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](https://statplace.com.br/wp-content/uploads/2019/12/artigo-corpo-14-1030x340.jpg)
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](https://statplace.com.br/wp-content/uploads/2019/12/o-guru-da-estatistica.jpg)
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](https://statplace.com.br/wp-content/uploads/2019/12/artigo-corpo-15-1030x877.jpg)
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](https://statplace.com.br/wp-content/uploads/2019/12/artigo-1030x515.jpg)
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)