Por Milovan Byrne
Los deportes como el fútbol, básquet y rugby no son pura improvisación. Actualmente, sabemos que todas las decisiones que practicamos están basadas en una lógica determinada. No podemos decir que una acción, hecho o contexto se reflejó por pura “casualidad” o que el “destino” te hizo encontrar al amor de tu vida. Lo mismo pasa con los deportes, ya que cualquier acción está preparada de manera predeterminada para sacar una ventaja deportiva como se demuestra en la película “Moneyball”. Por lo tanto, en la actualidad, el big data es una gran revolución dentro del sector deportivo, el cual permite mejorar la toma de decisiones y sacar una ventaja deportiva de acuerdo con un juego, estrategias, fichajes, entre otros.
El big data es el término dado para describir la importancia de las fuentes de datos que se desarrollan a través de un software con la finalidad de dar soluciones a diferentes problemas y generar ideas para tomar mejores decisiones, ya sea en lo empresarial, deportivo, laboral, entre otros. Su historia se remonta a 2400 A.C. cuando en Babilonia se utilizaba el ábaco como un sistema para realizar cálculos. Tiempo después, en 1663, John Graunt desarrolla un sistema de alerta para determinar las consecuencias de la peste bubónica que en ese entonces dejó muchos muertos en el mundo. En 1937 se creó el primer proyecto de datos. Sin embargo, la primera máquina de procesamiento de datos fue creada por los británicos en 1943 con la finalidad de descifrar los códigos nazis. Esa máquina llamada “Colossus lograba encontrar patrones en los mensajes de los nazis en una velocidad de 5000 caracteres por segundo. Esto permitió que los aliados pudieran comprender los mensajes en horas y fue fundamental para que pudieran ganar la segunda guerra mundial.
En el ámbito deportivo, Charles Reep fue el primero en adaptarlo en 1951. Reep era un contador que se encargó de ser un consejero (actualmente analista de datos) del Brentford de la Premier League para ayudarlo a mantener la categoría. Después de construir su primer set de datos de fútbol y de registrar las acciones que se daban en los partidos del campeonato, llegó a la conclusión que había más probabilidades de meter goles por medio de 3 pases o menos, algo que ahora se cataloga como juego largo. Tiempo después, en 1962, los Dallas Cowboys de la NFL contratan a Salam Querishi para aplicar un método computarizado con el fin de buscar jugadores mediante diferentes variables como la velocidad, control del cuerpo, carácter, explosividad, entre otros. Este inmigrante indio revolucionó el mundo del big data, ya que instauró el “scouting” en los equipos de la NFL. Asimismo, fue el pionero de la construcción y fichajes de un equipo mediante análisis estadísticos, algo que Billie Beane lo replicaría en el 2002 con los Oakland Athletics y ganaría mucha popularidad por tener una racha de 20 victorias ininterrumpidas, lo cual se reflejaría en la película “Moneyball” en el 2011. Otros grandes pioneros fueron Bill James quien es conocido por ser el padre de los “sabermetrics” y Dean Oliver que implemento el big data en la NBA.
El big data en el deporte es fundamental para dar un nuevo paso histórico hacia la modernidad en los deportes. Puede llegar a ser un hecho tan trascendental como la creación de los juegos olímpicos y marcar un decreto histórico en la evolución del deporte como la utilización de la tecnología en el deporte como el VAR. Además, puede ayudar a alcanzar distintos hitos que permitan sacar otras ventajas deportivas a través de diversas estrategias deportivas. Volviendo a la actualidad, lo primero que tenemos que identificar es cómo la estadística se puede utilizar en el deporte y cuál es la relevancia que esta puede tomar. Para esto, el ingeniero español Jesús Soler explica lo siguiente: “Lo que se hace en estadística es identificar variables de una población, en el deporte serán las jugadas, y si pensamos en una ciudad pueden ser personas, y de ahí sacamos unos valores que son nuestra muestra. Entonces lo que hace la estadística es identificar una muestra con pocos valores, es decir, como los datos que manejamos son tan grandes, vamos a tomar esta muestra y la hacemos igual a un valor para que nos empiece a decir cosas. Si nos planteamos un interrogante inicial y con los datos intentamos responderla, luego seguramente aparecerán otras. La pregunta es ¿Qué hace bueno a jugadores a Neymar, Luka Modric, Lebron James o Tom Brady? Seguro es algo incomprensible para una persona, ya que cada uno tiene una opinión diferente. Sin embargo, empresas de recolección de datos como OPTA, Stastsbomb, Skillcorner o Scoutanalyst están analizando y descubriendo determinadas zonas del campo en diferentes deportes en las cuales se comportan diferentes jugadores que a través de esos comportamientos puedan observar sus virtudes y sus defectos y les permitan probar nuevas ideas.
Por ejemplo, en el fútbol se están probando nuevas métricas como analizar el disparo y calcular cuál es la probabilidad de anotar gol desde una cierta distancia y mediante las dificultades que se le presente como los metros de distancia, ángulo y el número de defensas entre la portería y el balón. Por ende, los estrategas y jugadores podrán saber desde qué distancia pueden tener más probabilidad de meter gol y eso les puede ayudar a ganar un partido de fútbol. Otra famosa métrica es la de llevar el balón a zonas de peligro de la cancha. A esto le sumamos dos valores de peligro esperado (xT) y de valor por acción (VAEP). En ambos casos, se le asigna un valor a cada posesión de juego y eso se asocia con una probabilidad clara de una probabilidad de gol. Si Messi arranca con una jugada con un valor de 0,1 y después de eludir varios defensas la deja en 0,6 por la conducción del balón y el regate, entonces Messi tiene un valor de peligro de 0,3 de xT de peligro. En el caso de ambas métricas, la estadística galardona e incentiva a los jugadores a que, mediante estos análisis, puedan comprobar las probabilidades de cada disparo, conducción, regate o pase durante un partido de fútbol. Si bien, el big data está tomando mucha fuerza en el sector deportivo, en el fútbol todavía no se llega a masificar a un nivel extremo, en el cual el big data predomine en el deporte rey.
Todo lo contrario, pasa con la NBA. En esta competición, todos los equipos tienen un sistema de big data y un área de recolección de datos de los jugadores de la competición. Esto se empezó a aplicar desde el 2007 cuando el ingeniero Daryl Morey llegó a los Houston Rockets a cambiar la mentalidad del baloncesto. Morey, era confeso admirador de la estrategia de Billie Beane y decidió retomar la misma práctica para los Rockets adaptándola al baloncesto y cambiando algunas acciones. Su plan era sencillo: anotar más puntos por posesión y ganar los rebotes ofensivos y defensivos. Sin embargo, determinaba 4 cosas claves que debían hacer durante el partido: jugar rápido para tirar en menos de 10 segundos, tener más lanzamientos triples que dobles, el Pick& Roll (bloqueo del pívot al jugador exterior para conseguir ventaja) y el posicionamiento de jugadores abiertos más allá de la línea de tres puntos esperando un pase. Además, con el paso del tiempo, los Rockets reclutaron ciertos jugadores específicos que puedan ayudar a que su modelo de juego se acentúe como por ejemplo James Harden que es un especialista en tiros triples o Clint Capela que es un pívot capaz de ganar muchos rebotes ofensivos. Estos cambios hicieron que los Houston Rockets se conviertan en un importante equipo de la competición que es uno de los candidatos que siempre pelea por ganar la NBA. Asimismo, en la actualidad, la NBA maneja aplicaciones que ayudan al big data y que manejan los diferentes equipos de la competición. Una de las principales aplicaciones es el “Ghosting”, la cual se encarga que a través de un software se produzcan simulaciones reales de situaciones determinadas en una cancha de baloncesto para su posterior análisis con diferentes jugadores. En esta se pueden analizar cambios de posición de jugadores, tácticas de rebotes, posesiones extra de campo, entre otras. Otra aplicación es la del “Homecourt”. Esta aplicación se encarga de analizar posibles fichajes de jugadores a través de las virtudes de cada jugador y concluir la probabilidad de que se adapte a tu equipo.
Uno de los mayores deportes en los cuales el big data es de mucha utilidad es el rugby. En los últimos años, los equipos y selecciones se han nutrido de especialistas de analistas de rendimiento y científicos para explotar al máximo el rendimiento del big data. Los analistas junto con aplicaciones de software como Opta ayudan a que se pueda observar zonas del juego como el juego de patadas de un jugador del oponente, identificar los jugadores clave del oponente, detectar las probabilidades del pase del mariscal de campo, entre otros. Asimismo, los científicos analizan las posibilidades de lesiones de un jugador, su estado físico y el rastreo de los jugadores mediante dispositivos de GPS que permiten que se pueda sacar datos específicos de cada jugador como la distancia recorrida, virtudes técnicas y físicas, entre otras. Este dispositivo es colocado en la parte posterior de la camiseta y profundiza los datos mediante un conjunto de algoritmos a través de una detección automática de scrums, patadas y contactos que realicen los jugadores. Posteriormente, los estrategas pueden revisar los datos y clasificar los jugadores que estén aptos para el siguiente encuentro. Asimismo, ese dispositivo también ayuda a prevenir lesiones, dosificar cargas de los jugadores en los entrenamientos, entre otros. La selección de Nueva Zelanda, más conocido como los “All Blacks”, utiliza el mismo método mediante “SAS Visual Analytics” que se encarga de recolectar todos los datos de jugadores que juegan tanto en su país como en el extranjero con la finalidad de convocar a los mejores para representarlos en las diferentes competiciones.
Como se ha visto, hay deportes en los cuales se aplica el big data. Sin embargo, entramos a un terreno que se puede presentar de acá al futuro. La pregunta es: ¿la tecnología puede acaparar el futuro del deporte?. El gerente de análisis de rendimiento de los “All Blacks”, Jason Healy, considera que el big data es un gran complemento, pero que todavía no debe de ser predominante como algo total: «Todavía siento que hay un poco de vida en el momento: aceptar el hecho de que los jugadores en el campo controlan el juego. No somos nosotros en la línea de banda como recolectores de datos, entrenadores o analistas los que realmente tenemos un impacto, porque no vemos, escuchamos o sentimos lo que sucede en el campo de la misma manera que lo hacen los jugadores, así que algo de eso debe dejarse en sus manos. Es una herramienta o una plataforma que se encuentra en un segundo plano y realmente desempeña ese papel de apoyo para brindar evidencia a las conversaciones que se están teniendo o que se deben tener, por lo que no está tomando decisiones por nosotros, está informando decisiones, proporcionando ese contexto.”
Además, existen equipos que pese a que han utilizado el big data por años, no han podido conseguir el ansiado éxito de ganar un título como por ejemplo los Houston Rockets en la NBA, el Arsenal en el fútbol o los Oakland Athletics en la MLB, lo que hace dudar si es efectivo en el mundo del deporte. Esto puede suceder, ya que cuando aplicamos el big data generalmente se busca una normalización al comparar nuestros jugadores con los de nuestro oponente en diferentes variables. Sin embargo, nos olvidamos de que cada jugador es distinto y se analiza de una manera diferente. Por ejemplo, pese a que Paolo Guerrero y Gianluca Lapadula juegan en la misma posición, no los podemos evaluar de la misma manera porque son delanteros con características totalmente distintas, pero al ser jugadores de alto rendimiento, pueden alcanzar el éxito mediante distintos programas de rendimiento. Si fuera así, el juego de Novak Djokovic y Rafael Nadal sería igual, algo que no es así, ya que se entrenan de manera diferente y desarrollan modelos de juego de tenis diferentes, pero ambos con métodos diferentes alcanzaron el éxito. Aunque, el big data no ha dado resultados cuando se le aplica en su totalidad, si es un éxito en diferentes áreas como por ejemplo en la elección de fichajes como es el caso de Roberto Firmino en el Liverpool o de James Harden para los Houston Rockets. Ambos jugadores no eran jugadores conocidos, pero poseían características específicas que encajaban perfectamente en el modelo de juego de ambos equipos y que ahora son pilares fundamentales en el modelo de juego y el desarrollo de algunas funciones específicas.
En conclusión, el big data aporta una gran información a los diferentes clubes y selecciones del mundo con la finalidad de sacar ventaja deportiva sobre su oponente y de maximizar el rendimiento de sus jugadores en los diferentes partidos o juegos en determinadas acciones en zonas del campo. Como menciona Genaro López, analista de datos de la federación de Vóley de Argentina (FNVA): “No es lo mismo que no sepas qué va a hacer el rival a que tengas una idea muy clara de lo que hace en diferentes situaciones. No me gusta decir que la estadística gana partidos, pero es una herramienta esencial para que vos entiendas qué es lo que pasa y lo que va a pasar”. En mi opinión, el big data es una gran información complementaria a los jugadores para sacar ventajas complementarias y analizar posibles escenarios del juego. Sin embargo, utilizarlo en su máxima capacidad y totalidad podría no resultar exitoso, ya que, como mencioné antes, la mayoría de los equipos que lo aplica, hasta el día de hoy no ha conseguido un resultado exitoso, ya sea a mediano o largo plazo. Lo que sí no podemos pasar por alto es que el big data y la tecnología han venido para quedarse y marcará un hito histórico en el mundo del deporte para las siguientes generaciones, por el hecho de que los deportes que conocemos podrían cambiar por completo.
Deja una respuesta