5 buenas prácticas para aplicar el Big Data en un equipo de fútbol
El Big Data está revolucionando el mundo del fútbol. El Liverpool, Barcelona, Arsenal, Manchester City, entre otros, ya están utilizando el análisis de datos para mejorar el rendimiento del equipo, analizar rivales, prevenir lesiones y optimizar la gestión del mercado de pases.
Durante este último mes tuvimos la oportunidad de visitar el campo de entrenamiento del Arsenal y de los Seattle Sounders, además de presenciar la capacitación de StatsBomb en Londres y la conferencia Sounders Sports Science & Analytics.
A lo largo del viaje pudimos intercambiar ideas y aprender de personas que aplican Big Data en el Liverpool, Arsenal, Milan, Leicester City, Seattle Sounders y Toronto FC, entre otros.
A partir de estos encuentros, nos gustaría explicar cuál creemos que es la función del análisis de datos en un cuerpo técnico/club y cuáles son las mejores prácticas para su incorporación.
Big Data en los Clubes
El objetivo principal de la utilización de datos es obtener información adicional para tomar cualquier tipo de decisión , ya sea a nivel cuerpo técnico o dirección deportiva.
El uso de este tipo de análisis permite reducir tiempos, mientras que las conclusiones obtenidas pueden ser utilizadas para generarse nuevas preguntas sobre aspectos que pueden estar escondidos o como fuente objetiva para confirmar/rechazar pensamientos, intuiciones y diagnósticos del cuerpo técnico.
Si bien la incorporación de los datos en un equipo tiene muchos beneficios, una aplicación incorrecta nos puede llevar fácilmente a a conclusiones erróneas y malas decisiones. Para evitar que esto suceda, veamos los principales puntos a tener en cuenta a la hora de realizar análisis de datos.
1. Utilizar los datos como herramienta complementaria
Así como el dato es una información adicional para la toma de decisiones, es necesario complementarlo con otros tipos de análisis para que sea una herramienta poderosa. Esto quiere decir que el análisis de datos no debe ser utilizado como única fuente de información para tomar una decisión.
Si bien los datos pueden guiarnos en la búsqueda de nuevos refuerzos, nadie va a fichar un jugador o dejar de hacerlo solamente basándose en sus números.
2. Contextualizar el dato
El dato por sí solo no tiene ningún sentido. Para poder obtener conclusiones sensatas es importante siempre agregarle algún tipo de contexto.
Por un lado, utilizando benchmarks podemos saber si el valor medido es alto o es bajo. Dependiendo del objetivo del análisis, esta comparación puede hacerse con valores históricos (para el mismo jugador/equipo) o con números de otros jugadores/equipos que sean comparables.
Por ejemplo, que un jugador haya recorrido 10km en un partido no nos dice mucho. Pero si luego vemos que ese jugador recorre en promedio 14km por partido, podemos entender mejor ese valor.
Por otro lado, es fundamental mantener la visión futbolística y no dejarse llevar por la matemática. Dado que todo dato va a depender de las tácticas y estrategias de cada equipo, hay que analizar cómo estas cosas impactan en las métricas de evaluación.
Sería un error, por ejemplo, utilizar el porcentaje de pases correctos para comparar defensores de equipos que salen jugando con otros que están en equipos con un estilo más directo.
3. Diferenciar lo importante de lo interesante
El fútbol está lleno de estadísticas: goles, remates, pases, quites, etc. El desafío entonces es saber cuáles de ellas realmente sirven para evaluar y tomar decisiones y cuáles son solamente un número.
Por un lado, hay que seleccionar métricas que sirvan como indicadores de lo que se quiera medir. Esto implica, por ejemplo, utilizar la métrica de Goles Esperados (xG) como un primer indicador del rendimiento ofensivo y defensivo en vez de la cantidad de remates realizados/recibidos.
Pero por otro lado, las métricas seleccionadas deben estar alineadas al estilo de juego del equipo. Por ejemplo, la cantidad de pases que hacen los rivales en zona baja no tiene importancia si nuestro equipo espera a que el rival supere la mitad del campo para presionar.
Puede suceder también que algunas métricas sean importantes en algunos análisis pero que no tengan mucho sentido en otros. Este es el caso de las distancias recorridos. Para la parte física, está métrica tiene una gran relevancia a la hora de prevenir fatigas y lesiones. Ahora en el aspecto táctico no nos da mucha información ya que no sabemos velocidades, direcciones o posiciones en el campo, entre otras cosas.
4. Comunicar con visualizaciones simples
Este aspecto es muy importante para que el análisis de datos sea utilizado y aplicado de forma correcta. Podemos tener el mejor análisis de datos, pero no sirve de nada si no podemos transmitir las ideas de forma efectiva a directivos o entrenadores.
Dicho esto, las conclusiones obtenidas a partir de los datos deben poder comunicarse en un lenguaje de tal forma que cualquier persona pueda entenderlas y utilizarlas para la toma de decisiones. Tal es así que en muchas ocasiones es preferible sacrificar efectividad de un modelo matemático complejo con tal de mejorar la comunicar y explicación.
Las visualizaciones juegan un rol principal en este aspecto. Las mismas deben ser lo más gráficas y simples posibles. Hay que intentar mostrar la idea principal sin confundir al consumidor final con demasiada información.
Por ejemplo en el gráfico siguiente podemos ver una visualización de la intensidad defensiva de un equipo en un mapa que resulta sencillo de entender.
5. Conocer las limitaciones
Para utilizar el análisis de datos en la toma de decisiones, no es suficiente con saber sus beneficios, sino que también debemos conocer sus limitaciones.
Hay que tener en cuenta que, si bien hay muchas cosas que los modelos matemáticos pueden aproximar, éstos nunca van a ser 100% exactos.
Por ejemplo, si utilizamos los Goles Esperados para evaluar ofensivas y defensivas, debemos saber que este modelo solamente tiene en cuenta remates. Esto quiere decir que no vamos a contabilizar las situaciones de gol, no importa cuan peligrosas sean, que por alguna razón no haya habido un remate.
Otra información difícil de detectar por la forma en que hoy se recolectan los datos es la orientación corporal del jugador. Entonces si analizamos las posibilidades de pase que tuvo un jugador en algún momento del partido, es probable que varios de esos pases hayan sido imposibles de realizar debido a la orientación del cuerpo.
Conclusión
En resumen, a la hora de utilizar los datos en el futbol no debemos olvidarnos de que su poder radica en ser un complemento a otros tipos de análisis.
Además, para poder obtener conclusiones accionables y relevantes, debemos elegir las métricas de forma tal de que sean buenos indicadores de lo que querramos medir, que tengan en cuenta el contexto y que sean importantes para el estilo de juego del equipo. Estas conclusiones deben ser comunicadas de forma visual y simple, para que cualquiera dentro de un equipo pueda entenderlas y utilizarlas en la toma de decisiones.
Por otra parte, debemos entender que los modelos matemáticos no son 100% exactos y por ende hay que considerar las limitaciones cuando los utilizamos.
Los datos están revolucionando el mundo del fútbol y los mejores equipos del mundo ya están utilizándolos para tomar decisiones inteligentes.
Si estás interesado en incorporar el análisis de datos en tu club, te invito a escribirnos por mail a andre@bdatafutbol.com o vía Twitter.
Si crees que los datos y las nuevas tecnologías ayudan a entender mejor el fútbol y aportan información adicional a lo tradicional visita bdatafutbol.com y siguenos por Twitter.
