42 / 100) 50 tiros de 2 acertados al 50%, 50 triples acertados al 34%
FG%
42%
eFG%
59%

B parece peor según FG% (42% vs 50%), pero genera más puntos por tiro: 25 + 17·3 = 76 puntos en 100 tiros, frente a 100 puntos de A. eFG% corrige esa lectura. Triples al 34% ya superan en valor a tiros de 2 al 50%.

Paralelo en fútbol — riesgo si no se ajusta

En perfiles tipo Desequilibrante (Doku), si "regates completados" se contabilizan en absoluto, un regate en banda a mitad de campo cuenta lo mismo que un regate dentro del área que termina en remate. Es el equivalente conceptual a no distinguir layup de triple. Un ajuste posible sería ponderar regates por el xT (Expected Threat) generado: cuánto sube la probabilidad de gol gracias a esa acción.

Fuente: Basketball-Reference (eFG%) · Karun Singh (xT).
xT Expected Threat. Valor de amenaza generado al mover el balón a una zona más peligrosa. Permite valorar pases, regates y conducciones por la peligrosidad que añaden, no solo por completarse.
Métrica 3

Usage Rate (USG%) — responsabilidad ofensiva
Ilustración
Pista de baloncesto vista desde arriba: jugador motor en el centro con muchas flechas convergiendo (USG 35%) y role player en la esquina con pocas flechas (USG 12%).

Lectura: el motor toca casi cada posesión, el role player espera el triple liberado. Ni mejor ni peor — son roles. Sin USG%, la comparación directa de volumen entre los dos resulta engañosa.

Qué mide: porcentaje de posesiones del equipo que terminan con ese jugador implicado (tira, recibe falta o pierde la bola). Por qué importa: contextualiza la eficiencia. Sin saber cuántas posesiones usa un jugador, su porcentaje de acierto no es comparable con el de otros.

USG% Usage Rate. Porcentaje de posesiones del equipo terminadas con ese jugador implicado. 35% = motor del equipo bajo máxima presión; 15% = role player que dispara cuando el sistema le abre el tiro.
Por qué es clave

Sin USG%, la eficiencia puede ser engañosa. Un jugador con TS% del 60% y USG% del 35% (perfil LeBron, Jokić) sostiene esa eficiencia bajo máxima presión defensiva. Otro con TS% del 60% y USG% del 15% (role player) suele tirar layups abiertos cuando el sistema le da el balón. Misma eficiencia, valor muy distinto.

Visualización · misma eficiencia, distinto USG% — distinto valor
Motor perfil LeBron · Jokić
USG 35%
TS%60%
Secundario perfil Khris Middleton
USG 24%
TS%58%
Role player tirador abierto / spot-up
USG 15%
TS%60%

El primero y el tercero comparten la misma eficiencia (60% TS), pero el motor la sostiene asumiendo más del doble de posesiones bajo presión defensiva máxima. El role player solo recibe tiros abiertos generados por otros. Sin USG, el scoring los iguala.

Paralelo en fútbol — riesgo si no se ajusta

El fútbol no tiene un equivalente directo de Usage Rate, pero existen aproximaciones: % pases verticales o rompedores, % acciones bajo presión, % posesiones del equipo en las que el jugador interviene. Si el scoring se queda en "% pases completados" sin distinguir riesgo, podría premiar más al mediocentro conservador (95% de pases laterales cortos) que a un perfil tipo Vitinha (88%, pero con pases rompedores entre líneas). El problema no es premiar la fiabilidad, sino confundirla con creación.

Fuente: NBA Stats Glossary (USG%) · FBref · StatsBomb (progressive passes, pressures).
Métrica 4

Player Efficiency Rating (PER) — producción ajustada por ritmo
Ilustración
Mismo jugador (camiseta 7) en dos equipos: uno con velocímetro de ritmo alto (105 pos/g) y otro con ritmo bajo (88 pos/g). Misma caja estadística, mismo PER nominal, valor real distinto.

Lectura: mismo jugador, misma caja (20·6·4), distinto contexto. PER normaliza por ritmo del equipo para que los 20 puntos en un equipo de 105 posesiones no se confundan con 20 puntos en uno de 88.

Qué mide: producción del jugador por minuto, ajustada por ritmo del equipo. Por qué importa: introdujo la idea de normalizar por contexto. Hoy se considera un primer paso útil, no la métrica de referencia (modelos posteriores —BPM, RAPM, EPM— corrigen sus limitaciones, sobre todo en defensa).

PER Player Efficiency Rating. Métrica compuesta de John Hollinger: suma producción por minuto ajustada por ritmo del equipo. Histórica y útil como primer paso, pero limitada en defensa e impacto sistémico.
Qué hace

Métrica compuesta de John Hollinger que suma todo lo positivo (puntos, rebotes, asistencias) y resta lo negativo (pérdidas, tiros fallados), normalizado por minutos jugados y por ritmo del equipo. Su valor histórico es haber popularizado la normalización; su limitación es que premia volumen y mide mal la defensa.

Por qué se cita aquí

Dos jugadores con la misma producción puntúan distinto si juegan en un equipo de ritmo alto (más posesiones/partido) o en uno de ritmo bajo. El primero tiene más oportunidades por puro contexto, no por mérito. PER ajusta por posesiones, no por minutos brutos. Esa idea es la importante; la fórmula concreta de PER es discutible.

Visualización · mismo jugador, distinto contexto, distinta caja
Equipo ritmo alto
≈ 110 posesiones por partido
Puntos / partido22
Asistencias / partido7
Ajustado por 100 pos.20 · 6.4
Equipo ritmo bajo
≈ 95 posesiones por partido
Puntos / partido19
Asistencias / partido6
Ajustado por 100 pos.20 · 6.3
Mismo jugador, mismo rendimiento por posesión. Sin normalizar por ritmo, las cajas brutas (22 pts vs 19 pts) sugieren rendimientos distintos. Ajustadas, son equivalentes. Este es el principio que el modelo del Excel necesita incorporar.
Paralelo en fútbol — riesgo si no se ajusta

Es posiblemente el ajuste más relevante para el modelo. Casemiro en un equipo dominante (alto % de posesión, juego organizado) genera distintas oportunidades de recuperación que Casemiro en un equipo más reactivo. No tiene por qué jugar peor: el contexto da menos balones que recuperar por minuto. Sin normalizar por % posesión del equipo y ritmo, las métricas de recuperación, pases o tiros pueden comparar realidades distintas.

Fuente: John Hollinger (PER, ESPN) · Basketball-Reference.
Métrica 5

Impacto con/sin jugador — Box Plus-Minus (BPM) y On/Off Court
Ilustración
Dos formaciones de equipo idénticas: en la de la izquierda está el jugador 10 destacado (CON, +8.5); en la de la derecha aparece su silueta hueca (SIN, −2.3). Marcador central: DIFERENCIA +10.8 puntos por 100 posesiones.

Lectura: el mismo equipo rinde +10.8 puntos por 100 posesiones cuando ese jugador está en pista. Su caja estadística puede ser modesta; el impacto sistémico, no. Es lo que la suma de tackles, goles o asistencias deja fuera.

Qué mide: diferencia de rendimiento del equipo con el jugador en pista frente a sin él, ajustada por calidad de rivales y compañeros (BPM lo estima desde el box score; modelos como RAPM o EPM lo aproximan mejor). Por qué importa: captura impacto neto, no producción individual.

BPM Box Plus-Minus. Estimación del impacto del jugador por 100 posesiones a partir de estadísticas de caja. Mejora PER al incorporar contribución estimada al equipo. DBPM es su versión defensiva.
RAPM Regularized Adjusted Plus-Minus. Impacto ajustado por compañeros y rivales usando regresión regularizada. Más sofisticado que BPM; requiere muchas posesiones para ser fiable.
EPM Estimated Plus-Minus. Estimación moderna de impacto global. Combina box score y plus-minus ajustado. Una de las métricas compuestas de referencia hoy.
Qué aporta

Recoge parte de lo que las estadísticas individuales no recogen. Perfiles tipo Bruce Bowen rara vez aparecen entre los líderes de robos, tapones o anotación, pero su equipo tiende a estar claramente mejor cuando juegan. Es el lado del rendimiento que se ve en el sistema, no en la caja estadística.

Visualización · net rating del equipo con/sin el jugador
Con el jugador X
+8.5
Net rating · puntos por 100 posesiones
Sin el jugador X
−2.3
Net rating · puntos por 100 posesiones
Diferencial estimado del jugador sobre su equipo: +10.8 puntos por 100 posesiones. Aunque su caja estadística sea modesta, el sistema funciona claramente mejor con él.

Cautela para fútbol. En baloncesto el on/off funciona porque hay muchas posesiones por partido. En fútbol los goles son escasos: las muestras son ruidosas y requieren ajustes (rivales, minutos, contexto táctico). Usar como señal complementaria, no como veredicto único.

Paralelo en fútbol — riesgo si no se ajusta

Si el scoring se limita a estadísticas individuales, perfiles tipo Busquets pueden quedar infravalorados: pocas asistencias, pocos goles, pocos tackles, pero el equipo suele bajar un escalón sin ellos. Un proxy razonable sería el diferencial de goles por 90 con/sin el jugador, ajustado por calidad del rival y entendido como señal con ruido — no como veredicto.

Fuente: Daniel Myers (BPM, Basketball-Reference) · Cleaning the Glass.
Métrica 6

Defensive Rating y DBPM — eficiencia defensiva real
Ilustración
Atacante con balón desvía su trayectoria al notar la sombra del defensor en buena posición. El defensor no roba ni bloquea: solo está plantado. El ataque pierde eficacia sin que se registre ninguna acción defensiva en la caja.

Lectura: el defensor no roba el balón, no comete tackle, no aparece en la caja estadística. Pero el ataque cambia de dirección y pierde eficacia. Eso es lo que Drtg captura y los tackles brutos no.

Qué mide: cuánto reduce un jugador la eficiencia ofensiva rival. DBPM (Defensive Box Plus-Minus) es la estimación box-based del impacto defensivo. Por qué importa: separa actividad defensiva (robos, tapones) de eficacia defensiva real.

Drtg Defensive Rating. Estimación de puntos que permite el equipo (o el jugador) por 100 posesiones defensivas. Cuanto más bajo, mejor.
DBPM Defensive Box Plus-Minus. Componente defensivo del BPM. Históricamente menos fiable que el lado ofensivo: la defensa deja menos huella en las cajas estadísticas.
Qué corrige

Durante años la defensa NBA se asociaba a robos y tapones. Los modelos avanzados sugieren que los mejores defensores reales no son necesariamente los que más roban o taponan, sino los que reducen la eficiencia ofensiva del rival (perfiles tipo Kawhi Leonard, Gobert, Embiid).

El caso Rudy Gobert. No destaca en robos ni tapones absolutos, pero el rival anota menos cerca del aro cuando él está cerca. No actúa: disuade. El impacto defensivo se manifiesta en lo que el rival deja de hacer.

Visualización · actividad defensiva vs eficacia defensiva real
Defensor activo
Mucha actividad, eficacia media
Robos / 100 pos.
2.6
Tapones / 100 pos.
1.9
Drtg (equipo)
112
Defensor disuasor
Poca actividad, alta eficacia
Robos / 100 pos.
0.9
Tapones / 100 pos.
1.0
Drtg (equipo)
104

El defensor activo destaca en las cajas (más robos, más tapones), pero el equipo concede más puntos por posesión cuando está en pista. El disuasor apenas roba ni tapona, pero el rival anota claramente menos. Las cajas miden actividad; el Drtg mide eficacia. Aplicado al fútbol: tackles intentados ≠ defensa eficaz.

Paralelo en fútbol — riesgo si no se ajusta

Aplicable al rol Central Anticipador. Si el modelo premia tackles intentados y tackles con éxito pero no incorpora intercepciones, recuperaciones limpias o efecto disuasorio, podría infravalorar al central que lee la jugada y corta antes del tackle (perfiles tipo Cuti, Militão). Es el mismo error histórico que el baloncesto cometió al medir defensa solo por robos: actividad alta no equivale a defensa eficaz.

Fuente: NBA Stats Glossary (Defensive Rating) · Basketball-Reference (DBPM).
3 casos paradigmáticos

Tres tensiones entre volumen, eficiencia e impacto

Estos tres ejemplos no buscan calificar a los jugadores como "buenos" o "malos" — los tres son figuras reconocidas y discutidas. Sirven para ilustrar tensiones clásicas que aparecen cuando se mide el rendimiento con métricas distintas.

Iverson, Westbrook y Ginóbili funcionan aquí como ejemplos divulgativos, no como veredictos. Cualquiera de ellos admite lecturas más generosas; lo que interesa es el patrón: mucho volumen y baja eficiencia (Iverson), caja estadística llena con impacto matizado (Westbrook), poco volumen con gran impacto colectivo (Ginóbili).

Mapa volumen × eficiencia Dónde caen los tres jugadores en el plano analítico

Eje X = volumen (Usage Rate). Eje Y = eficiencia (TS%). La zona élite es arriba-derecha: alto volumen y alta eficiencia simultáneos.

Zona élite LeBron · Jokić Volumen · Usage Rate → Eficiencia · TS% → Iverson USG 33% · TS 51% Westbrook USG 32% · TS 50% Ginóbili USG 24% · TS 59%
Iverson · volumen alto, eficiencia matizada Westbrook · caja estadística alta, impacto matizado Ginóbili · eficiencia alta con volumen contenido
Caso 1 · Volumen / eficiencia Allen Iverson · Philadelphia 76ers · 1996–2010
El arquetipo del anotador
Anotador con muchos tiros, TS% por debajo de la media
Lectura: ser el máximo anotador de la liga no implica tirar bien — el volumen y la eficiencia son ejes independientes.
Lectura tradicional

"Uno de los grandes anotadores de su generación." Líder NBA en puntos cuatro veces. MVP en 2001.

Lectura analítica

TS% del 51% (modesto para escolta) con USG% muy alto. Los modelos avanzados suelen ubicarlo por debajo de lo que sugería el dato de puntos por partido. Hay debate: su valor narrativo, cultural y competitivo no se reduce a esos números.

La tensión que ilustra: cuando el volumen se premia sin contextualizar la eficiencia y el coste de oportunidad para los compañeros, perfiles muy productivos en bruto pueden quedar sobrevalorados.

Paralelo en fútbol — riesgo si no se ajusta

Un perfil tipo Desequilibrante con muchos regates intentados puede puntuar muy alto aunque complete un porcentaje bajo y deje compañeros descolocados. Sin combinar eficiencia + impacto colectivo, el modelo podría premiar más el intento que la utilidad del intento.

Caso 2 · Caja estadística / impacto Russell Westbrook · OKC Thunder · 2008–presente
El arquetipo del triple-doblista
Triple-doble con BPM modesto, caja llena ≠ impacto neto
Lectura: llenar la caja estadística no garantiza mover el marcador del equipo; los modelos compuestos pueden discrepar de la lectura tradicional.
Lectura tradicional

Tres temporadas con triple-doble de promedio. MVP en 2017. Caja estadística histórica.

Lectura analítica

TS% bajo en esas temporadas, +/- on-court relativamente modesto. Los modelos avanzados (BPM, RAPM, EPM) tienden a situarlo por debajo de su perfil tradicional. Sigue siendo un jugador discutido y de gran impacto en otros aspectos.

La tensión que ilustra: una caja estadística llena no siempre se traduce en impacto neto. Métricas compuestas pueden ayudar a separar producción individual de contribución sistémica.

Paralelo en fútbol — riesgo si no se ajusta

Un perfil tipo Box-to-box con muchos disparos, entradas y pases puede puntuar alto. Si los disparos son de bajo xG, las entradas se pierden y los pases no progresan, el scoring podría coronar acumulación sin valor agregado. La combinación ratio + ponderación reduce ese riesgo.

Caso 3 · Visibilidad / valor real Manu Ginóbili · San Antonio Spurs · 2002–2018
El arquetipo del sexto hombre
Sexto hombre con caja modesta pero on-off muy positivo
Lectura: el valor real puede pasar desapercibido si solo se miran puntos por partido — el on-off y la eficiencia rescatan estos perfiles.
Lectura tradicional

Pocas apariciones All-Star, casi nunca lideró estadística individual y aceptó salir del banquillo en buena parte de su carrera.

Lectura analítica

Eficiencia muy alta (TS% élite) con USG% medio, defensa sólida y diferencial on-court positivo en los Spurs cuando estaba en pista. Modelos avanzados lo ubican muy por encima de su reconocimiento tradicional.

La tensión que ilustra: hay valor difícil de capturar con métricas individuales clásicas (presencia, ritmo, equilibrio). Sin métricas de impacto sistémico, estos perfiles pueden quedar infravalorados.

Paralelo en fútbol — riesgo si no se ajusta

Existe el riesgo de infravalorar perfiles tipo Busquets, Kanté en su prime o Modrić en su madurez. Su valor se manifiesta en aspectos poco visibles en cajas estadísticas. Sin incorporar señales de impacto colectivo (diferencial con/sin, riesgo de pase, control de partido), el scoring tiende a colocarlos por debajo de su contribución real.

La síntesis

5 principios de la analítica avanzada

La lección destilada de 20 años de evolución metodológica en el baloncesto, lista para aplicar al modelo de River. Haz clic en cada principio para desplegarlo.

1
Ratio sobre absoluto

Evitar premiar volumen sin eficiencia. "Tackles intentados" es un absoluto; "% tackles ganados sobre intentos" es un ratio. El primero tiende a favorecer al activo; el segundo, al eficaz.

Dos centrales: A intenta 12 tackles y gana 4 (33%), B intenta 5 y gana 4 (80%)
Engaño en fútbol: el modelo bruto adora al central que intenta 12 tackles aunque solo gane el 33%. El ratio destapa al que intenta 5 y gana el 80%. Mismo principio para entradas, regates intentados, pases largos.
2
Ponderar por dificultad y contexto

No todos los regates, pases o remates valen igual. La idea del eFG% trasladada al fútbol es ponderar por xT (Expected Threat) o xG: mide el valor real añadido por cada acción.

Dos pases del mismo jugador: uno atrás sin riesgo, otro filtrado al último tercio
Engaño en fútbol: dos pases completados del mismo mediocentro. Uno atrás al central (xT ≈ 0). Otro filtrado al último tercio que abre el partido (xT alto). El bruto los iguala al 100% de acierto; xT los separa por dos órdenes de magnitud.
3
Normalizar por ritmo y posesión del equipo

Comparar un jugador en un equipo dominante con el mismo perfil en un equipo más reactivo sin ajustar el contexto puede dar lecturas engañosas. La normalización por posesiones es uno de los ajustes con mayor impacto inmediato.

Mismo mediocentro: 90 pases en equipo posesivo vs 50 pases en equipo reactivo
Engaño en fútbol: el mismo mediocentro firma 90 pases por partido en un equipo con 60% de posesión y 50 pases en uno con 35%. El bruto premia al primero (90 > 50). Normalizando por posesiones (0,23 vs 0,15 pases por posesión propia) gana el segundo.
4
Capturar impacto sistémico — con cautela

Diferencial de goles a favor/en contra con/sin el jugador, ajustado por calidad de rival. En fútbol esta señal es ruidosa (pocos goles, pocas muestras): tratarla como una pieza más, no como verdict único.

Equipo con vs sin el pivote: xG concedido 0,8 vs 1,7 por 90 minutos
Engaño en fútbol: un pivote defensivo brilla poco en la caja (pocos tackles, pocos pases progresivos), pero con él el equipo concede 0,8 xG/90 y sin él 1,7. La caja no lo recoge; el delta on-off, sí. (Con cautela: muestras pequeñas, ruido alto.)
5
Real vs esperado — los dos, no solo uno

xG estabiliza el ruido (qué cabía esperar); los goles reales capturan finalización efectiva. El delta entre ambos aporta información valiosa para el scouting: ¿sobrerrendimiento sostenido o suerte temporal?

Dos delanteros con xG=5,0: uno termina con 7 goles, otro con 3
Engaño en fútbol: dos delanteros con 5,0 xG acumulados (mismo volumen y calidad de remates). Uno termina con 7 goles (Δ = +2: finalización por encima de la media); otro con 3 (Δ = −2: por debajo). El xG les iguala; el delta los separa — y, sostenido en el tiempo, identifica talento real.
Síntesis

El Excel es una buena taxonomía top-down de perfiles. El salto metodológico no consiste en sustituir esa taxonomía, sino en convertir las métricas listadas en indicadores ajustados por eficiencia, contexto y coste de oportunidad. Los cinco principios —ratio sobre absoluto, ponderación, normalización, impacto sistémico, delta real-esperado— son una hoja de ruta razonable, no una receta cerrada: cada uno admite implementaciones distintas y todos requieren validación con datos reales.

Aplicación práctica

Cómo convertir la taxonomía del Excel en un scoring robusto

Tres bloques operativos: una tabla de equivalencias entre métricas, una checklist de preguntas críticas para auditar el modelo y una recomendación accionable que no exige rehacerlo desde cero.

Tabla de equivalencias
Baloncesto Problema que corrige Equivalente fútbol (aproximado)
Puntos por partido → TS% Volumen vs eficiencia anotadora Remates → xG por remate; goles − xG
FG% → eFG% No todas las acciones del mismo tipo valen igual Pases / regates → xT generado
USG% Eficiencia con responsabilidad % acciones bajo presión; centralidad en posesión
Pace adjustment Ritmo del equipo distorsiona absolutos Normalizar por % posesión, ritmo, altura de bloque
BPM / On-Off Producción individual ≠ impacto sistémico Diferencial de goles con/sin el jugador (con cautela)
Defensive Rating / DBPM Actividad defensiva ≠ eficacia defensiva Intercepciones, presiones efectivas, xG concedido
Cinco preguntas críticas para auditar el modelo
Pregunta 1 · Normalización

¿Está cada métrica normalizada por posesión y ritmo del equipo?

Sin este ajuste, jugadores en equipos dominantes y reactivos se comparan en escalas distintas. Mínimo esperado: por 90 minutos; deseable: por 100 posesiones del equipo.

Pregunta 2 · Ratio vs absoluto

¿Se diferencia volumen de eficiencia en cada acción?

Si la métrica es "regates intentados" o "tackles intentados" sin un ratio asociado, podría premiar al impulsivo. La señal robusta es ratio + volumen mínimo de muestra.

Pregunta 3 · Ponderación por dificultad

¿Se pondera la dificultad de la acción?

Un pase bajo presión vale más que uno libre; un regate dentro del área vale más que en banda. Sin xT/xG, todas las acciones del mismo tipo cuentan igual, lo que sesga el scoring hacia perfiles cómodos.

Pregunta 4 · Coste de oportunidad

¿Se mide el coste de oportunidad para los compañeros?

Un jugador con alto USG bajo en eficiencia consume posesiones que otros podrían rentabilizar mejor. Sin esta lectura, el scoring premia el protagonismo sobre la utilidad neta.

Pregunta 5 · Individual vs colectivo

¿Se separa producción individual de contexto colectivo?

Estadísticas individuales en equipos dominantes engordan por sistema, no solo por mérito. Indicadores complementarios (impacto on-off, xG del equipo con/sin) ayudan a separar señal de contexto, asumiendo el ruido propio del fútbol.

Advertencia sobre muestra (específica de fútbol)

Antes de aplicar cualquier ajuste, conviene tener presente que en fútbol los eventos decisivos son escasos: pocos goles, pocos remates, ligas heterogéneas, roles tácticos cambiantes, cambios de entrenador, equipos dominantes vs reactivos. Esto obliga a: (a) trabajar con ventanas temporales amplias o pooling entre temporadas, (b) priorizar muestras estables (xG y xT son más fiables que goles puros), (c) interpretar diferencias pequeñas con cautela y (d) combinar señales en lugar de basarse en una sola.

Recomendación accionable

No abandonar las métricas x2 / x1: convertirlas en métricas ajustadas

La taxonomía de perfiles puede quedarse. El cambio sustantivo es cómo se calcula la puntuación: cada métrica del listado actual debería pasar por cuatro filtros antes de entrar al scoring — (1) ratio cuando aplica, (2) ponderación por dificultad (xG / xT), (3) normalización por posesión y ritmo, (4) penalización por coste de oportunidad. La estructura x2 / x1 sigue siendo válida; cambia el sustrato sobre el que se aplican esos pesos.

Bibliografía

Fuentes consultadas

Las referencias se agrupan en tres bloques: las usadas directamente para definiciones y datos concretos del documento; lecturas recomendadas para profundizar; y ejemplos inspiradores de adopción real en clubes profesionales. No todas las fuentes sostienen cada afirmación concreta — cada bloque indica su función.

Fuentes usadas directamente

Documentación oficial de las métricas citadas (definiciones, fórmulas y valores de TS%, USG%, BPM, eFG%, xT).

Lecturas recomendadas para profundizar

Bibliografía fundacional y contemporánea sobre la evolución de la analítica en baloncesto y su adopción en fútbol. No usadas como cita literal en el documento, pero útiles para ampliar.

  • Dean Oliver — Basketball on Paper: Rules and Tools for Performance Analysis (Brassey's, 2004). Libro fundacional de la analítica moderna en baloncesto. Define los "Four Factors" (eFG%, turnovers, rebotes ofensivos, tiros libres) y formaliza TS% y USG%.
  • Michael Lewis — Moneyball: The Art of Winning an Unfair Game (W.W. Norton, 2003). Origen cultural de la analítica deportiva moderna. Caso Oakland Athletics — sabermetrics aplicada al béisbol, que inspiró la adopción en NBA.
  • Chris Anderson & David Sally — The Numbers Game: Why Everything You Know About Soccer Is Wrong (Penguin, 2013). Primer libro de divulgación sobre analítica avanzada en fútbol. Importa principios del béisbol y baloncesto.
  • Christoph Biermann — Football Hackers: The Science and Art of a Data Revolution (Blink Publishing, 2019). Crónica de cómo Brentford, Brighton, Liverpool (Ian Graham) y RB Leipzig aplicaron analítica avanzada al fútbol.
Autores y métricas — referencias metodológicas

Creadores y trabajos detrás de las métricas y modelos citados. Útiles si se quiere replicar o entender los supuestos internos.

  • John Hollinger — Creador del Player Efficiency Rating (PER). ESPN, finales de los 90. Hoy ejecutivo de Memphis Grizzlies. PER fue pionero en normalizar producción por ritmo; modelos posteriores lo han ido superando.
  • Jeremias Engelmann — Pionero del Regularized Adjusted Plus-Minus (RAPM). Base estadística de los modelos modernos de impacto. Influencia indirecta sobre BPM, RAPTOR y EPM.
  • Nate Silver et al. — RAPTOR (FiveThirtyEight, 2019). Metodología pública: fivethirtyeight.com/methodology/how-our-raptor-metric-works
  • Taylor Snarr — Creador de Estimated Plus-Minus (EPM). Dunks & Threes. Referencia actual entre las métricas compuestas de impacto en NBA.
  • Kostya Medvedovsky — Creador de DARKO (Daily Adjusted and Regressed Kalman Optimized projections). Modelo predictivo de uso extendido entre analistas; difusión en redes sociales y The Athletic.
  • Sarah Rudd — "A Framework for Tactical Analysis and Individual Offensive Production Assessment in Soccer Using Markov Chains" (MIT Sloan, 2011). Aplicación temprana de modelos markovianos a la valoración de acciones en fútbol — precursora del xT.
Divulgación y conferencias

Lectura periódica útil para mantenerse al día. Análisis cualitativos como los de Lowe o Falk sobre Westbrook y Ginóbili informan, sin ser cita literal, varias interpretaciones del documento.

  • MIT Sloan Sports Analytics Conference Conferencia anual desde 2007. Sección dedicada a fútbol desde 2010.
  • Journal of Sports Analytics (IOS Press) Revista académica revisada por pares.
  • Cleaning the Glass — Ben Falk Análisis avanzado NBA premium. Falk fue VP de Strategy and Analytics en Philadelphia 76ers.
  • Zach Lowe — Columnista de analítica NBA en ESPN y The Ringer. Divulgación mainstream del análisis avanzado. Lectura sobre Westbrook y triples-dobles influye en interpretaciones de este documento.
  • Tom Worville — Football Data Editor, The Athletic. Divulgación de analítica avanzada en fútbol europeo.
  • John Burn-Murdoch — Chief Data Reporter, Financial Times. Visualización de datos deportivos de alto nivel.
Ejemplos inspiradores — casos de adopción real

Casos frecuentemente citados como ejemplos de adopción analítica. Las narrativas son simplificaciones — el rendimiento deportivo depende de muchos más factores — pero ilustran direcciones de fondo.

  • Daryl Morey — GM Houston Rockets (2007-2020), actualmente President of Basketball Operations en Philadelphia 76ers. Cofundador del Sloan Sports Analytics Conference. Caso paradigmático en adopción industrial de analítica NBA.
  • Sam Hinkie — Ex GM Philadelphia 76ers (2013-2016). Aplicó analítica avanzada en el conocido "Process" de reconstrucción. Caso de estudio discutido en gestión deportiva basada en datos.
  • Ian Graham — Ex Director of Research, Liverpool FC (2012-2023). Asociado al modelo cuantitativo del Liverpool en la era Klopp. Influencia citada por otros departamentos analíticos europeos.
  • Matthew Benham — Propietario Brentford FC y Midtjylland. Caso citado de fichajes data-driven; el ascenso del Brentford a Premier League es solo uno de los factores observables.
  • Wyscout · Opta · StatsPerform Proveedores comerciales estándar de datos profesionales de fútbol — referencia operativa habitual en Secretarías Técnicas.

Nota metodológica: las cifras concretas de TS%, USG% y BPM de los jugadores citados (Iverson, Westbrook, Ginóbili) están documentadas en Basketball-Reference.com en sus páginas individuales de jugador y temporada. Las lecturas cualitativas se inspiran en análisis de Hollinger, Lowe y Falk. Los paralelos con el fútbol son construcción propia para este documento, basados en el análisis del Excel Perfiles para River; no representan una posición oficial ni de los autores citados ni de los proveedores de datos.