¿Quién tuvo mejor torneo, Mbappé o Haaland? Si respondes por instinto, dirás Mbappé. Si respondes con análisis de datos deportivos, la historia cambia. Aquí aprenderás a leer un data set real del Mundial 2026 y a sacar conclusiones que ningún comentarista te va a dar.

¿Por qué los datos cuentan una historia distinta al marcador?

El marcador resume, los datos explican. Y en este Mundial, la diferencia entre ambos es enorme.

Mbappé cerró con ocho goles y Haaland con siete. La opinión popular corona al francés, pero cuando miras la eficiencia real, el noruego lo supera. Estos son los números que cambian la conversación:

• Mbappé: 33 disparos para 8 goles, es decir, uno de cada cinco.
• Haaland: 20 disparos para 7 goles, uno de cada tres.
• Haaland no pateó ni un solo penal en todo el torneo.

¿Quién fue más eficiente, Mbappé o Haaland en el Mundial 2026? Haaland. Convirtió uno de cada tres disparos en gol, mientras que Mbappé necesitó cinco intentos por cada gol y además cobró penales.

Este tipo de contraste no es una anécdota, es la norma cuando abres un archivo con métricas reales.

¿Qué vas a aprender en las próximas clases?

Vas a trabajar con el data set oficial del Mundial 2026, con más de 60 variables por jugador. No es una demo, es información real y granular.

La idea es que salgas con un proceso replicable en cualquier contexto. Estas son las cinco habilidades que vas a construir:

1. Explorar un data set para entender qué contiene.
2. Filtrarlo para quedarte solo con los jugadores o equipos que te importan.
3. Calcular métricas que el archivo no trae de fábrica, como la conversión de disparos en gol.
4. Visualizar los hallazgos para que cualquier persona los entienda en tres segundos.
5. Concluir con argumentos basados en evidencia, no en intuición.

Y aquí viene lo interesante: no necesitas programar ni tener experiencia previa. Necesitas curiosidad y disposición para hacerle preguntas a un archivo.

¿Sirve este método fuera del fútbol?

Sí, y esa es probablemente la parte más valiosa. El fútbol es la excusa; el proceso es universal.

Abrir datos, hacerles preguntas, calcular, visualizar y concluir es exactamente el flujo que usa un analista en salud, finanzas o marketing. Cambian las variables, no la lógica.

¿Necesito saber programar para analizar datos? No para empezar. Con un proceso claro y un archivo bien estructurado, puedes generar hallazgos útiles sin escribir código.

¿Qué es un data set y por qué importa tener 60 variables por jugador?

Un data set es una tabla organizada con información estructurada. En este caso, cada fila es un jugador y cada columna es una métrica: disparos, goles, penales, pases, kilómetros recorridos y más.

Tener 60 variables por jugador te da algo que el marcador nunca podría: contexto. Puedes comparar rendimiento por minutos jugados, filtrar solo delanteros, calcular promedios por partido o cruzar métricas ofensivas con defensivas. Cada variable es una pregunta potencial.

¿Qué pregunta grande vas a poder responder al final?

La pregunta que guía todo el recorrido es concreta: ¿qué equipo tenía los datos para ganar el Mundial y si el campeón realmente lo merecía?

Es una pregunta que los comentaristas responden con opinión. Tú vas a responderla con evidencia: filtros, cálculos y visualizaciones sobre el mismo archivo que analizan los profesionales.

¿Con qué jugador o selección te gustaría empezar a explorar el data set? Déjalo en los comentarios.