Ce sont les joueurs de football les plus sous-évalués d’Europe, selon un rapport d’analyse de données

Marten De Roon, Fabián Ruiz et Nayef Aguerd pourraient vouloir avoir une conversation avec leurs employeurs respectifs cet été.

Le trio, qui joue respectivement pour l’Atalanta, Naples et Rennes, fait partie des joueurs les plus sous-évalués d’Europe selon un nouveau rapport de la société d’analyse de données de football Soccerment.

La société, fondée en 2017 par l’ancien analyste financier Aldo Comi, a analysé les chiffres pour trouver quels joueurs avaient le salaire le plus bas par rapport à leur rendement sur le terrain.

En utilisant ses propres indicateurs de performance, Soccerment a découvert 14 « joyaux cachés ». L’étude s’est concentrée sur les joueurs dans leurs années de jeu « principales » entre 25 et 30 ans, lorsque « l’inefficacité est théoriquement la plus faible ».

De Roon et Ruiz jouent pour des clubs de haut niveau qui évoluent en Europe et Aguerd a récemment été lié à un transfert au club de Premier League West Ham United. Certains des autres joueurs de la liste, comme Pawel Bochniewicz de Heerenveen ou Paul Onuachu de Genk, sont moins connus.

Mais la révélation qu’ils surpassent apparemment leur salaire actuel pourrait les mettre sur les radars des plus grands clubs ayant les moyens d’offrir des salaires plus généreux.

Le rapport complet plonge dans les attributs et les performances de chaque joueur et évalue leurs forces et leurs faiblesses. Il est disponible à l’achat pour 4,99 €.

La recherche a révélé qu’il existait des opportunités d’arbitrage – échanger le même actif sur différents marchés pour tirer parti des différences de prix – dans le football. Comi pense que l’analyse des données peut donner aux clubs un avantage significatif dans le commerce des joueurs.

« La conclusion clé est fondamentalement que le football (le football) est encore largement régi par la subjectivité », me dit-il dans une interview.

« Les actifs, les joueurs dans ce cas, sont mal évalués. Et vous pouvez utiliser l’analyse de données pour exploiter ces inefficacités sur le marché du football. »

Avec un Vision d’accélérer l’adoption de l’analyse de données dans toute la pyramide du football, Soccerment propose des conseils en technologie portable et en analyse de données à l’industrie du football.

Après avoir déménagé à Londres pour le travail, Comi a joué aux côtés de compatriotes expatriés italiens dans la compétition amateur – mais souvent féroce – de la Sunday League. Ayant vu son lot de tacles sauvages, il a décidé d’augmenter l’épaisseur de ses protège-tibias.

Cela a conduit au développement de Smart Shinguards, qui collectent des données de performance sur un joueur, notamment la distance parcourue, le nombre de passes et la puissance et le xG d’un tir. Les données peuvent être téléchargées après un match pour analyse. Soccerment prévoit d’offrir le produit directement aux joueurs de tous les niveaux au cours du second semestre de l’année prochaine.

De nombreux grands clubs européens ont commencé à voir l’intérêt de collecter des données. Ces dernières années, tout, de l’analyse vidéo au repérage, est devenu plus scientifique.

Cependant, Comi dit qu’il y a toujours un manque de « savoir-faire interne ».

« Quand vous avez les données, cela ne suffit pas. Vous devez avoir l’expertise et les outils pour être en mesure d’extraire les informations précieuses et exploitables des données », dit-il.

Soccerment offre des informations sur les données en utilisant les propres algorithmes d’apprentissage automatique de l’entreprise, par exemple le Soccerment Performance Rating (SPR), pour aider les clubs à trouver et à évaluer les objectifs de transfert. Il utilise un mélange de données générées en interne, par exemple à partir des Smart Shinguards, et de données fournies par des sociétés externes.

Comi et ses deux co-fondateurs, qui ont également une formation en finance, pensent que le football peut apprendre quelque chose de la façon dont le secteur financier utilise et interprète les données.

« En tant qu’analyste financier, je ne pouvais pas être biaisé envers une entreprise ou une action que je couvrais. Je devais être aussi objectif que possible », dit-il.

« Nous sommes habitués à utiliser intensivement les données dans notre processus décisionnel. Et nous croyons fermement que cette approche devrait également être utilisée dans le sport à tous les niveaux, pas seulement professionnel. Elle peut être utilisée à tous les niveaux et elle devrait être utilisée à tous les niveaux .

« Avoir un retour objectif fourni par les données facilite l’amélioration de soi, la méritocratie et l’inclusion. »

En plus du rapport Hidden Gems, Soccerment a déjà effectué des recherches sur les meilleurs « wonderkids » d’Europe et analysé plus de 11 000 pénalités (le pourcentage le plus élevé de tirs réussis était au milieu du but).

Les clubs des Serie A et B italiennes testent actuellement les services de Soccerment et la société affirme que les joueurs professionnels sont intéressés à investir. Un investisseur récent dans l’entreprise était NVP, un diffuseur axé sur la technologie coté à la bourse italienne.

Comi dit que ce ne sont pas seulement les clubs qui recherchent des services d’analyse de données, les agents de joueurs s’intéressent de plus en plus à la manière dont les statistiques peuvent garantir la meilleure offre pour leur client.

En avril, la star de Manchester City, Kevin De Bruyne, a signé un nouveau contrat après avoir commandé un rapport Analytics FC sur ses performances passées, présentes et futures et son importance pour l’équipe. Il aurait également découvert qu’il était sous-payé par rapport aux autres joueurs d’élite du monde.

« Les agences de joueurs consacrent beaucoup plus d’efforts à cela », a déclaré Comi.

« Certaines des grandes agences peuvent constituer leur propre équipe de science des données, mais les plus petites auront besoin du soutien d’entreprises comme la nôtre. »

Alors que le football est de plus en plus averti en matière de données, Comi dit qu’il y a une opportunité d’aller plus loin. Il voit une évolution de l’analyse descriptive (par exemple, les performances d’un joueur) à l’analyse prescriptive (suggérant différentes actions, par exemple un objectif d’entraînement spécifique pour un jeune joueur, et montrant le résultat probable).

« Quand j’ai commencé dans le football en 2017, la plupart des gens à qui j’ai parlé pensaient que j’étais complètement fou », dit Comi.

« Maintenant, il est clair que les données peuvent être utilisées efficacement dans le football. Nous assistons à une croissance exponentielle de l’utilisation des données. Et elle continuera d’être exponentielle, ce qui signifie que nous ne pouvons pas regarder les dernières années pour comprendre ce qui va se passer dans les cinq prochains. »