En agosto de 2017, el PSG pagó €222 millones por Neymar y rompió el récord mundial de transferencias.
Durante un tiempo este artículo contaba una historia muy tentadora: «el algoritmo decía €100 millones y PSG pagó más del doble». El problema es que, si hablamos del modelo del CIES Football Observatory —que era precisamente la fuente citada—, esa historia es incorrecta.
En enero de 2017 CIES estimó el valor de transferencia de Neymar en €246,8 millones. Después de la operación, el propio observatorio señaló que su última estimación había quedado cerca de los €222 millones finalmente pagados.
Fuentes: CIES, 16 de enero de 2017 y CIES, agosto de 2017.
La corrección destruye el gancho original, pero deja una pregunta mucho más interesante: ¿cómo pudo un modelo estadístico llegar a una cifra que seis meses antes parecía absurda y luego quedó tan cerca de la transferencia más cara de la historia?
Primero: “valor de mercado” no es una sola cosa
Cuando alguien dice que un jugador «vale €100 millones», conviene preguntar quién hizo la estimación y con qué método.
Una cifra puede venir de una plataforma comunitaria, de una valoración periodística, de una cláusula contractual, de una casa de apuestas, de un modelo estadístico o de la cantidad que un comprador específico está dispuesto a pagar.
Todos pueden usar la palabra valor y estar midiendo cosas distintas.
CIES desarrolló su modelo a partir de transferencias reales y variables como edad, duración del contrato, rendimiento, posición, estatus internacional y características de los clubes. No estaba preguntando «¿cuánto me gusta Neymar?». Intentaba estimar qué precio podía justificar el mercado de transferencias dadas esas condiciones.
La cláusula de €222M también importaba
El PSG no llegó a €222 millones después de una subasta normal. Esa cifra correspondía a la cláusula de rescisión del contrato de Neymar con Barcelona.
Eso hace el caso todavía más raro. Una cláusula puede fijarse precisamente para hacer improbable una salida. Sin embargo, el mercado, el contrato y el modelo terminaron convergiendo en una zona parecida.
Que CIES estimara €246,8 millones no significa que hubiera «predicho» exactamente la transferencia. Entre enero y agosto cambiaron tiempo de contrato, contexto del mercado y otros datos; además, el observatorio dice que su última estimación fue cercana a €222 millones, sin presentar esa frase como una profecía exacta.
Pero sí muestra algo importante: el precio de PSG no estaba necesariamente fuera de toda lógica estadística de mercado, aunque fuera extraordinario.
Acertar el precio no demuestra que la compra fuera buena
Aquí aparece otra confusión frecuente.
Un modelo de valor de transferencia intenta aproximar cuánto puede valer una operación en ese mercado. No responde automáticamente si el comprador recuperará el dinero, ganará la Champions, venderá más camisetas o conseguirá patrocinadores suficientes para justificar el desembolso.
Es perfectamente posible que un precio sea coherente con el mercado y que, años después, la inversión no produzca el retorno que esperaba el comprador.
Son preguntas diferentes:
| Pregunta | Qué intenta medir |
|---|---|
| ¿Cuál es el valor de transferencia? | El precio plausible de un jugador dadas las condiciones del mercado y del contrato. |
| ¿Conviene pagarlo? | El retorno esperado para ese comprador concreto. |
| ¿Cuánto vale para nuestra marca? | Patrocinios, audiencia, posicionamiento y efectos comerciales. |
| ¿Mejora el equipo? | Impacto deportivo dentro de una plantilla y un sistema táctico específicos. |
Una cifra puede ser excelente para la primera pregunta y casi inútil para las otras tres.
Lo interesante del caso Neymar es que obliga a mirar la variable objetivo
En analítica, una discusión mejora mucho cuando dejas de preguntar «¿el modelo tenía razón?» y empiezas por «¿qué estaba intentando predecir?».
Si un modelo fue entrenado para estimar precios de transferencia, juzgarlo por si PSG ganó suficientes títulos con Neymar es cambiar la variable después del partido.
Lo mismo ocurre en negocios. Un modelo de riesgo de impago no es un modelo de rentabilidad del cliente. Una estimación de precio no es una recomendación de compra. Un ranking de candidatos no es una predicción perfecta de desempeño futuro.
Y esto no es lo mismo que la “valoración escalar” de ScalarPivot
También conviene corregir otra simplificación de la versión anterior. El modelo de CIES es un modelo estadístico construido con transferencias observadas y múltiples variables. No es lo mismo que la tarjeta ponderada que llamamos “valoración escalar” en ScalarPivot.
Las dos herramientas reducen mucha información a una cifra, sí. Pero llegan a ella de manera distinta: una aprende relaciones a partir de datos históricos; la otra hace explícitos los pesos que una persona o equipo asigna a criterios de decisión.
Meterlas en la misma bolsa solo porque ambas terminan en un número sería exactamente el error que este caso ayuda a evitar.
Tres preguntas antes de discutir con un modelo
- ¿Qué variable está estimando realmente? Precio, probabilidad, riesgo, rendimiento y utilidad no son sinónimos.
- ¿Contra qué datos fue construido? Un modelo puede funcionar bien en transferencias normales y tener mucha más incertidumbre en casos extraordinarios.
- ¿La decisión que tengo que tomar es la misma pregunta que responde el modelo? Si no, hace falta otra capa de análisis.
El caso Neymar ya no sirve para contar que «los humanos ignoraron al algoritmo y pagaron el doble». Sirve para algo mejor: mostrar lo fácil que es construir una historia convincente cuando mezclamos cifras provenientes de métodos distintos.
Y, de paso, deja una lección incómoda para cualquier sitio que escriba sobre datos: cuando la evidencia contradice el titular, se cambia el titular. No la evidencia.
