La competición deportiva ha cambiado mucho en los últimos años y aún tiene mucho que evolucionar. El mercado del análisis deportivo movió en 2020 más de 920 millones de euros, según Grand View Research, y se estima que para 2025 ascienda a 3.380 millones, según indica “El País”. Para estos cálculos se tiene en cuenta que 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.
Son estimaciones a medio plazo, pero a día de hoy la recopilación de datos sobre el rendimiento deportivo y su tratamiento se ha vuelto clave. Podríamos decir que: “El big data y la analítica avanzada están revolucionando el mundo del deporte y el perfil del analista de datos con big data se está convirtiendo en esencial en muchas entidades deportivas, siempre buscando mejoras y ventajas competitivas”.
Pero… ¿De qué se trata esta revolución? La introducción del big data en el fútbol ayuda a potenciar las capacidades de los jugadores y a mejorar su rendimiento, proporcionando al personal técnico la oportunidad de predecir y tomar decisiones relevantes con respecto a su alineación. Además, es innegable que su aplicación ha repercutido en la gestión de la información, permitiendo a los equipos realizar evaluaciones exhaustivas como nunca antes habían hecho así como también, ayudando en la prevención de lesiones.
De esta forma, podemos obtener modelos más completos de gestión deportiva gracias a la aplicación del big data y el análisis de los datos. así como rendimientos superiores en los equipos de fútbol. Esto está obligando a que las futuras investigaciones sobre el fútbol tengan que adoptar un enfoque multidisciplinario más completo, donde el cuerpo técnico incluya principalmente analistas de rendimiento, científicos del ejercicio y biomecánicos, para poder dar sentido a los conjuntos complejos de datos. Por consiguiente, las futuras colaboraciones entre los analistas de datos y los deportivos serán la clave para aplicar estos enfoques de manera más eficiente. Y, el hecho de depender cada vez más de técnicas de análisis de datos más desarrolladas plantea nuevos desafíos a los futuros científicos deportivos.
Entonces, ¿a qué hace referencia el Big Data en el fútbol? A la acumulación de una gran cantidad de datos o de información, así como a los procedimientos empleados para encontrar patrones repetitivos en el proceso de análisis de dichos datos. En el fútbol este término se engloba dentro del ámbito de las tecnologías de la información y de la comunicación (TICs).
Big Data es el hecho de que todo lo que hacemos deja un rastro digital (o no) que se puede recoger, transformar y analizar para tomar decisiones.
Contenido
¿Por qué utilizar Big Data en Fútbol?
Conocerse y conocer al rival
Una de las vertientes que ha sido clave desde el inicio del big data en el deporte es la creación de una estrategia basada en datos. “Se presentan múltiples opciones relacionadas esencialmente con el análisis del equipo propio y del rival, comúnmente conocido como entorno competitivo. En este sentido, se utilizan múltiples métricas, unas más personalizadas y otras menos, que sirven para describir de forma objetiva modelos de juego, sistemas, ocupación de espacios y, por descontado, características de plantillas y jugadores”, apunta David R. Sáez, CEO de Sports Data Campus.
El CEO de Sports Data Campus destaca que cada vez cobra más interés el videoanálisis. Existen muchos informes que se apoyan en la visualización de imágenes de vídeo para extraer conclusiones. Las nuevas tecnologías de análisis de imagen permiten obtener una creciente información de estos documentos.
Daniel Pérez, analista de fútbol, pone el foco sobre los deportes individuales, normalmente más fáciles de analizar. “En ciclismo, por ejemplo, [el big data] se usa mucho para medir rendimientos individuales en directo. De esta manera pueden intentar predecir los esfuerzos que necesita hacer el ciclista en cada momento para lograr determinado rendimiento. El rendimiento en ciclismo es en cierta forma más simple que en fútbol. Por ese motivo es mucho más efectivo a día de hoy”.
Evitar lesiones en los jugadores
El cuidado de los deportistas y de los atletas es otra de las aplicaciones importantes de la analítica de datos. “Se usa con el fin, no solo de alargar su carrera deportiva, también para minimizar los riesgos de lesiones”, expone Sáez, en referencia al fútbol en este caso.
Aquí, la información proviene de fuentes muy diversas, que influyen en la salud del atleta. “Se juntan datos deportivos, biométricos, físicos, genéticos, químicos. Y se aprovechan todos para diseñar modelos de entrenamiento con una gestión de cargas personalizada, con el objetivo de prevenir lesiones, sobre todo las provocadas por la sobrecarga muscular”.
Captación de talento
Tanto en el fútbol como en otros deportes destaca el papel de la analítica avanzada en los fichajes. En el deporte rey actualmente es la aplicación principal: la captación de talento.
En fútbol puedes tener un jugador con unas determinadas características que ha funcionado bien en tu equipo, es decir, en un contexto donde se ha relacionado con otros 10 jugadores en el campo, no sin puntualizar que el rival también juega un papel que merece análisis aparte. El big data te ayuda a encontrar a ese jugador adecuado para cualquiera sea la ocasión, haciendo uso de las variables adecuadas.
Después de recoger la información sobre el juego y el rendimiento de los jugadores hay que procesarla. Esta es otra parte crucial, pues define qué es lo que importa y en qué grado. Al mismo tiempo, en esta fase es donde se modera el peso de los factores que no son tan fundamentales en el resultado final.
La limpieza y el tratamiento de los datos se suele realizar a través de lenguajes de programación como R o Python. Destaca PySpark para el diseño o la utilización de modelos y algoritmos de machine learning, enfocados al diseño de modelos analíticos, predictivos o de inteligencia artificial.
Visualización
Una vez realizado el tratamiento, dependiendo del usuario que vaya a trabajar con los resultados, estos se presentan de una y otra forma. En cuanto al diseño de cuadros de mando o presentación de los informes existen múltiples herramientas. Es clave para que el proceso sea eficiente la parte conocida como ‘visualización’.
En muchas ocasiones esta visualización está orientada a personas como entrenadores, directores deportivos, fisioterapeutas. En definitiva, gente que tiene que tomar decisiones sobre ciertos aspectos de la competición y de los deportistas. Pero no son perfiles especializados en datos, con lo que la información tiene que transmitirse de forma fácil de ver.
Toma de decisiones informada
A partir de aquí es cuando entran en juego las conclusiones extraídas de todo el proceso. Se convierten en un factor para la toma de decisiones, uno que cada vez tiene mayor relevancia. Entrenadores, ojeadores o directores deportivos cada vez utilizan más herramientas big data en sus procesos de decisión, pero los analistas de datos no están desligados de estos profesionales del deporte. Es esencial que el científico de datos que trabaje en el medio deportivo tenga claros los conceptos del juego porque sus análisis, desde la fase de génesis, tendrán mucho más valor.
Después de todo, hay que recordar que el big data se emplea como complemento al conocimiento de los profesionales deportivos. Su uso es creciente pero aún desigual entre diferentes disciplinas. Cabe hacer una distinción entre deportes individuales y de equipo, ya que en un deporte individual tienes menos variables que analizar y el entorno está mucho más controlado. En un deporte de equipo, las posibilidades se multiplican. La clave y la complejidad es la interacción. De ahí que sea más difícil de analizar.
¡Mantente atento a la segunda parte de este post donde te contamos todo sobre cómo aplicarlo!
Y si ya tienes claro que el Big Data es a lo que te quieres dedicar, pues entonces qué esperas para realizar nuestro Máster en Big Data Deportivo.
