Estudio de técnicas de clustering aplicadas a una competición profesional de fútbol

Abstract

En la actualidad, el fútbol es el deporte más importante en Europa y ha evolucionado mucho en cuanto al análisis y optimización del rendimiento de los equipos gracias al uso de la estadística y el Big Data. Este Trabajo de Fin de Grado tiene como primer objetivo comparar las cinco grandes ligas europeas de fútbol: LaLiga, Premier League, Serie A, Ligue 1 y Bundesliga para observar las diferencias y similitudes que existen entre los jugadores de cada competición. También se pretende conocer si un procedimiento de clasificación no supervisada como el análisis clúster permite clasificar a los jugadores de acuerdo a su posición en el campo a través de las variables disponibles. Se utilizarán datos entre los años 2017 y 2022 abarcando un total de 5 temporadas. Se dispone de información sobre todos los jugadores de cada liga con estadísticas sobre los partidos en los que participaron. Para el análisis se seleccionarán las variables más importantes de los diferentes aspectos del juego y se utilizarán para identificar los clústeres que serán analizados posteriormente.

Nowadays, soccer is the most important sport in Europe and has evolved a lot in terms of analysis and optimization of team performance thanks to the use of statistics and Big Data. The first objective of this work is to compare the five major European soccer leagues: LaLiga, Premier League, Serie A, Ligue 1 and Bundesliga in order to observe the differences and similarities that exist between the players of each competition. It is also intended to know if an unsupervised classification procedure such as cluster analysis allows to classify the players according to their position on the field through the available variables. Data will be used between the years 2017 and 2022 covering a total of 5 seasons. Information is available for all players in each league with statistics on the games in which they participated. For the analysis, the most important variables of the different aspects of the game will be selected and used to identify the clusters that will be analyzed later.