Cómo leer un dataset de 72 variables de fútbol

Cuando abres por primera vez un archivo con 1.248 jugadores y 72 variables, la reacción natural es pensar que estás frente a un caos. Aquí aprendes a leer un dataset de fútbol paso a paso, identificar familias de variables y encontrar hallazgos que los comentaristas nunca mencionan.

La transmisión de un mundial te muestra goles, asistencias y tarjetas porque alguien decidió que eso te interesa. Pero los analistas miran otra cosa: tasas de conversión, disparos al arco, rendimiento por 90 minutos y eficiencia con o sin penales. Todo eso vive dentro del archivo players.csv que vas a explorar.

¿Cómo preparar Google Sheets para explorar un dataset grande?

Antes de sumergirte en los números, necesitas una base ordenada para no perderte entre columnas [0:38].

Descarga el archivo players.csv desde los recursos de la clase y ábrelo en Google Sheets. Lo primero que debes hacer es inmovilizar la primera fila desde el menú Ver, opción Inmovilizar primera fila. Con eso, los encabezados se quedan visibles mientras te desplazas hacia abajo o hacia la derecha.

Después vienen las 72 columnas. Y sí, son muchas, pero no tienes que memorizarlas. Están agrupadas en familias que hacen la lectura mucho más manejable.

¿Qué es un registro, una variable y una celda en un dataset?

Piensa en una tabla de posiciones de liga. Las filas bajan, las columnas van a la derecha y en cada cruce hay un dato concreto. Un dataset funciona igual, pero con jugadores en lugar de equipos [1:20].

¿Qué es un registro en un dataset? Es una fila que contiene toda la información acumulada de un elemento, en este caso un jugador: nombre, equipo, posición, partidos, minutos y goles.

Cada columna es una variable, una característica que cambia de un jugador a otro. La columna de minutos contiene minutos, la de goles contiene goles. Y la intersección entre una fila y una columna se llama celda, ahí vive un valor concreto.

Ejemplo directo del archivo: Haaland es el jugador que observas, goles es la variable y siete es el valor. No son lo mismo, y esa distinción importa cuando empiezas a calcular.

¿Cuáles son las familias de variables en el archivo players.csv?

Las 72 columnas se agrupan en bloques temáticos que te ayudan a orientarte sin memorizar nombres [2:05].

• Identificación: nombre, equipo, país, posición, edad.
• Participación: partidos jugados, minutos en cancha, entre otras.
• Ofensivas: goles, disparos, asistencias.
• Disciplinarias: tarjetas amarillas y rojas.
• Portero: todas las columnas que empiezan con el prefijo GK.

Reconocer estas familias es más útil que aprenderte cada columna. Cuando busques algo específico, ya sabrás en qué zona del archivo mirar.

¿Qué diferencia hay entre un dato crudo y un dato derivado?

Aquí está la trampa que atrapa a mucha gente que empieza a analizar datos.

Los goles son un dato crudo: están registrados directamente tal y como ocurrieron en el partido. En cambio, la tasa de conversión, que es goles divididos entre disparos, es un dato derivado: alguien lo calculó a partir de columnas que ya existían.

¿Qué es un dato derivado? Es un valor que resulta de operar con datos crudos ya registrados. La tasa de conversión, por ejemplo, se obtiene dividiendo goles entre disparos.

La regla práctica: antes de ponerte a calcular algo, revisa si la columna ya existe. Te ahorras trabajo y evitas errores.

¿Cómo encontrar un hallazgo real usando el dataset?

Un buen hallazgo no siempre es un ranking espectacular. A veces es un número inesperado escondido en una columna que nadie miró [3:22].

Desplázate hasta encontrar la columna Goals per shot. Luego usa Control F, escribe Daniel Muñoz y presiona enter. Aparece el defensa de Colombia con estos datos:

• 2 goles en el torneo.
• 3 disparos totales.
• Tasa de conversión del 67%.

Un defensa con mejor tasa de conversión que la mayoría de delanteros. Y ese número ya estaba en el archivo desde que lo descargaste. Solo necesitabas saber dónde mirar.

¿Por qué el criterio importa tanto como el cálculo?

No todas las columnas aplican a todos los jugadores. Un delantero no tiene estadísticas de portero, y un portero rara vez registra asistencias ofensivas. Los espacios vacíos no son errores: requieren criterio antes de interpretarse.

Combinar observación con cautela ya es análisis. No se trata solo de sacar promedios, sino de entender qué significa cada valor dentro de su contexto.

Cuéntame en los comentarios qué otra estadística inesperada encontraste al explorar el archivo.