Nesse final de semana aconteceu a última rodada do Brasileirão e o mercado do Cartola fechou pela última vez no ano. E aí, como ficou sua pontuação nessa temporada? Para quem não se deu bem dessa vez damos uma dica para o ano que vem: use a estatística a seu favor!

Se você gosta de futebol então provavelmente já ouviu falar do Cartola FC. Esse jogo se tornou muito popular entre os fãs de apostas e estatísticas no esporte, já que ele aproxima o jogador da posição de técnico e diretor de um clube na série A do Brasileirão. Usando moedas fictícias, chamadas de cartoletas, é possível comprar os jogadores, montar seu time e acompanhar o desempenho dele durante cada uma das rodadas do campeonato, fazendo as mudanças e contratações conforme ganha ou perde as moedas.

cartola: moedas compram jogadores para montar times e participar das apostas

Se os jogadores escolhidos para o seu time tiverem um bom desempenho durante a rodada eles ganham pontos e, da mesma forma, perdem se seu rendimento for ruim. Então o objetivo do jogo é conseguir prever com algum grau de certeza qual será o desempenho de cada atleta para escolher os melhores pelo menor preço. Por isso, o Cartola fica muito mais interessante quando jogamos auxiliados pela estatística!

Aproveitando o crescente sucesso do Cartola, Luís Otávio Marques Fernandes se inspirou nas previsões que estavam sendo feitas na Premiere League, na Inglaterra, e resolveu fazer algo parecido aqui no Brasil para ser usado na plataforma do Cartola, foi assim que ele fundou o Guru do Cartola.

O guru da estatística

logo do guru do cartola: escudo verde com as laterais laranja escrito guru do cartola e o desenho de um chapéu logo abaixo

Luís Otávio separou um tempo para conversar com a gente e nos contou que sempre foi apaixonado por futebol e estatística. Uniu suas duas paixões à vontade de empreender e começou entregando para os jogadores do Cartola dados valiosos que poderiam ser usadas para escalar times melhores gastando menos cartoletas. Começou em 2016, desenvolvendo seu modelo estatístico no tempo livre e a partir daí foi aperfeiçoando até contar hoje com uma plataforma robusta que entrega dados de todos os jogadores, seus desempenhos em campo e a valorização de cada um, permitindo um pensamento estratégico e orientado por dados.

Para começar, ele baixou, estudou e entendeu o funcionamento da API do Cartola, em seguida, descobriu como calcular a valorização dos jogadores, algo que os criadores do jogo não divulgam. Assim, o Luís Otávio fornece a valorização dos jogadores em tempo real e não ao final de cada rodada. Esses dados fazem toda a diferença para a escalação do time e logo o Guru do Cartola viralizou entre os jogadores mais assíduos e interessados em estatísticas.

Por dentro do Guru do Cartola

Luis Otávio, que começou sozinho, hoje já conta com uma equipe para desenvolver o site e as redes sociais do Guru do Cartola, porém toda a parte de estatística por trás do site ainda é feita pelo guru. Ele faz as análises descritivas dos scouts dos jogadores e de seus adversários e constrói filtros para permitir a comparação entre esses dados.

No site ainda é possível selecionar quais as rodadas que devem ser levadas em consideração na análise, saber quem o jogador deve enfrentar mais diretamente em cada partida e usar os dados de jogadores parecidos para prever possíveis resultados em cada rodada. Analisar os jogos que foram realizados no mesmo campo, olhar os mapas de calor e saber onde o jogador geralmente se concentra em cada partida também podem ser dados interessantes dependendo da sua estratégia de jogo.

mapa de calor do guru do cartola

Dois fornecedores de dados fora da base do Cartola ajudam, por meio de machine learning, a calcular o ritmo de jogo de cada atleta dentro e fora do Brasileirão, se ele está jogando também na Copa Libertadores e como isso interfere no seu desempenho dentro do campeonato.

O que Luís Otávio faz aqui é monitorar o desempenho e prever, com base em dados, os resultados de cada um dos atletas para saber em quais vale mais a pena investir as moedas do jogo. O que ele faz virtualmente também é feito na vida real em diferentes esportes para acompanhar e melhorar o desempenho dos jogadores, prever resultados e permitir uma tomada de decisão mais rápida e segura. Neste artigo aqui falamos mais sobre o papel da estatística nos esportes e quais empresas estão liderando esse mercado agora. Nas palavras do Guru: “O poder da estatística é inevitável e, no futuro, a gente vai usar cada vez mais estatística no esporte”.

Guru do Cartola

Seja seu próprio guru

Aqui na Oper, alguns dos nossos Data Talkers resolveram seguir os passos do Guru do Cartola e fazer as suas próprias análises e previsões para montar os times e ver qual é o melhor modelo preditivo.

Um deles é o Luis Assunção que apresentou um sistema de automatização de escolha do time no Meetup Machine Learning Experience . O sistema dele é composto de duas etapas: fazer a predição das pontuações de cada jogador e otimizar o time baseado nas pontuações e na quantidade de cartoletas disponíveis. O primeiro passo é feito através de modelos de efeito misto e o segundo com algoritmo SIMPLEX . A extração de dados da API do Cartola foi feita pelo Henrique Gomide.

Ficou animado para fazer o seu também? Um bom ponto de partida para ser seu próprio guru é o script aqui embaixo: ele permite baixar os dados e brincar com eles no R para fazer seus próprios times automatizados!

library(dplyr)

pegar_rodadas <- function(ano) {
  options(warn = -1)
  if (!file.exists('caRtola-master/')) {
    download.file(
      url = "https://github.com/henriquepgomide/caRtola/archive/master.zip",
      destfile = "caRtola-master.zip"
    )
    unzip(
      zipfile = "caRtola-master.zip",
      list = F
    )
  }
  if (missing(ano)) stop("Especifique o ano.")
  anos_disponiveis <- na.omit(
    as.numeric(list.files('caRtola-master/data/'))
  )
  if (ano < min(anos_disponiveis) | ano > max(anos_disponiveis)) {
    stop("Ano indisponível.")
  }
  caminho <- paste0('caRtola-master/data/', ano)
  arquivos <- list.files(caminho, full.names = T)
  rodadas <- arquivos[grep('rodada', arquivos)]
  dados <- lapply(rodadas, read.csv)
  dplyr::bind_rows(dados) %>% 
    arrange(atletas.rodada_id)
}

rodadas_2019 <- pegar_rodadas(ano = 2019)
0 respostas

Deixe uma resposta

Quer participar dessa discussão?
Sinta-se livre para contribuir!

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *