Suscriptor digital

Cómo los datos pueden mejorar la química de los jugadores de un equipo

Marcelo Gantman
Marcelo Gantman PARA LA NACION
Simon Williams, creador de un software que optimizó las paradas en boxes de McLaren en 2007
Simon Williams, creador de un software que optimizó las paradas en boxes de McLaren en 2007
(0)
29 de mayo de 2018  • 01:42

"Los datos sirven para objetivizar situaciones. Parto de la base de que nuestros procesos mentales son limitados y que sabemos menos de lo que creemos. Los datos en esos casos ofrecen una visión real de las cosas". El pensamiento es de Pepe Sánchez, miembro fundador de la Generación Dorada, durante una conversación sobre el uso del big data aplicado al funcionamiento de los equipos de la NBA . Según estadísticas procesadas por Quantum Black, compañía dedicada al análisis de datos para el mundo de los negocios, Dallas Mavericks, campeón en 2010/11, mejoraba en 0.033 puntos por posesión cuando combinaba a Dirk Nowitzki y Jason Terry en ataque. Otras métricas analizadas en la temporada 2005/06 mostraron cómo San Antonio Spurs incrementaba en 0.04 puntos por posesión sus registros cuando en la cancha se unían en defensa Tim Duncan y Rasho Nesterovic.

En los dos casos la hipotésis de trabajo era cuantificar, poner de relieve, la sinergia entre pares dentro de la cancha. Siguiendo la idea de Pepe Sanchez, los datos que no están a la vista pueden ser el punto de inflexión para promover la química entre dos jugadores dentro de un conjunto.

"Eso sirve para la NBA y para cualquier organización que funcione en equipo. Hay formas de medir la química entre pares de acuerdo a cómo actúan en red. En el deporte, de acuerdo a cómo se dan los pases, cómo rinden incluso por separado, esos datos generan patrones de comportamiento. Si luego se cruzan los datos individuales, se optimizan las tácticas y se analizan las causalidades, se puede establecer que la química de dos jugadores en la parte ofensiva ó defensiva mejora el rendimiento de un equipo", cuenta desde Londres Simon Williams, fundador y director de Quantum Black, poco antes de ser orador en una jornada de transformación digital esta semana en Buenos Aires.

Williams modeló su experiencia en el análisis de datos en 2007 en el mundo de la Fórmula 1 y en alianza con McLaren. Con su compañía SmithBayes crearon un software para reducir los tiempos de detención en boxes a partir de un algoritmo que combinaba de un modo diferente toda la información que surgía de la escudería. "Desarrollamos un software para la estrategia de carrera los domingos con la recopilación de todos los datos de la competencia. La aplicación de diferentes capas analíticas de esa información luego nos permitió trabajar en las dos carreras que tiene un equipo en la Fórmula 1. Una es la de cada domingo y la otra es la del campeonato. Descubrimos en ese entonces cómo trabajar mejor con los datos para mejorar el auto en la semana", cuenta Williams.

Quantum Black también analizó datos para la Premier League. Con métricas históricas consiguieron predecir en un 90 por ciento las lesiones que no tienen que ver con el impacto entre futbolistas. "Al analizar datos de dos años se pudo predecir 170 sobre 184 lesiones musculares registradas -dice Williams- Eso significa que un equipo o una organización puede intervenir en todo un proceso para cambiar entrenamientos, en función de los partidos que tienen y el esfuerzo que hacen los jugadores. Son datos masivos muy significativos".

Simon Williams no cree que el manejo de grandes volúmenes de datos haga menos humano al deporte: "Sigue siendo una actividad totalmente humana y eso es lo que emociona a la gente. Muchas veces se malentiende el uso de los datos para generar algoritmos que intenten dar una respuesta perfecta a todo. Y es más complejo que eso. Lo fascinante es que los deportistas usan los datos para mejorar y ser todo lo mejor que ellos puedan ser. Los datos son evidencia, que además puede hacer que el las opiniones de los fans sean aún más valiosas...".

Al margen da los casos comentados en NBA, Fórmula 1 y la Premier League es habitual que las compañías dedicadas al análisis del big data mantengan en reserva con quienes trabajan y ofrezcan precisiones. Williams asegura que en trabajo que hacen con deportes olímpicos se pueden ver las ventajas del uso de los datos: "Estamos desde hace casi seis años con una organización olímpica, de un país en particular. Los hemos ayudado con analíticas de por lo menos 14 deportes olímpicos para que encuentren la información valiosa y puedan entenderla. Luego, algunos deportes la toman en cuenta y otros no. Pero lo interesante es cómo eso puede modificar los métodos de entrenamiento y coaching. Hay como una fertilización en el deporte y un nadador puede aprender, por ejemplo, técnicas de manejo de stress de un entrenador de boxeo..."

Williams entiende que los datos pueden impactar en el futuro en un modo diferente de consumir el deporte: "No estamos capturando datos por los datos mismos, sino por como pueden incrementar rendimientos. En el deporte, en las empresas y también en los fanáticos. Me imagino dentro de poco tiempo a los fans corriendo con sus consolas una carrera de Fórmula 1 en tiempo real. Correr contra Lewis Hamilton, en una pista determinada, contra como está corriendo él en ese momento. Me imagino eso: nuevas aplicaciones y entornos en el que los fans puedan ejercitarse en un ambiente de fútbol contra sus jugadores favoritos.."

Toda una noción de lo que puede ser el deporte del futuro.

La química de Dirk Nowitzki y Jason Terry en Dallas Mavericks, campeón de la NBA en 2011

ENVÍA TU COMENTARIO

Ver legales

Los comentarios publicados son de exclusiva responsabilidad de sus autores y las consecuencias derivadas de ellos pueden ser pasibles de sanciones legales. Aquel usuario que incluya en sus mensajes algún comentario violatorio del reglamento será eliminado e inhabilitado para volver a comentar. Enviar un comentario implica la aceptación del Reglamento.

Para poder comentar tenés que ingresar con tu usuario de LA NACION.

Usa gratis la aplicación de LA NACION, ¿Querés descargala?