Analisi di dati calcistici: valutazione e previsione del valore economico dei giocatori di ruolo difensivo

L’analisi dei dati sta rivoluzionando il mondo del calcio, fornendo strumenti oggettivi per valutare le prestazioni e stimare il valore di mercato dei giocatori. Questa tesi si concentra sui difensori, categoria spesso meno considerata nelle analisi economiche del calcio, con l’obiettivo di identificare i Key Performance Indicators (KPI) più rilevanti per la loro valutazione economica. Attraverso un dataset costruito sulla stagione 2023/24 della Serie A e l’applicazione di modelli di regressione lineare multipla, è stato possibile individuare le metriche con maggiore impatto sul valore di mercato, distinguendo tra difensori centrali e terzini. Il modello finale ha mostrato un’elevata affidabilità, con valori di p-value estremamente ridotti a conferma della significatività statistica dei KPI selezionati. Inoltre, l’analisi degli outlier ha validato la robustezza del sistema, evidenziando la capacità del modello di adattarsi alle dinamiche del mercato calcistico. I risultati mostrano che il valore di mercato dei terzini è più facilmente prevedibile grazie a KPI legati alla fase offensiva e alla costruzione del gioco, mentre quello dei difensori centrali è influenzato da aspetti meno quantificabili, come leadership e organizzazione difensiva. Questi risultati offrono nuove prospettive per analisti, scout e club, aprendo la strada a futuri sviluppi basati su modelli più sofisticati, come l’intelligenza artificiale, per affinare ulteriormente la previsione del valore economico dei giocatori.