El big data que revoluciona el tenis: Nadal enojado o Federer feliz, ¿quién tiene más chances de ganar un punto?

Los analistas de datos del Abierto de Australia ya trabajan con reconocimiento facial de tenistas para generar patrones que anticipen si un jugador ganará el siguiente punto de acuerdo a su enojo o alegría. La base de datos consta de 1.733 imágenes faciales de hombres y mujeres que corresponden a videos de 505 partidos. Las expresiones se dividen en siete categorías diferentes. La fase beta del proyecto indica que un Rafa Nadal contrariado tiene altas posibilidades de perder el siguiente punto, mientras que un Roger Federer exultante, sube un 19 por ciento las chances de ganar la próxima pelota. El éxito de una revolución puede juzgarse por sus logros, sus cambios de época y por lo que inspiran a futuro. La revolución de los datos en el Abierto de Australia merece que se la reconozca por sus intenciones y su gran ambición.

Tennis Australia, con la colaboración de Victoria University de Melbourne, creó una estructura llamada Game Insight Group (GIG) con el propósito de reinventar el uso de las estadísticas y el big data en el tenis. Australia tiene varias de las mejores instituciones dedicadas a las ciencias del deporte y Victoria University está a la vanguardia de esas investigaciones académicas que publica con regularidad. Pocos deportes en el mundo generan tanto volumen de datos en forma simultánea como el tenis, pero se trata de una información desordenada, sin conexión y sin interpretación práctica por parte de los analistas científicos. El GIG decidió ordenar sus datos (solo trabaja con el Abierto de Australia) para producir patrones predictivos y mostrar tendencias del juego que hasta ahora se desconocían.

Uno de ellos indica que Roger Federer toma, en promedio, la pelota 39 centímetros antes que los otros diez preclasificados del torneo. Y que en la final contra Rafael Nadal en 2017 le pegaba a la pelota 60 milisegundos antes cuando atacaba la red. Otro dato al azar que explica la táctica en otro contexto: en el día 5 del torneo, Grigor Dimitrov jugó el 40 por ciento de sus tiros con la intención de abrir la cancha y fue líder en ese aspecto del juego. Para dar con esta información, el GIG procura salir del esquema habitual de contabilidad de tiros ganadores, errores no forzados y oportunidades de quiebre, para entrar en otra dimensión de la lectura de los partidos.

Los científicos, por ejemplo, elaboraron un ranking ELO que toma en cuenta variantes más relevantes que la simple posición en el ranking ATP de los tenistas. Esas coordenadas les dan otra valoración a los resultados de los partidos. Luego de cinco mil simulaciones hechas una vez que se sorteó el cuadro principal del campeonato concluyeron que Roger Federer tenía un 38,9 por ciento de posibilidades de ganar el torneo, contra un 7,1 por ciento de Juan Martín Del Potro, que era el cuarto candidato en esa predicción. Esos patrones predictivos, que fluctúan, son realizados y difundidos a lo largo del torneo como una herramienta dinámica para entender lo cambiante del juego. La innovación apunta a combinar las estadísticas del presente con el flujo histórico de datos del tenis. El big data no es otra cosa que un universo de estadísticas acumuladas en el tiempo y procesadas a gran velocidad.

El GIG también apunta la creación de un índice que determine la eficacia de los jugadores frente a los match points. Los científicos concluyen, con razón, que se trata del punto más importante durante el desarrollo de un partido y único en su especie. Al no ser un momento cualquiera del juego, ¿cómo es posible qué no exista un índice que marque cuáles son los jugadores más efectivos para concretar o levantar un match point? ¿Cómo es posible, si esa información está siendo producida en tiempo real por los mismos jugadores en el circuito? La ATP ahora lleva estadísticas de puntos ganados y perdidos “bajo presión”, pero esto sería ir un paso más allá.

Tennis Australia lanzó un “hackaton” global para que más de 600 analistas de todo el mundo procesen millones de datos que son los “desechos” del Ojo de Halcón. Como instrumento creado únicamente para determinar si la pelota entró o no, el Ojo de Halcón produjo en su combinación de imágenes de la pelota en 3D y las posiciones de los tenistas en 2D, un flujo de big data que nunca nadie analizó. Como si fueran millones de gigas producidos en alta calidad que se descartan porque lo único que se quería era generar un meme. El “hackaton” tiene como hipótesis determinar si existe algún modo de predecir cómo termina un punto según el seguimiento de los datos. Esa predicción permitiría, según los científicos, comprender cuál es el gasto físico de un tenista cuando compite y cómo lograr el entrenamiento necesario.

Acá gana el centro de la escena un ausente ilustre: Andy Murray. Un estudio de Stephanie Kovalchik, investigadora de Victoria University y miembro de GIG, encuentra relación en el deterioro físico de los tenistas con la cantidad histórica de games jugados en cemento, la superficie que más daña a los profesionales. Kovalchik demuestra que los tenistas de esta época llegan a los 10.000 games en cemento a una edad más temprana que en la década del 70. El promedio actual indica que acumulan esa cantidad a los 27,6 años, mientras que hace cuatro décadas lo hacían a los 32,6. Andy Murray sería víctima de esa exigencia. Kovalchik se pregunta en su trabajo si los tenistas no deben adecuar sus entrenamiento y calendarios no a la necesidad del circuito, sino al esfuerzo ya hecho durante su carrera.

Desde @TennisAustraliaGIG en Twitter se puede observar el Abierto de Australia con una perspectiva estadística que complemente las transmisiones televisivas y las crónicas de los medios. Los análisis de las métricas no solamente le dan otra profundidad al juego y conocimiento para los entrenadores del rendimiento de los jugadores. También capturan más la atención de una audiencia que cuando abraza los datos, lo que hace es comprometerse más con el deporte que los apasiona.

La revolución de los datos que propone Tennis Australia ya puede ser juzgada por sus intenciones. Pero con una certeza: la manera de analizar el juego ya cambió para siempre.