Sports analytics
El uso de los datos permite tener una ventaja competitiva, pero ¿qué es exactamente el análisis que estos datos proveen?
El término Sports Analytics es usado para todas aquellas estadísticas o datos que ayudan a un equipo deportivo a tener una ventaja competitiva o entender mejor las cosas que suceden en el campo de juego.
“Moneyball”
Este termino se empezó a hacer popular a raíz de la película de 2011 llamada Moneyball protagonizada por Brad Pitt y Jonah Hill (si no la has visto, te la recomiendo). La película está basada en un libro con el mismo nombre, escrito por Michael Lewis en 2003; y el libro es sobre el equipo de MLB, los Oakland Athletics, durante la temporada de 2002.
El beisbol es un deporte muy relacionado a las estadísticas desde hace muchos años, casi desde que se inventó. Cualquier seguidor casual del deporte entiende algunos términos del juego, como el promedio de bateo: número que resulta de la división de los hits de un jugador entre el número de turnos al bat. Algo como “qué tan exitoso es un jugador en hacer un hit”. Sin embargo, el libro Moneyball tiene como premisa la idea de que este tipo de estadísticas usadas durante un siglo entero, cuentan sólo una parte de la historia, y no la más importante. Es así que propone otras estadísticas (como porcentaje en base y slugging) como mejores indicadores del éxito de un jugador.
De esta manera, surgió la teoría de que había jugadores que el mercado subvaloraba porque se basaba en las estadísticas “de toda la vida”, y los Oakland Athletics pudieron explotar esto para competir con equipos que gastaban mucho más que ellos en salarios de jugadores. A este tipo de “revolución” se le llamo primero sabermetrics (sabermetría en una traducción rara) pero ahora formó a ser parte del paraguas que conocemos como sports analytics.
Otros deportes
El beisbol fue el primer deporte en adoptar de manera generalizada este tipo de estadísticas avanzadas y la evaluación de los jugadores a raíz de esto. Principalmente porque es un deporte donde todo se mide de forma constante y donde muchas de las acciones del juego tienen un resultado binario (éxito - hit o fracaso - out). Sin embargo, al día de hoy, el uso de estadísticas avanzadas ha permeado en casi cualquier deporte de alto rendimiento.
Por ejemplo, en el basquetbol el primero en aventurarse a hacer algo similar fue Dean Oliver, justamente inspirado por lo que había leído en Moneyball. Al día de hoy, existen muchas métricas para medir el desempeño de los jugadores. Las más famosas son PER de John Hollinger, Real Plus Minus (RPM) o RAPTOR de la página FiveThirtyEight. Al final del día, lo que busca cualquiera de estas estadísticas es medir de forma “objetiva” cuánto aporta cada jugador a una victoria.
En el caso del futbol se están haciendo esfuerzos para poder incorporar los datos al análisis de los equipos, pero es apenas una idea en desarrollo. Quizás la métrica más conocida al día de hoy son los xG o “Expected Goals”, que es incluso un dato presentado comúnmente en las transmisiones televisivas. Como su nombre lo dice, es un número que nos indica qué tan probable es que cada tiro a gol, termine siendo gol. En ese sentido, no es lo mismo un tiro a 15 metros de distancia con 6 jugadores rivales enfrente, que uno a 30 centímetros sin nadie más entre la portería y balón. Es mucho más probable anotar gol en el segundo caso.
Por otro lado, el futbol americano también se encuentra en fases muy iniciales para la incorporación de estas estadísticas; sin embargo, avanza a mucho mayor velocidad que en el futbol. Esto sucede seguramente por una mayor apertura cultural, resultado del éxito de este análisis en otros deportes estadounidenses, y también porque el conocimiento se comparte entre los mismos. Las estadísticas más conocidas aquí son el EPA (Expected points added) y WPA (win probability added). Nuevamente, se mide cuánto valor agrega (o resta) cada jugada al resultado general, y por lo tanto a la probabilidad de ganar el partido.
Limitaciones
Como mencionado anteriormente, este término se puso de moda en el beisbol y entonces todo mundo quiso replicarlo en cualquier deporte. Sin duda hay cosas que se pueden medir, analizar y mejorar en todos los deportes; pero también hay muchas otras que no, y otras que aunque son medibles, no se está seguro de su efecto. Pongo un ejemplo de futbol: una barrida exitosa, en teoría tendría que ser algo bueno. Pues al final de todo recuperaste el balón para tu equipo y seguramente evitaste una acción que podría terminar en gol. Sin embargo, muchas veces el recuperar el balón por medio de una barrida quiere decir que tú o alguien de tu equipo estaba mal colocado, o que lo superaron y la barrida fue el ultimo recurso. Es aquí donde no se vuelve tan evidente si es algo bueno o malo o algo entre ambas cosas.
De la misma forma, en otros deportes ocurre un efecto similar. Por ejemplo, en el basquetbol los rebotes ofensivos son algo bueno porque le das una oportunidad extra a tu equipo para anotar. Pero para que haya un rebote ofensivo, tú o alguien de tu equipo falló un tiro, algo que es negativo. Es decir, que si un equipo tuvo muchos rebotes ofensivos es porque en primer lugar falló muchos tiros.
Estos ejemplos son algunas de las limitaciones de ciertos datos o estadísticas; sin embargo, hay una mucho más importante: la limitación misma de no tener datos. Tener sistemas que recopilen, organicen y almacenen grandes cantidades de datos suele ser muy caro (aunque cada vez disminuye más su precio). Esto hace que solo ciertas ligas o ciertos equipos tengan acceso a los datos, creando desventajas competitivas o simplemente la imposibilidad de usarlos.
A futuro
Es un hecho que el uso de estadísticas avanzadas en el deporte llegó para quedarse. Nadie duda, aún con sus limitaciones, que permite obtener ventajas competitivas sobre tus rivales o por lo menos entender el juego con mayor profundidad para poder mejorar. El siguiente paso, que ya empezamos, es medir todas las acciones de los jugadores por medio de GPS y sistemas que nos digan en cada momento qué está pasando. El reto ahora será procesar todos esos datos y generar información que realmente agregue valor.
Siendo un fanático y creedor ferviente del tema, me salta otra pregunta. En nuestro afán por ser mejores, más eficientes, equivocarnos menos y obtener los mejores resultados, ¿dónde queda la parte de juego, de creatividad y de “arte” del deporte? ¿Estamos eliminando poco a poco a los “locos” que nos emocionan cuando juegan, para favorecer a los “robots” que ejecutan sin errores? Estas son algunas reflexiones que no tienen una respuesta correcta y concisa, pero me gustaría dejar sobre la mesa.
Hasta aquí la publicación del día de hoy pero como siempre, se agradecen los comentarios y si te gustó que la compartas con tus conocidos o en tus redes sociales ¡Ayúdame a llegar la mayor cantidad de gente que podría interesarle!
Aquí te dejo mis redes sociales por si quieres decirme o preguntarme algo, y el botón para suscribirse que es la mejor forma para no perderse ninguno de los contenidos.
Y recuerda que aquí puedes ver todo lo que he escrito hasta la fecha.
¡Muchas gracias y hasta el próximo sábado!
Andrés, estás logrando que me interese en temas que nunca lo hubiera imaginado. ¡Qué interesante reflexión! Gracias!!