Léo Pereira e Ciência de Dados: Como a Análise Preditiva Avalia Zagueiros de Elite no Futebol Moderno

O nome Léo Pereira voltou a dominar as buscas no Google Brasil — seja por grandes atuações com o Flamengo, convocações para a Seleção ou rumores de transferência. Mas o que poucos sabem é que, nos bastidores dos maiores clubes do mundo, equipes inteiras de cientistas de dados trabalham exatamente para responder a uma pergunta simples: esse zagueiro realmente entrega o que parece entregar aos olhos?

Neste artigo, vou mostrar como a ciência de dados e a inteligência artificial estão revolucionando a avaliação de defensores no futebol — usando o perfil de jogadores como Léo Pereira como estudo de caso concreto. Se você é fã de futebol e curioso sobre dados, vai adorar o que vem por aí.

1. Por Que Avaliar Zagueiros é um Problema Difícil de Dados

Durante décadas, avaliar um atacante foi relativamente simples: gols, assistências, finalizações. Zagueiros, por outro lado, vivem num território estatisticamente nebuloso. Um grande zagueiro frequentemente não precisa agir — porque ele se posiciona tão bem que o perigo nunca chega.

Esse é o chamado paradoxo do defensor invisível: quanto melhor ele é, menos ações de defesa ele precisa registrar. Isso torna métricas brutas como "cortes por jogo" ou "duelos ganhos" profundamente enganosas se usadas isoladamente.

É aqui que a ciência de dados entra com força total. Modelos modernos conseguem:

• Calcular o xT (Ameaça Esperada) que o adversário gerou nas áreas protegidas pelo defensor
• Medir a qualidade dos passes interceptados, não apenas a quantidade
• Avaliar o posicionamento preventivo usando dados de rastreamento (tracking data) com coordenadas em tempo real
• Cruzar desempenho físico (velocidade, aceleração, distância percorrida) com eficiência defensiva

No caso de Léo Pereira, por exemplo, dados públicos do Opta e da StatsBomb mostram um zagueiro com altíssima taxa de duelos aéreos ganhos (acima de 70% em temporadas recentes) combinada com boa capacidade de saída de bola — uma combinação rara que os modelos conseguem capturar e valorizar adequadamente.

2. As Métricas Avançadas que Definem um Zagueiro de Élite

Vamos detalhar as principais métricas que cientistas de dados utilizam para ranquear defensores centrais em ligas competitivas:

PPDA (Passes Permitidos por Ação Defensiva): mede a intensidade da pressão defensiva. Quanto menor o PPDA do setor defensivo onde o zagueiro atua, mais eficiente é a defesa como sistema — e os dados individuais ajudam a identificar quem lidera esse esforço.

xGA (Gols Esperados Contra): compara os gols esperados que o time sofreria (baseado na qualidade dos chutes adversários) com o que realmente sofreu. Um zagueiro que consistentemente ajuda o time a performar abaixo do xGA está agregando valor real.

Progressive Passes Received (PPR): zagueiros modernos precisam construir o jogo. O PPR mede quantos passes progressivos (que avançam o campo) o jogador recebe e processa — indicando sua participação na transição defensiva-ofensiva.

Pressures e Pressure Regains: quantas vezes o jogador pressionou adversários e, dentro de 5 segundos, o time recuperou a bola. Essa métrica captura a efetividade da pressão, não apenas o volume.

3. Como os Modelos de Machine Learning Funcionam na Prática

Nos departamentos de análise de clubes como Flamengo, Palmeiras e nos gigantes europeus, os cientistas de dados constroem modelos supervisionados para classificar e projetar a performance de defensores. Veja o pipeline típico:

Coleta de dados: APIs de provedores como StatsBomb, Opta, Wyscout e SkillCorner fornecem dados de eventos (passes, chutes, duelos) e de rastreamento (posição XY a cada 0,1 segundo). Um único jogo pode gerar mais de 3 milhões de pontos de dados de rastreamento.

Feature Engineering: Os dados brutos são transformados em variáveis significativas. Por exemplo, a distância média do zagueiro em relação à linha defensiva do time, calculada ao longo de todos os momentos defensivos da partida, é uma feature poderosa para identificar organização tática.

Modelos utilizados: Gradient Boosting (XGBoost, LightGBM) domina para previsão de valor de mercado e ranking de performance. Redes neurais recorrentes (LSTM) são usadas para modelar sequências temporais de jogo. Modelos de sobrevivência (Survival Analysis) estimam por quanto tempo um jogador manterá determinado nível de performance.

Validação: O grande desafio é que dados de futebol sofrem de alta variância — o futebol é um esporte de baixa pontuação onde a aleatoriedade tem papel enorme. Por isso, os melhores modelos incorporam intervalos de confiança bayesianos para comunicar incerteza, algo que decisores de clubes cada vez mais exigem.

4. O Caso Prático: Construindo um Índice de Performance Defensiva

Vou mostrar como, conceitualmente, um cientista de dados construiria um índice simples para comparar zagueiros. Em Python, o processo seria:

Primeiro, normalizamos cada métrica individualmente usando z-score para que todas fiquem na mesma escala. Depois, aplicamos pesos baseados em análise de componentes principais (PCA) ou, em abordagens mais interpretáveis, pesos definidos por especialistas táticos do clube.

Um índice composto poderia ter a seguinte estrutura de pesos para um zagueiro moderno de clube que joga com saída de bola:

• 30% — Métricas de prevenção (xGA relativo, pressures efetivos)
• 25% — Duelos (aéreos e terrestres, ponderados por qualidade do adversário)
• 25% — Construção (passes progressivos, saída sob pressão)
• 20% — Físico (velocidade máxima, distância coberta em alta intensidade)

Esse índice, quando aplicado a dados de temporadas completas, permite comparações objetivas entre jogadores de ligas diferentes — algo essencial para decisões de mercado. Um zagueiro com índice alto na Série A brasileira tem real correspondência com o nível europeu? Os dados dizem que sim, quando ajustados pela qualidade da liga.

5. O Futuro: IA Generativa e Vídeo na Análise de Defensores

A próxima fronteira já está sendo explorada pelos maiores clubes do mundo. Modelos de visão computacional baseados em redes neurais convolucionais (CNNs) conseguem analisar automaticamente horas de vídeo para extrair padrões de posicionamento que nem os dados de rastreamento capturam completamente.

Imagine um modelo que assiste a todos os jogos de Léo Pereira na temporada e automaticamente identifica: em quais situações ele tende a avançar demais sobre o atacante? Em quais tipos de cruzamento ele é mais vulnerável? Qual é o padrão de comunicação posicional com o outro zagueiro?

Empresas como a Stats Perform já oferecem produtos nesse sentido, e o Flamengo — um dos clubes brasileiros mais avançados em análise de dados — utiliza ferramentas similares. O resultado é uma camada qualitativa de inteligência que complementa os números e torna as decisões de escalação, mercado e treinamento muito mais embasadas.

Além disso, IA generativa (como os modelos de linguagem de grande escala) começa a ser usada para sintetizar relatórios de scouting automaticamente — combinando dados quantitativos com observações táticas em linguagem natural, economizando dezenas de horas de analistas por semana.

O futebol sempre foi uma mistura de arte e ciência. O que a ciência de dados faz não é eliminar a intuição dos treinadores — é dar a ela uma base muito mais sólida. Quando um Flamengo decide renovar ou vender um Léo Pereira, os números estão na mesa. E cada vez mais, esses números são produzidos por algoritmos sofisticados rodando em clusters de computação em nuvem, não em planilhas manuais.

Se você quiser se aprofundar em como montar um pipeline de dados para esportes ou entender mais sobre modelos preditivos aplicados a contextos reais, explore os outros artigos do blog.

← Voltar para o Blog