Algoritmos que preveem lesões e analisam transferências: o 'big data' está mudando o futebol e gerando 5,6 bilhões de euros

Foto: Goost Eight/Unplash

Mais Lidos

  • O corpo é a última fronteira do capital. Entrevista com Silvia Federici

    LER MAIS
  • Quando o PT perdeu Santa Catarina. Artigo de Camilo Buss Araujo

    LER MAIS
  • Lógica católica: entre liturgia, eclesiologia e doutrina. Artigo de Paolo Gamberini

    LER MAIS

Assine a Newsletter

Receba as notícias e atualizações do Instituto Humanitas Unisinos – IHU em primeira mão. Junte-se a nós!

Conheça nossa Política de Privacidade.

Revista ihu on-line

Aceleracionismo Amazônico

Edição: 559

Leia mais

Natal. A poesia mística do Menino Deus no Brasil profundo

Edição: 558

Leia mais

O veneno automático e infinito do ódio e suas atualizações no século XXI

Edição: 557

Leia mais

29 Junho 2026

O estudo das estatísticas de jogos e da inteligência artificial está revolucionando a forma como entendemos o esporte, planejamos as equipes e desmistificando algumas ideias equivocadas comuns: na loteria dos pênaltis, nem tudo é questão de sorte.

A reportagem é de David Vázquez Baciero, publicada por El Diario, 28-06-2026.

Em mais uma noite inspirada, Lionel Messi deu a vitória à Argentina nesta quarta-feira com três gols. Vinte anos atrás, essa estatística bastaria para concluir qualquer análise. Não mais. Após a partida, surgem mais estatísticas, como a distância percorrida e seu mapa de calor (mostrando seus movimentos em campo): um pequeno entretenimento para o espectador e um oceano a ser explorado por técnicos e auxiliares das equipes adversárias. Essa informação é apenas a ponta do iceberg de uma tecnologia que mudou o futebol para sempre: o big data.

E a tendência é que cresça ainda mais. A consultoria Precedence Research estima que o setor de análise de dados esportivos movimente mais de € 5,6 bilhões anualmente, um valor que pode chegar a mais de € 25 bilhões até 2034. Esse crescimento será impulsionado pelo futebol, esporte no qual 89% dos principais clubes europeus já investem mais de € 2 milhões por ano em big data, segundo a consultoria Datahack. O desenvolvimento da inteligência artificial (IA) também contribuirá para esse crescimento e, de acordo com o Barça Innovation Hub, departamento de P&D do FC Barcelona, ​​trará consigo um investimento de € 2,2 bilhões até 2030.

Mas esses são apenas números por trás dos números. Na Espanha, poucos entendem a realidade do big data aplicado ao futebol melhor do que Alexis Tamayo, mais conhecido nas redes sociais como Mr. Chip. Com mais de quatro milhões de seguidores em suas principais plataformas de mídia social, este engenheiro de telecomunicações reconheceu a importância dos dados no futebol antes de muitos outros. Hoje, ele ganha a vida fornecendo estatísticas que explicam coisas que não são vistas durante as partidas, coisas que às vezes são verdadeiros enigmas estatísticos. Ele é uma fonte confiável, citada semanalmente por transmissões esportivas.

Atualmente, o Sr. Chip está tentando encontrar clareza em meio à avalanche de dados que precisa analisar durante a Copa do Mundo. Por telefone, ele explica ao elDiario.es as infinitas possibilidades do big data: “Os jogadores entram em campo com equipamentos que detectam sua frequência cardíaca, seu esforço, sua propensão a lesões, sua velocidade máxima, velocidade média, distância percorrida, áreas que tocam, áreas que não tocam… Há também parâmetros relacionados ao que eles permitem que seus adversários façam.”

O problema, resume este engenheiro, reside precisamente na abundância de dados, no tempo necessário para processá-los e interpretá-los. “Luis Enrique [técnico do Paris Saint-Germain e vencedor dos dois últimos títulos da Liga dos Campeões] chegou a dizer que, logo após uma partida, não gosta de fazer muitas análises porque lhe faltam informações. Porque, ao rever o jogo com todos os dados, as impressões podem mudar.” Em outras ocasiões, explica Tamayo, os dados confirmam o que foi observado. Ele dá um exemplo: durante a estreia da Espanha na Copa do Mundo, o criticado empate em 0 a 0 contra Cabo Verde, Rodri, o volante da equipe, fez muitos passes laterais, mas quase nenhum passe em profundidade, e o atacante Mikel Oyarzabal quebrou um recorde indesejável ao se tornar o primeiro jogador desde 1966 a não tocar na bola nenhuma vez na primeira meia hora de uma Copa do Mundo: “Em casos como esse, fica claro que algo está errado”, conclui Tamayo.

No entanto, os dados desmentem equívocos comuns. Tamayo retoma o exemplo de Oyarzabal: “Vinte anos atrás, quando os atacantes eram julgados apenas pelos gols que marcavam, marcá-lo seria muito mais difícil. Hoje, podemos observar quantas vezes ele participa das jogadas ou a área do campo em que atua para perceber que ele é um grande jogador.” Outra análise: as disputas de pênaltis, essa loteria que está se tornando cada vez menos uma loteria. “Graças ao big data, sabemos que quem bate primeiro tem vantagem e que marcar o primeiro pênalti também é crucial. Devemos abandonar a ideia de guardar o melhor jogador para o final”, reflete o Sr. Chip.

Outros preconceitos desmentidos pelas estatísticas: o uso de características aleatórias dos jogadores, como altura ou força, para medir o potencial, especialmente em uma idade jovem: “Podemos prever como certos tipos de corpo irão se desenvolver. Conseguiremos detectar quando um jogador irá se desenvolver, quando ele aprenderá a chutar melhor, por exemplo. Não se pode mais dizer que alguém será bom apenas porque é grande”, arrisca Maximiliam Bodenstein, diretor de consultoria da Datahack e diretor do programa de mestrado em big data e análise de dados. “A chave é a qualidade dos dados: uma defesa não é apenas uma defesa; você precisa medir se foi uma defesa com a mão oposta, o ângulo do chute e a potência do chute. Antes, isso não era possível.”

As grandes batalhas de dados

Mas as disputas de pênaltis e a altura dos jogadores não são a principal preocupação dos analistas. Eles estão de olho em uma variável muito mais importante: as lesões. Javier Sánchez, doutor em Ciências do Esporte e professor da Universidade Europeia, investiga isso em profundidade, descrevendo o grande avanço das ferramentas de big data: “Quando os coletes com GPS surgiram e os clubes começaram a usá-los, eu levava semanas para analisar todos os dados que eles forneciam para uma única partida. Agora, é questão de horas.”

Será que algum dia os treinadores conseguirão saber com absoluta precisão a probabilidade de um jogador se lesionar? “Luis de la Fuente [o treinador da seleção espanhola] poupou Nico Williams e Lamine Yamal porque precisa de algum tipo de análise. Estas não são decisões tomadas de ânimo leve”, salienta Tamayo. Sánchez vai ainda mais longe: “Não descartaria a possibilidade de que a IA possa um dia avaliar a condição física de um jogador e estabelecer percentagens de risco de lesão muito precisas”. Alba López de Figueredo, gestora de negócios de marca na escola de negócios desportivos Unisport, apresenta alguns números: “Um algoritmo que detecte uma queda de 5% na potência de salto de um jogador em comparação com a sua média histórica já consegue emitir um alerta de fadiga antes de uma lesão ocorrer. Isto tem um impacto econômico direto: uma lesão muscular ou uma lesão no joelho pode custar a um clube entre meio milhão e vários milhões de euros, sem contar os custos desportivos”. Segundo o especialista, isto é uma revolução: “Ainda me surpreende cada vez que penso nisso. Chegamos a um ponto em que um algoritmo consegue prever que um jogador vai se lesionar antes mesmo de ele sentir a lesão. Antes de sentir dor. Antes de perceber durante o treino. O sistema já sabe. E isso, vindo do mundo do esporte, onde durante anos as decisões dependiam quase exclusivamente da intuição e da experiência acumulada, me parece uma mudança de paradigma absoluta.”

Algumas equipes de futebol americano criaram avatares de seus jogadores estrelas (replicando seus atributos físicos) para aplicar métodos de treinamento virtual que detectam fadiga e o risco de lesões musculares com base no ritmo de jogo, repetições de movimentos e partidas disputadas. Essa é uma maneira de determinar até onde podem exigir do atleta real, considerando como a máquina responde a diferentes intensidades.

Mas no esporte de elite, como em qualquer negócio, o Santo Graal é o dinheiro: comprar barato e vender caro, descobrir a próxima grande novidade antes de qualquer outra pessoa. Sergio Llana vivenciou isso em primeira mão. Ele ingressou no Barcelona em 2018 como especialista em análise de dados e chegou a liderar o departamento em 2022, quando o clube estava mergulhado em uma grave crise financeira. Em tempos de crise, a criatividade era fundamental: “Acabamos com cinco pessoas trabalhando em tempo integral na análise. Isso é raro na Espanha, onde os clubes geralmente têm, no máximo, uma ou duas”, explica Llana, observando que o futebol ainda está longe de ter os 20 analistas que um time de futebol americano pode ter, ou os 30 que um time de beisebol.

Isso faz sentido, já que foi justamente o beisebol que introduziu a ciência de dados no esporte de elite há mais de 20 anos, por meio da história do Oakland Athletics, um time modesto que, após vender seu melhor jogador, usou o então incipiente big data para alcançar uma temporada histórica. O feito foi narrado pelo jornalista Michael Lewis em Moneyball, um clássico do esporte e da economia que todos agora querem emular. Houve tentativas notáveis: “Dá para perceber quando um dono americano acredita em dados. Essa é a melhor maneira de implementá-los: de cima para baixo”, explica Llana. Mais dois exemplos: Toulouse e Milan, que fazem parte da RedBird Capital, um fundo americano. E um exemplo espanhol: Castellón, administrado pelo bilionário Bob Voulgaris, um analista de dados apaixonado.

O futuro chegou: uma equipe de olheiros que pede aos analistas para reduzirem uma lista de cerca de vinte jogadores com base em características de jogo muito específicas; uma equipe médica que prevê o risco de lesões; uma comissão técnica que baseia suas decisões em estatísticas que o torcedor nem consegue imaginar: "Gols esperados [uma métrica que mede as chances de um chute resultar em gol] se tornaram moda nas transmissões e na imprensa. Nós, analistas, não damos tanta importância a eles", confessa Llana

Leia mais