A INFLUÊNCIA DE DECLAN RICE NA CONSTRUÇÃO DO ARSENAL

Ao analisar as redes de passes do Arsenal, o comportamento de Declan Rice salta aos olhos como o verdadeiro organizador da equipe. Observando os gráficos apresentados, nota-se que o meio-campista atua como o centro de gravidade da posse de bola.

Nas visualizações de Passing Network, especialmente na figura focada no bloco baixo atuando no terço defensivo, o volume de interações de Rice é inegável. O tamanho do seu nó no gráfico demonstra a alta frequência com que ele recebe a bola nessa faixa do campo. Ele recua constantemente, estabelecendo conexões muito fortes, representadas pela espessura das linhas, diretamente com o goleiro David Raya e com os zagueiros W. Saliba e G. Magalhães para iniciar a construção das jogadas.

A evolução tática da equipe entre o primeiro e o segundo tempo reforça essa leitura. Independentemente do momento do jogo, Rice se mantém na base da jogada, ditando o ritmo e servindo como o principal elo para fazer a bola progredir até jogadores como M. Ødegaard.

O quadro de Contribution Share valida as redes de passes de forma quantitativa. Rice é o líder em volume de distribuição, concentrando 18% de todos os passes realizados pela equipe. Além de ser o construtor primário recuado, seu papel na proteção dessa base estrutural é igualmente dominante: ele divide a liderança do time em desarmes (Tackles) com 22%, além de contribuir com 11% nas recuperações de bola (BallRecovery) e interceptações (Interception).

Os dados e as redes mostram como a estrutura do time se apoia no seu recuo para gerar estabilidade com e sem a bola.

View this post on Instagram

Do Espectador ao Especialista

Se você está cansado do ruído da mídia tradicional e deseja entender a ciência que rege os clubes de elite, o momento de migrar para o nível profissional é agora.

Para quem busca transformar essa paixão em competência técnica — utilizando ferramentas de análise como a linguagem R, o padrão ouro para estatística computacional e ciência de dados no esporte —, a Escola de Dados Aplicada ao Futebol é o ponto de partida.

Não seja apenas um espectador das métricas. Aprenda a manipular, visualizar e tirar conclusões reais dos dados. Saia do senso comum.

Quer aprender a fazer essas análises?

Todos os mapas, gráficos e cálculos deste artigo foram produzidos com R — a linguagem de programação mais usada em análise de dados esportivos no mundo. No Campo Analítico, você aprende a trabalhar com dados reais como esses, desde os fundamentos estatísticos até a produção de relatórios profissionais de scouting.

Conheça a Formação em Estatística Computacional no Futebol

Você vai dominar worldfootballR, ggplot2, ggsoccer, machine learning aplicado ao futebol e muito mais — com dados reais de campeonatos como este Brasileirão 2026.

Tem dúvidas? Fale diretamente com o professor Aldrei pelo WhatsApp.