Las redes de pases son un modelo de análisis basado en la teoría de grafos que representa a cada jugador como un nodo y cada pase como una conexión con peso y dirección, lo que permite medir cómo circula el balón y qué futbolistas sostienen el juego de un equipo. Así se ve quién se asocia con quién, quién conecta las líneas y de quién depende la circulación. Su uso se extiende al baloncesto y al balonmano, y aporta al análisis táctico con datos una manera cuantificable de saber quién acapara el juego.

Qué son las redes de pases y cómo revelan en quién se apoya la posesión

La idea de mirar un partido como una red tiene más de cuatro décadas. Los geógrafos Peter Gould y Anthony Gatrell estudiaron los pases de la final de la FA Cup de 1977 entre Liverpool y Manchester United en un trabajo publicado en la revista Social Networks. Lo que ha cambiado es la escala, porque los datos de eventos permiten hoy construir estas redes en cada partido y medir qué jugador concentra la circulación, cuál une las líneas y en quién se apoya el equipo.

Una red de pases no premia al que más toca el balón, sino al jugador del que depende que el equipo progrese

Del pase al grafo con nodos, aristas y pesos

Convertir un partido en una red de pases exige traducirlo a un lenguaje matemático sencillo. Un grafo es un conjunto de puntos unidos por líneas, y en el fútbol esos puntos son los futbolistas y las líneas, los pases que intercambian.

Cada pieza tiene un significado preciso:

  • Nodo: Es cada jugador, y su tamaño suele reflejar cuántos pases da o recibe.
  • Arista: Es la línea entre dos jugadores que se han pasado el balón en el tramo analizado.
  • Peso: Mide la intensidad de la conexión, normalmente en número de pases, aunque puede expresar metros o valor ofensivo.
  • Dirección: Distingue quién pasa a quién, porque no es igual que el central busque al pivote que al revés.
  • Posición: Sitúa cada nodo en la posición media del jugador y convierte el grafo en una visualización táctica.

Con esa estructura, la red se convierte en un instrumento de medida. Jordi Duch, Joshua Waitzman y Luís Amaral, de la Universidad Northwestern, lo demostraron en 2010 con datos de la Eurocopa 2008. Propusieron la centralidad de flujo, que mide en qué proporción de las jugadas que terminan en tiro interviene cada futbolista, y su clasificación coincidió en gran medida con la de los expertos, con Xavi Hernández entre los mejor valorados.

La lógica se repite en otros deportes. En baloncesto, el equipo de Jennifer Fewell, de la Universidad Estatal de Arizona, analizó a los 16 equipos de la primera ronda de los playoffs de la NBA de 2010 y observó que seis de los ocho ganadores de las eliminatorias circulaban de forma más imprevisible que sus rivales, aunque la muestra era pequeña para concluirlo estadísticamente. En balonmano, Florian Korte y Martin Lames estudiaron 22 partidos del Europeo masculino de 2018 y vieron que la primera línea estructuraba el juego en ataque posicional.

Cómo preparar los datos para una red de pases fiable

Una red de pases solo es tan fiable como los datos de los que parte. La base son los datos de eventos, que registran cada acción con su autor, su receptor, sus coordenadas y el minuto en que ocurre. Sin receptor no hay arista, y sin criterio de filtrado la red mezcla situaciones muy distintas.

Estas son las decisiones que más cambian el resultado:

  • Pases completados: Solo ellos prueban que la conexión existió, y los fallados se analizan aparte para medir el riesgo.
  • Balón parado fuera: Saques de banda, córners, faltas, saques de puerta y de centro responden a jugadas ensayadas y distorsionan el juego abierto.
  • Sustituciones: Lo habitual es cortar la red en el primer cambio o construir una por tramo para no mezclar alineaciones.
  • Umbral mínimo: Mostrar solo las conexiones con tres o más pases simplifica la red, aunque puede borrar enlaces relevantes y alterar las métricas.
  • Normalización: Para comparar jugadores o equipos, los volúmenes se expresan por 90 minutos o por posesión.

Los datos abiertos de Hudl StatsBomb permiten practicarlo con partidos reales. Este ejemplo en Python construye la red del Barcelona en su 3-0 ante el Alavés de agosto de 2018, hasta su primer cambio.

from statsbombpy import sb
import networkx as nx

ev = sb.events(match_id=15946)  # Barcelona-Alavés, LaLiga 2018/19
abp = ["Throw-in", "Corner", "Free Kick", "Goal Kick", "Kick Off"]
cambio = ev[(ev.type == "Substitution") & (ev.team == "Barcelona")].minute.min()
pases = ev[(ev.type == "Pass") & (ev.team == "Barcelona") & ev.pass_outcome.isna()
           & ~ev.pass_type.isin(abp) & (ev.minute < cambio)]
red = pases.groupby(["player", "pass_recipient"]).size().reset_index(name="pases")
red = red[red.pases >= 3]
G = nx.from_pandas_edgelist(red, "player", "pass_recipient", "pases",
                            create_using=nx.DiGraph)

El resultado es un grafo dirigido con 11 jugadores y 45 conexiones, de las 81 que había sin umbral. El filtro excluye los pases de reanudación, no los posteriores dentro de esas posesiones.

Métricas de centralidad para detectar quién acapara el juego

Con el grafo construido, la centralidad traduce a números el protagonismo de cada jugador. Cada métrica responde a una pregunta distinta, y por eso conviene leerlas juntas. El cuadro resume cuatro de las más usadas y lo que aportan en clave táctica, aunque ninguna mide por sí sola la calidad de los pases.

Métricas de centralidad en una red de pases

MétricaQué mideQué revela
Fuerza(grado ponderado)Pases dados y recibidosQuién acumula volumen de juego
Intermediación(betweenness)Veces que un jugador está en el camino más corto entre otros dosQuién puede actuar de puente en las rutas más cortas de la red
Cercanía(closeness)Distancia media, en pases, al resto de compañerosQuién resulta más accesible dentro de la red
PageRankPases recibidos según la importancia de quien los daQuién recibe de los compañeros más conectados

Hay un detalle técnico que se suele pasar por alto. NetworkX interpreta el peso como una distancia, así que para la intermediación hay que invertir el número de pases.

for u, v, d in G.edges(data=True):
    d["distancia"] = 1 / d["pases"]

fuerza = dict(G.degree(weight="pases"))
interm = nx.betweenness_centrality(G, weight="distancia")
prank = nx.pagerank(G, weight="pases")

Con el umbral de tres pases, Ivan Rakitić lidera fuerza, intermediación y PageRank, con una fuerza de 130 pases en las conexiones conservadas y de 137 sin filtro. Si los pases se usan directamente como distancia, Sergio Busquets pasa a liderar la intermediación, porque las conexiones más frecuentes cuentan como las más largas.

La investigación respalda esta lectura combinada. Javier López Peña y Hugo Touchette analizaron el Mundial 2010 y vieron que Xavi destacaba en cercanía y PageRank con una intermediación baja, reflejo de un juego muy repartido. Thomas Grund, con más de 283.000 pases de la Premier League, comprobó además que los equipos con redes menos centralizadas solían rendir mejor.

Una red de pases muestra cómo se reparte la circulación, pero para saber quién hace progresar al equipo hay que añadirle contexto.

De la red a la decisión táctica

Si un solo jugador concentra la intermediación, la red apunta a una posible dependencia que hay que contrastar con vídeo y datos de presión, porque no demuestra por sí sola que marcarlo baste para desconectar al equipo. Confirmada, esa lectura sirve al rival para orientar su presión y al club para buscar un segundo organizador, una aplicación directa del scouting con datos.

El contexto decide la interpretación. La red de todo el partido esconde los cambios, así que conviene segmentarla por tramos, por resultado o por fase de juego, y cruzarla con otras herramientas de análisis táctico como el vídeo. Javier Martín Buldú, Xavier Busquets, Francisco Seirul·lo y otros investigadores estudiaron así al Barcelona de Guardiola de la temporada 2009/10 en un trabajo publicado en Scientific Reports. Compararon las redes de toda la temporada y su evolución en ventanas de 50 pases. El Barcelona mostró más triangulación y una red más robusta ante la pérdida de conexiones, y algunas métricas cambiaban antes de marcar o de encajar, sin que eso pruebe que romper el patrón aumente el riesgo de gol.

El método también tiene límites que conviene documentar. Una red cuenta pases pero no mide su peligro, y la posición media puede fundir en un punto a un lateral y un extremo que se alternan por banda. Por eso cada conclusión debe validarse con vídeo e indicar el filtro y el umbral utilizados.

Interpretar estas redes exige unir datos, vídeo y conocimiento del juego, la combinación que trabaja el Máster en Análisis Integral de Fútbol para preparar partidos, estudiar al rival y evaluar el rendimiento individual y colectivo. Es el paso natural para pasar de dibujar redes a decidir con ellas.

Rellena el siguiente formulario para aprender a analizar el fútbol combinando análisis del juego, videoanálisis y análisis de datos con el Máster en Análisis Integral de Fútbol

Preguntas frecuentes sobre las redes de pases

¿Qué diferencia hay entre una red de pases y un mapa de pases?

Un mapa de pases dibuja cada pase como una flecha con su origen y su destino en el campo, mientras que una red de pases agrupa esos pases por parejas de jugadores. El mapa responde a dónde se juega y la red, a quién se relaciona con quién. Por eso el primero sirve para estudiar zonas y direcciones, y la segunda para medir dependencias, jerarquías y conexiones dentro del equipo.

¿Qué relación tienen las redes de pases con el xT o el VAEP?

Son complementarios, porque el xT y el VAEP valoran el impacto de cada pase y la red muestra entre quiénes circula el balón. Si en lugar de contar pases se usa como peso la amenaza que añade cada uno, medida con el xT o con VAEP, la red deja de premiar el pase de seguridad y destaca las conexiones que acercan al gol.

¿Con qué herramientas se dibuja una red de pases?

Una de las opciones más usadas en Python es mplsoccer, una librería que dibuja campos de fútbol sobre Matplotlib. Su documentación incluye una red de pases completa con el mismo Barcelona-Alavés de datos abiertos, con el tamaño de cada nodo y el grosor de cada línea proporcionales al número de acciones. Para explorar el grafo sin programar existe Gephi, un programa gratuito de visualización de redes.

¿Se pueden enriquecer las redes de pases con datos de posición?

Sí, y así ganan el contexto que los datos de eventos no tienen. Los datos 360 de Hudl StatsBomb registran la ubicación de todos los jugadores visibles en la imagen en el momento de cada evento, y su publicación gratuita de la Eurocopa Femenina 2025 los incluye. Con ellos se estima si un pase se dio bajo presión, y ponderar cada conexión por la dificultad del contexto y no solo por su frecuencia.

Más información sobre los másters