El analista de datos ha llegado para desempeñar un papel importante en la industria del fútbol actual, y lo será aún más en el futuro. Analizar los datos permite, obtener una ventaja competitiva dentro y fuera del campo, por lo que los clubes buscan cada vez más que un especialista en datos y estadística ocupe un puesto en el cuerpo técnico. El big data permite extraer información para mejorar el rendimiento de los jugadores, prevenir lesiones, aumentar la eficiencia del equipo, e incluso para tomar decisiones a la hora de fichar o elegir a jugadores concretos para el once inicial.

Pero como contextualizar la información y extraer datos valiosos no siempre es una tarea fácil, hemos compactado en este máster todos los conocimientos y fórmulas que un analista de datos necesita para formar parte de un cuerpo técnico en un club profesional.

Hoy en día, los directivos de clubes están fascinados por el uso y la captura de datos, por lo que están invirtiendo en personas que sean capaces de comprenderlos, tomar todos esos datos y extraer conocimientos y soluciones para sus equipos. Según varios estudios, el 80% de los nuevos puestos laborales en los clubes de fútbol, están destinados a los analistas de datos y a los expertos en big data.

Es por ello que después de realizar este máster online estarás preparado para dar el salto al mundo profesional. Hay muchísima oferta de empleo actualmente y muy pocos profesionales especializados en este ámbito. En este curso aprenderás a utilizar webs y softwares con los que extraer datos, escoger entre varias opciones para fichar analizando los datos que nos reportan los partidos, entender tu modelo de juego o el de tu rival mediante las fórmulas de productividad, predecir el rendimiento de un equipo mediante el machine learning, anticiparte a las posibles lesiones, así como comprender cómo de importante es un jugador gracias a las fórmulas de cálculo de la aportación directa al juego del equipo.

---

TEMARIO

TEMA 1. Acceso a los datos: softwares y webs estadísticas
1.1 Softwares
1.2 Herramientas y webs para capturar datos
1.3 Acceso gratuito para obtener estadísticas

TEMA 2. El analista de datos y la toma de decisiones
2.1 Teoría de la toma de decisiones
2.2 Ejemplos de toma de decisiones en el mundo del fútbol
2.3 Métodos para la toma de decisiones
2.4 Perfilación de variables
2.5 Métodos de análisis comparativo

TEMA 3. Análisis y fórmulas para obtener datos relevantes
3.1 Análisis equipo propio y equipo rival mediante las productividades
3.2 Fórmulas de productividad
3.3 Ejemplos de aplicación para obtener datos relevantes sobre equipos

TEMA 4. Machine learning y predicciones
4.1 Introducción a la predicción de datos futuros
4.2 Prevención de lesiones y machine learning

4.3 Predicción de rendimiento y predicción competitiva

TEMA 5. Los jugadores en datos
5.1 El rendimiento del jugador en datos medibles
5.2 Aportaciones directas de un jugador de campo
5.3 Aportaciones directas de un portero

TEMA 6. Proyecto final