Análise de padrões em partidas de futebol utilizando ciência de dados

Resumo
Este trabalho analisa padrões de desempenho em partidas de futebol por meio de técnicas de ciência de dados e aprendizado de máquina não supervisionado, em um contexto marcado pela popularização das apostas esportivas. Considerando que esse mercado envolve tanto apostas no resultado final da partida quanto em eventos específicos do jogo, como gols, escanteios e cartões, a pesquisa utiliza estatísticas históricas para identificar perfis de partidas e comportamentos atípicos, sem propor um modelo de previsão ou recomendação de apostas. Foram analisadas variáveis como gols, chutes, chutes no alvo, escanteios, cartões e desempenho recente das equipes. Para isso, aplicaram-se K-Means como principal método de clusterização, DBSCAN como análise complementar baseada em densidade e Isolation Forest para detecção de partidas estatisticamente atípicas. Além disso, utilizou-se SHAP, com apoio de um modelo Random Forest auxiliar, para interpretar as variáveis que mais contribuíram para a diferenciação dos perfis. Os resultados permitiram identificar quatro perfis de partidas: transição/misto, mandante dominante, visitante dominante e alta intensidade ofensiva, além de destacar partidas incomuns dentro da base analisada. Assim, o estudo contribui para uma leitura mais racional e transparente dos dados esportivos, reforçando a importância de interpretações críticas e baseadas em evidências no contexto da análise de futebol e das apostas esportivas.
CLIQUE AQUI E LEIA O ARTIGO COMPLETO

Autores: Bruno Roveri Custódio e Lucas Farias da Silva

Ano 2026

Repositório Institucional do Mackenzie

Ref:

CUSTÓDIO, Bruno Roveri; SILVA, Lucas Farias da. Análise de padrões em partidas de futebol utilizando ciência de dados. 2026.