El nuevo paradigma tecnológico.

En los últimos años, es evidente que la sociedad ha ido transformándose y adaptándose conforme a los cambios en diferentes aspectos de la vida y cada vez con más presteza. El auge de la tecnología de la información, de las social networks y del streaming OTT ha originado un nuevo paradigma en nuestra sociedad y ha puesto de manifiesto la necesidad imperiosa de gestionar eficazmente grandes volúmenes de datos con el fin de tomar decisiones eficientes respecto al comportamiento de los clientes y a sus hábitos de consumo cada vez más volubles. La herramienta que da nombre a dicho procesamiento de datos está extendida a nivel mundial y se denomina Big Data. Ya desde sus orígenes, las grandes empresas han ido invirtiendo considerables cantidades de dinero tanto en innovación tecnológica como en recursos humanos cuya principal demanda de trabajo ha sido la búsqueda de personas con perfiles profesionales cualificados que supieran manejar, analizar e interpretar grandes cantidades de datos que las empresas iban almacenando con el fin de optimizar la actividad y cumplir con los objetivos estratégicos de manera eficiente.

Nos encontramos en la era del Big Data, la tecnología disruptiva de la última década, y eso es innegable debido al rápido desarrollo tecnológico y a la difusión de una amalgama de dispositivos electrónicos que nos han llevado vertiginosamente a generar datos continuamente ya sea navegando por Internet, realizando compras con tarjeta, usando el transporte público o por el simple hecho de moverse por la ciudad (geolocalización). Toda aquella acción que pueda ser almacenada, analizada e interpretada queda supeditada por esta magnífica y pragmática herramienta cuya misión principal es facilitar el entendimiento de la conducta y las pautas del consumidor final a través del análisis de datos.

Para ahondar más en su significado y resaltar su importancia, es necesario resaltar las 5 variables que se identifican y se establecen a la hora de la utilización del Big Data conocidas como "las 5 uves": Volume (volumen), Velocity (velocidad), Variety (variedad), Veracity (veracidad) y Value (valor).

Como se ha dicho anteriormente, el uso del Big Data se ha extendido en la mayoría de los sectores de actividad pero principalmente tiene su peso en el negocio de la tecnología, las telecomunicaciones, las finanzas y, obviamente, en el deporte en cuya actividad se encuentra su génesis en cuanto a su aplicación de forma permanente en un determinado sector. Sin embargo, su verdadero nacimiento lleva el sello y firma de Google, la gran compañía multinacional de la tecnología de la información, a través de su sistema de ficheros distribuidos Google File System (GFS) que vio la luz en 2003.

Aplicación del Big Data en el deporte profesional.

A continuación, vamos a detallar algunas de las utilidades actuales del Big Data en dos de los deportes más practicados e importantes del mundo, y conocer qué valor aportan tanto al cuerpo técnico como a los propios jugadores.

BALONCESTO

El baloncesto, por la naturaleza de su juego, es capaz de generar una gran cantidad de datos objetivos durante cada partido. La NBA y sus franquicias llevan años apostando fuertemente por la estadística avanzada promoviendo la investigación y publicación de “papers” que permitan sacar un mayor rendimiento de la cantidad de datos que genera y almacena dicho deporte. Igualmente, las propias franquicias de la NBA cada vez dan más importancia, dotando de una gran inversión y de responsabilidades a sus equipos en “Data Science”.

Uno de los aspectos a favor del tratamiento del Big Data es que permite predecir y optimizar las jugadas con una mayor exactitud. Actualmente, existen modelos de predicción que te permiten anticipar el devenir de un partido. Evidentemente, no siempre vas a saber al 100% lo que va a suceder en un partido, no obstante, cada vez más entrenadores utilizan estos modelos para tener más información y poder adaptar su planteamiento en función de las predicciones.

Asimismo, han surgido nuevas plataformas como Homecourt, una aplicación móvil que a través de tú propia cámara te permite capturar tus tiros, movimientos, velocidad generándote estadísticas. De esta manera, puedes conocer tu nivel real de habilidad, analizando y aportando “feedback” en tiempo real para que puedas ver al momento que necesitas mejorar. Esta aplicación móvil se convirtió en 2019 en partner oficial de la NBA y su difusión en el corto plazo ha sido significativa.

Otro de los nuevos conceptos surgidos a través del Big Data es el “ghosting”. A través de la inteligencia artificial, esta aplicación permite comenzar determinadas secuencias de juego y luego simular cómo podría ser esa jugada en diferentes supuestos. Dicho término hace referencia a estos movimientos simulados y su objetivo es el de aprender a tomar mejores decisiones, al averiguar cuál es la secuencia de juego en ese inicio de jugada que tiene mayor probabilidad de acabar en éxito.

El nombre de la herramienta se denomina Bhostgusters y pretende convertirse en un “must” a pie de pista ya que, con una tablet, los cuerpos técnicos pueden analizar todos los posibles escenarios en una hipotética jugada. Este modelo conoce los patrones defensivos específicos de cada equipo de la NBA y puede resultar sumamente útil dado que, en función del inicio temporal de una jugada, el programa puede adaptar el ataque del equipo al sistema defensivo del rival.

Representación de una jugada en un partido de la NBA

En la figura de la izquierda observamos el esquema táctico de la jugada. En la figura de la derecha observamos la disposición defensiva ante dicha jugada de Houston (rojo) y Milwaukee (verde) en el momento del tiro (disposición ofensiva en azul). Los Rockets no defienden del todo bien el tiro de media distancia, mientras que los Bucks están mejor posicionados para hacer una defensa más atenta, resultando en un menor punto esperado (EP=expected points).

FÚTBOL

El fútbol a diferencia del baloncesto, no está tan correlacionado con los datos. Es decir, buenas estadísticas no siempre significan que un equipo sea mejor que otro. Esta ha sido una de las principales causas por las que el sector ha sido escéptico a la "data" y ha tardado en aceptar su tratamiento como una herramienta de mejora. Esta tendencia, ha cambiado en los últimos años y cada vez más equipos implementan el Big Data. Una de las principales utilidades es a la hora de mejorar el proceso de Scouting. Gracias al almacenamiento de datos en el fútbol, surgen plataformas como Wyscout o Driblab las cuales proveen a los equipos de bases de datos con videos, estadísticas e información de cada jugador, partido o competición.

A partir de ahí, los clubes pueden filtrar en función de las características que buscan de un jugador, reduciendo el proceso de toma de decisión y aumentando las probabilidades de éxito. Por supuesto, la elección fichar o no a un determinado jugador siempre va a ser subjetiva, sin embargo, los datos proporcionados por dichas plataformas te proveen de una mayor información y apoyo en la toma de decisión.

Por otro lado, el Big Data es un medio para explicar mejor el rendimiento de un equipo o jugador. Durante un partido de fútbol se recopilan aproximadamente unos 8 millones de datos y/o estadísticas. El Big Data permite cruzar todos estos datos para que los cuerpos técnicos puedan realizar un análisis mucho más profundo, detallado y objetivo. A continuación, os mostramos una serie de imágenes que reflejan algunos ejemplos de la información obtenida gracias al Big Data:

Gráfica de conversión de tiros a puerta/partido en los equipos de LaLiga 20/21

Análisis estadístico de los goles y probabilidad de gol de Cristiano Ronaldo

Análisis estadístico del rendimiento global de Lionel Messi

Por último, cabe hacer hincapié en que el Big Data también tiene un papel primordial en la prevención de lesiones y en la preparación física. A través del “tracking” de los jugadores en el terreno de juego, es posible medir el número de metros recorridos, sprints, saltos, cambios de dirección, etc. Esto permite a los clubes trabajar con modelos que contabilizan el número de cargas a mayor y menor intensidad facilitando al entrenador el saber cuándo tiene que cambiar a un jugador porque tiene un alto porcentaje de probabilidad de lesión o, por ejemplo, el modificar la intensidad de un entrenamiento o posponerlo si hay una gran cantidad de jugadores en riesgo.