Del Mundial 2026 a la A-League: un arquetipo de delantero con datos de SkillCorner

Australia arrancó el Mundial ganando 2-0 a Turquía. Nueva Zelanda, encuadrada en uno de los grupos duros, le sacó un 2-2 a Irán marcando dos goles. Dos buenos estrenos de dos selecciones que casi nadie tenía en su quiniela. Y hay un detalle que pasa desapercibido y que a un ojeador le interesa mucho: buena parte de esas plantillas no se cocina en las grandes ligas europeas, sino en casa y en la A-League australiana. De los veintiséis de Nueva Zelanda, casi la mitad juega en su país o en Australia.

Lo interesante es que existe una ventana abierta para mirar precisamente esa liga. SkillCorner ha liberado datos de la temporada 2024-25 de la A-League, y no datos cualquiera, sino su especialidad: carreras sin balón y métricas físicas, además de datos de pase. Es decir, la información que el dato de eventos tradicional no recoge. Y junto a esos datos publicó un ejemplo concreto de cómo construir arquetipos de delantero, que puedes consultar en su artículo de la serie de datos abiertos. Lo que vamos a hacer aquí es precisamente replicar ese ejemplo, pero dentro de Smart Scouting System: cogemos los mismos datos, levantamos el mismo arquetipo de delantero y reproducimos su comparación de jugadores, para enseñar que todo lo que ellos hacen se puede hacer también desde nuestra plataforma.

Por qué conectar tus propios datos

Antes de entrar en el cómo, una idea que conviene dejar clara. Si tu club ya trabaja con datos de SkillCorner, lo lógico es poder cargarlos en tu herramienta de scouting y explotarlos a tu manera, no quedarte atado al catálogo de métricas que decida ofrecerte una plataforma cerrada. La gracia de tener datos físicos y de carreras sin balón es justamente esa capa que el dato de eventos no te da: cuántas carreras al espacio hace un delantero, cuántas a recibir entre líneas, su velocidad punta, su volumen de esfuerzos de alta intensidad. Si pagas por esa información, deberías poder explotarla tú, con tus perfiles y tus criterios.

Smart Scouting System está pensado así, sin atarte a un único proveedor. Conectas la fuente que tú quieras y trabajas sobre ella. Veámoslo con los datos abiertos de SkillCorner.

Cargar y mapear los datos

Si tu club ya dispone de datos de SkillCorner, los cargas en Smart Scouting System y trabajas con ellos. Para este ejemplo usamos la liberación pública de la A-League, pero el flujo es idéntico con los datos a los que tu club tenga acceso.

El archivo pasa por un pequeño procesamiento previo antes de subirlo, no se carga en crudo. SkillCorner entrega la información en varios bloques, físico, carreras sin balón y pase, así que primero hay que unificarlos en una sola tabla y normalizar las métricas físicas por noventa minutos. Con el fichero ya preparado, se da de alta la fuente. El archivo se queda en tu equipo o nube y solo se guardan sus metadatos, de modo que la app lo lee cuando la fuente está activa.

Una vez cargada, hay que decirle a la herramienta qué columna del dataset corresponde a cada campo: liga, temporada, nombre del jugador, equipo y la posición. No es un trámite menor, porque son justo los campos sobre los que se calcula después el ranking. El z-score de cada jugador se obtiene dentro de su temporada, su liga y su posición, es decir, a cada delantero se le compara con los delanteros de su misma liga y temporada, no con todo el mundo.

Con las columnas mapeadas, el siguiente paso es elegir qué métricas numéricas entran en juego y agruparlas por categorías. Aquí es donde empieza el criterio. Siguiendo el arquetipo de SkillCorner, creamos tres categorías que describen tres formas de ser delantero: Direct, para el atacante que ataca el espacio y corre a la espalda de la defensa; Target, para el rematador que vive de las llegadas al área; y LinkUp, para el delantero asociativo que baja a recibir y combina.

Construir el perfil del delantero

Con las métricas clasificadas, montamos el perfil. La lógica es la misma que SkillCorner aplica en su radar de delanteros: reunir todas las métricas y leer en cuáles destaca cada jugador para deducir qué tipo de delantero es. Aquí las juntamos en un único perfil y ponderamos cada métrica según nuestro criterio.

La diferencia está en lo que la herramienta hace con esa lectura: nosotros la convertimos en un ranking. Esa misma combinación se traduce además en una nota global de delantero y en un desglose por categoría, que dice de un vistazo cuánto tiene cada jugador de Direct, de Target y de LinkUp.

Conviene entender qué premia este reparto, porque condiciona cómo se lee el ranking. Con un reparto de pesos equilibrado, el perfil favorece al delantero más completo, al que rinde de forma decente en las tres facetas a la vez, por encima del especialista que arrasa en una sola. Pero eso no es una limitación, sino una palanca. Si lo que buscamos es un tipo de delantero concreto, basta con subir el peso de las métricas que definen ese arquetipo: cargar las carreras a la espalda y la velocidad punta si queremos un nueve vertical, o el pase y las llegadas a recibir en corto si buscamos uno asociativo. El mismo perfil, reponderado, se convierte en un buscador a medida de cada idea de juego.

Buscar entre los jugadores

Aplicamos el perfil sobre los delanteros centro de la A-League 2024-25 con al menos ocho partidos jugados, que es el umbral que SkillCorner recomienda al meter datos de carreras en la ecuación. El sistema devuelve un ranking de veintidós delanteros.

Arriba aparecen Guillermo May, del Auckland FC, como el delantero más completo según la mezcla, seguido de Brandon Borrello y de Archie Goodwin. Pero el ranking global es solo la puerta de entrada. Lo potente viene al abrir cada jugador.

La vista por métrica desglosa, una a una, en qué destaca y en qué flojea respecto a sus pares. Se ve de un vistazo si un delantero acumula carreras a la espalda y velocidad punta, o si por el contrario vive del pase y la asociación.

Y la vista por categoría resume esa misma información en los tres arquetipos. Un delantero puede puntuar altísimo en Target y LinkUp y bajo en Direct, lo que lo retrata al instante como un nueve de área y combinación más que como un corredor.

La conexión con el Mundial

En el sexto puesto te encuentras a Kosta Barbarouses. Internacional con Nueva Zelanda, con esa temporada 2024-25 en la A-League, y convocado para este Mundial 2026 con los All Whites. No es un caso aislado: la selección neozelandesa se apoya en buena medida en futbolistas de su país y de la A-League, justo la cantera que estos datos abiertos permiten rastrear. Dicho de otro modo, no vas a encontrar un Chris Wood, porque ese ya está en la élite y fichado, pero sí te deja explorar el vivero del que salen los siguientes.

Y hay un segundo aviso de que el perfil mira donde hay que mirar. Archie Goodwin, tercero en nuestro ranking y uno de los delanteros con más carreras al área de toda la liga, dio el salto a la MLS para fichar por el Charlotte FC.

Comparar dos perfiles distintos

Para cerrar, comparemos dos delanteros que el mismo ranking coloca en mundos opuestos: el propio Goodwin y Valère Germain.

El radar lo dice todo. Goodwin domina las carreras a la espalda, las llegadas como receptor de centros, los esfuerzos de alta intensidad y la velocidad punta. Es un delantero vertical, de espacio y de remate. Germain ocupa el lado contrario del gráfico: pase peligroso, pase entre líneas, carreras a recibir en corto. Es un nueve de combinación que baja a tejer el juego.

La vista por categoría lo confirma sin matices. Goodwin es Direct y Target, flojo en LinkUp. Germain es LinkUp y Target, casi nulo en Direct.

Ninguno es mejor que el otro en abstracto. Son herramientas distintas para necesidades distintas. Si tu equipo ataca espacios a la espalda, quieres a Goodwin. Si construye en corto y necesita un nueve que asocie, quieres a Germain. El arquetipo no decide por ti, te ordena el campo para que decidas tú.

Lo que aporta y lo que no

Como siempre, el dato es la primera criba, no la última palabra. Lo que hemos hecho aquí es transformar tres ficheros de datos en un ranking de delanteros con argumentos, por arquetipo y comparables entre sí, en una sola sesión de trabajo. A partir de ahí toca lo de siempre: vídeo, campo, contexto e informe.

Si tienes acceso a datos de SkillCorner, con su capa única de carreras sin balón y rendimiento físico, no tiene sentido renunciar a ellos por trabajar en una plataforma que no los admite. Conéctalos a la tuya, construye tus propios perfiles y explota la información por la que ya estás pagando.

Los datos utilizados en este artículo proceden de la liberación de datos abiertos de la A-League 2024-25 de SkillCorner, y el marco de arquetipos de delantero está inspirado en su serie de datos abiertos.