Mejorando la toma de decisiones en el fútbol usando Big Data
Tu equipo no consigue resultados. Tu 9 titular no logra hacer goles. ¿Qué hacés? ¿mantenés al DT o buscás otro? ¿Le seguís dando la titularidad al 9 o probás con un suplente?
Dirigentes, managers y entrenadores viven en un mundo lleno de situaciones complejas, en las que no existe una respuesta correcta. Y aún así, tienen que tomar decisiones importantes. En casos como estos, las decisiones se toman por instinto y guiadas por resultados a corto plazo, con poca información para analizar el problema.
Equipos y jugadores son evaluados por sus resultados. Pero sabemos que el fútbol va más allá de los resultados: el azar de una jugada muchas veces es la que define partidos y campeonatos.
Entonces, ¿cómo podemos analizar equipos y jugadores para tomar decisiones más inteligentes?
Big Data
Big Data nos permite utilizar situaciones del pasado para predecir resultados futuros.
Podríamos evaluar los rendimientos de un equipo o jugador en base a la cantidad de tiros al arco hechos o recibidos. Pero el problema es que no todos los tiros son igual de peligrosos.
Para medir esa peligrosidad usamos un modelo de Big Data que determina la calidad de cada tiro realizado y recibido considerando diferentes variables, independientemente de si resultó en gol o no. El modelo calcula la probabilidad de que un tiro se transforme en gol usando como referencia situaciones similares provenientes de partidos del pasado.
Basado en otros modelos similares (Michael Caley, Stats Bomb, Mister Numbers y 11tegen11), la información utilizada es:
Del Big Data a la realidad
La manera de evaluar si este modelo sirve para analizar el rendimiento de equipos y jugadores es comparándolo con la realidad. En el gráfico siguiente vemos que la predicción del modelo y los goles reales convertidos son muy similares.
El modelo demuestra que a lo largo del tiempo, los goles convertidos de un equipo tienden a igualar la suma de sus goles esperados. Por lo tanto, podríamos esperar que los goles esperados de un equipo terminen coincidiendo con la realidad a lo largo del tiempo. De esta manera, el modelo nos permite predecir el futuro de un equipo o un jugador a partir de la diferencia de estos dos valores.
Por ejemplo, se puede pensar que un equipo que convierte menos de lo que indican sus goles esperados tienda a hacer más goles en las próximas fechas, y viceversa. Así como también se espera que un delantero convierta más si la suma de sus goles esperados excede significativamente sus goles convertidos.
Aprendizajes
Este modelo nos permite poder evaluar y predecir el rendimiento de jugadores y equipos. Esta herramienta les da a dirigentes, managers y entrenadores la posibilidad de analizar las situaciones complejas que afrontan en el día a día y de esta manera, tomar decisiones más inteligentes.
Si sos parte de algún cuerpo técnico o sos periodista y te interesa este tipo de análisis, contactame por Twitter o por mail a brener.andre@gmail.com.
