Analítica y deportes en equipo: más que un juego de algoritmos

Se requieren los esfuerzos conjuntos de parte de investigadores y entrenadores para diseñar una tecnología de evaluación, prescripción e intervención mayor en cada deporte de equipo, con el fin de comprender la complejidad para aumentar el rendimiento.

El big data en el deporte se emplea sobre todo en obtener inteligencia de los rivales, armar estrategias específicas y en la captación de talento. El mercado global de análisis de datos en deportes se estimó en unos 1.000 millones de dólares para 2020, según la firma analista Grand View Research. Para el ejercicio 2025, el número ascendería a 4.589 millones.

Según Deloitte, en Estados Unidos es donde más rápido se ha adoptado el big data deportivo: mientras que un 97% de los equipos de la Major League Baseball usan analíticas y consultores profesionales, la proporción es del 80% en las franquicias de la NBA, y 56% en los equipos de la NFL (National Football League). En España y otros países el fútbol es el deporte de mayor aplicación, mientras que crece su uso en el baloncesto, el ciclismo, el tenis, el pádel y el rugby, según consignó David R. Sáez, CEO de Sports Data Campus.

A partir de investigaciones es posible modelizar los diferentes escenarios macro (equipo vs. equipo) que pueden determinar las condiciones del juego para el comportamiento de los equipos y jugadores; pero tanto la evolución del marcador como alguna pequeña causa dentro del juego provocará (o no) posteriores evoluciones de las condiciones del partido. En esa imprevisibilidad reside la incertidumbre y la complejidad del juego en los deportes en equipo. Algunas cuestiones que surgen son ¿Tendré que llevar la iniciativa en el partido? ¿O la tendrá el equipo rival? ¿Qué comportamientos son los ideales en cada momento? ¿Debemos tener alternativas de actuación en nuestro juego? ¿Cómo saber cuándo cambiar nuestro modelo de juego?

La relevancia de una estrategia basada en datos, según Sáez, está en la generación del entorno competitivo: “Múltiples opciones relacionadas esencialmente con el análisis del equipo propio y del rival. Se utilizan múltiples métricas para describir de forma objetiva modelos de juego, sistemas, ocupación de espacios y, por descontado, características de plantillas y jugadores”.

El preparador físico de fútbol profesional, Profesor Martín Ezquerra, sostiene “La tecnología está al servicio del deporte, pero hay que darle un buen uso, saber interpretar la infinidad de los datos que provee y conocer para qué sirven”. Y agrega sobre la importancia del procesamiento: “El análisis de los datos sólo es posible a través de la analítica y, aunque un ‘profe’ puede hacerlo solo, lo ideal es que la labor sea interdisciplinaria con analistas de videos, médicos, kinesiólogos y ayudantes de campo para que todos aporten su visión”. Sáez, por su parte, sostiene: “El perfil del analista de datos con big data se está convirtiendo en esencial en muchas entidades deportivas, siempre en aras de encontrar mejoras y ventajas competitivas”. En sintonía, el ingeniero y analista de fútbol Daniel Pérez afirma: “El uso del big data optimiza los rendimientos alrededor del deporte. Permite tener detalles e información que antes no eras capaz de controlar. Y si haces buen uso del big data, tendrás un valor añadido”.

Algunos referentes que se sirven de la analítica para aplicarla en los deportes son los españoles Julen Castellano, David Casamichana y Miguel Ángel Campos, y el inglés Chris Barnes. Estudian variables generales como carreras cortas con cambios de sentido, pasando por detección y aplicación de T-Patterns en la escalada, y el uso del espacio en pelota vasca; analizan parámetros en básquetbol como la duración de las acciones jugadas y el tiempo de pausa, cuantificación de la carga externa e interna, comparación de juegos de entrenamiento y oficiales con tecnología de microsensores, comparación del perfil físico, la capacidad de salto. En fútbol, entre muchas otras cuestiones se estudian desplazamientos, posesión, sistemas de seguimiento de demandas físicas, vínculo entre dichas demandas y el éxito, relación entre indicadores de rendimiento y el logro de los objetivos, comparación de las demandas físicas y fisiológicas de partidos amistosos con las de entrenamiento, influencia del tamaño del campo y horario del partido en la respuesta física, comparación de las demandas físicas en diferentes dimensiones de canchas, influencia de la distancia recorrida en diferentes rangos de velocidad en la anotación de un gol, efectos de juegos reducidos sobre la condición física de jóvenes jugadores, diferencias en el uso estratégico del espacio, influencia del número de jugadores y el área de campo relativa por jugador en la frecuencia cardíaca y las demandas físicas, la percepción subjetiva del esfuerzo en entrenamientos, relaciones en la interacción motriz, y las transformaciones de los contextos de interacción defensivos.