Times de futebol gastam bilhões de dólares anualmente na contratação de novos jogadores para melhorar seu elenco e endereçar pontos fracos. Apesar de possuírem estatísticas completas de jogadores de vários países, muitos times não utilizam esses dados em toda sua capacidade para identificação de potenciais novas contratações. Visando preencher essa lacuna, este trabalho apresenta modelos que visam sugerir quais jogadores devem ser comprados e vendidos para atender as necessidades particulares de cada time, formar um elenco adequado e ganhar vantagem competitiva. Um modelo estocástico de dois estágios de Programação Inteira Linear Mista é apresentado para otimizar as escolhas de montagem de elenco de uma equipe considerando seu orçamento, atributos desejados e ausências ao longo da temporada devido a lesões ou suspensões. Ainda é sugerido um framework de ciência de dados para coletar, tratar e imputar dados reais para construir um modelo data-driven. O framework é aplicado em dados reais das principais ligas e alguns estudos de caso são apresentados para demonstrar os resultados do modelo e as sugestões de elenco.