Como el análisis de datos y Machine Learning están revolucionando el Fútbol
Los datos se están convirtiendo en el nuevo eje de revolución de muchos sectores, pero en este artículo quiero poner el foco en en mundo de los deportes, donde la revolución ya ha empezado y lo que viene es muy prometedor.
Los inicios del idilio del deporte con la analítica de datos
El béisbol ya vivió este cambio cuando Billy Beane, entrenador de los Oakland Athletics, revolucionó este deporte en los años 90 al ser el primero en usar la inteligencia de datos.
En esa época todo se basaba en los grandes presupuestos y en tener grandes estrellas en el equipo. Los fichajes se conseguían en base a ojeadores que daban vueltas por los distintos estados buscando nuevos talentos, pero se basaban en su intuición y experiencia nada más.
Los Oakland Athletics no tenían medios económicos y Billy empezó a colaborar con un joven estudiante de economía llamado Paul DePodesta en un sistema matemático que predijese los jugadores más “rentables” (que aportasen más carreras por menos dinero) en base a sus estadísticas de juego.
Si queréis profundizar más en esta historia, os recomiendo la película “MoneyBall: Rompiendo las Reglas” (2011) en la podréis vivir esta revolución y escuchar frases míticas como: “Las personas que dirigen los equipos piensan en comprar jugadores. No deberían pensar en comprar jugadores, sino victorias. Y para eso, necesitan comprar carreras”.
Los 5 ejes sobre los que el análisis de datos están revolucionando el fútbol actual
Con el objetivo de ordenar todos los avances que se están consiguiendo en el mundo del fútbol gracias a este tipo de tecnologías, he organizado la información en base a 5 ejes:
- Entrenador: La mejora de la estrategia
- Jugadores: La mejora de la técnica
- Fans: La mejora de la experiencia
- Equipo Médico: La mejora de la predicción de lesiones
- Apuestas: La predicción de eventos de partido y resultados
Como veréis a continuación, los datos son el nuevo oro, y los diferentes clubs y organizaciones de fútbol están recopilando todos los datos posibles porque saben que les proporcionarán una ventaja competitiva.
1. Entrenador: La mejora de la estrategia
Un punto clave donde las herramientas de predicción basada en datos pueden ayudar es en el análisis de la estrategia planteada para el partido y la predicción del resultado.
En este ámbito se están haciendo muchos avances, y un ejemplo de ello es el proyecto de Disney Research (sí, los de Mickey Mouse) que utiliza Deep Learning y el método “Data-Driven Ghosting” para predecir la probabilidad de gol en una jugada defensiva de tu equipo versus como la hubiese defendido un equipo típico o medio de tu liga.
De este modo, puedes analizar si los movimientos de tu defensa son mejores o peores que la media en un tipo de jugada concreta y mejorarlos. El siguiente vídeo os explica como (en inglés):
2. Jugadores: La mejora de la técnica
Hace ya algunos años que los dispositivos de recopilación de datos de juego están proliferando en el mundo del fútbol.
Conocidos como “wearables“, son dispositivos electrónicos inteligentes incorporados a la vestimenta y que nos permiten recoger datos médicos (pulsaciones, respiración, temperatura, etc.) y físicos (posición, velocidad, aceleración, etc.) del jugador durante el entrenamiento y los partidos.
Un ejemplo es la tecnología EPTS de la FIFA que, gracias a dispositivos insertados en los tops interiores de los jugadores, pueden recoger todos los datos de juego. Podéis entender mejor esta tecnología en este vídeo de la FIFA a partir del minuto 1:47 (no nos permite reproducirlo en otras webs…sic!) o en este fichero PDF.
Otra iniciativa interesante es la de la empresa PlayerMaker, que opta por wearables en las botas para poder recoger además datos del golpeo, % de uso de cada pierna o control del balón.
También Microsoft esta invirtiendo en este tipo de soluciones con su proyecto Sports Performance Platform con el que han recogido datos equipos como la Real Sociedad y presentado los resultados en esta nueva plataforma de análisis.
3. Fans: La mejora de la experiencia
Los clubs saben que los fans son la base de su negocio. Por ello, están invirtiendo mucho dinero en tres áreas relacionadas con los fans:
El análisis de lo que hacen sus fans en los estadios para mejorar la experiencia de ir a ver un partido
Un ejemplo de ello nos lo puede proporcionar SAP con su solución Venue Analytics. En ella se puede controlar la asistencia, grado de satisfacción, ocupación de parkings cercanos al estadio, etc. Lo puedes ver en el siguiente vídeo de demo del producto (en inglés):
La mejora de la experiencia de retransmisión para los fans que lo siguen por la televisión.
Las empresas de telecomunicaciones siempre han sido conscientes del filón que suponen las retransmisiones de eventos deportivos, pero ahora ya no es suficiente con ofrecer el evento: el público quiere experiencias adicionales y la mejor calidad de imagen.
En este sentido, están intentando optimizar esta experiencia proporcionando estadísticas y datos adicionales al telespectador gracias al análisis del vídeo en tiempo real con herramientas de Machine Learning. El siguiente vídeo muestra un ejemplo en el que la empresa SentioScope usa este tipo de tecnologías para predecir el jugador y hacerle seguimiento en tiempo real en la imagen mostrada y así poder obtener estadísticas de distancia recorrida:
También empresas como SynaMedia utilizan tecnología Machine Learning para ahorrar hasta un 50% del coste de ancho de banda y almacenamiento al retransmitir vídeo. Podéis profundizar más en este proyecto en el siguiente link.
Recogida de datos de los fans para realizar campañas de marketing más personalizadas y efectivas.
Hace tiempo que los clubs saben que su relación con los fans no se limitan a los días de partido. Deben crear conexiones con ellos cada día y las herramientas de Machine Learning e IA les ayudan a ello.
Un ejemplo es la colaboración de IBM (con su solución Watson), la cadena FOX y la FIFA para el último Mundial en el que crearon la aplicación FIFA World Cup Highlight Machine . Con ella el seguidor puede escoger su selección o jugador, el tipo de jugada que le gusta y el sistema le proporciona en segundos una selección de las jugadas elegidas para que pueda crear su propio vídeo de mejores momentos y compartirlo en redes sociales.
El fan debe registrarse y dar sus datos, te deja la información de su jugador favorito y de las jugadas que más le han gustado y lo comparte en sus redes sociales. ¿Qué más se puede pedir?
4. Equipo Médico: La mejora de la predicción de lesiones
Volviendo al inicio del post, en 2018 Billy Beane dijo en una conferencia en el OpenText Enterprise World que “El reto hoy es evitar lesiones con datos”.
Es por ello que varias empresas se han puesto manos a la obra para intentar diseñar modelos de Machine Learning capaces de predecir la probabilidad de lesión y que tipo de lesión de los jugadores.
Un reciente estudio sobre La Liga indica que existe una tasa de ausencias por lesión del 16,23% y se calcula que, traducido a dinero, supone unos 188.058.072 €. Con estas cifras, es obvio que cualquier ayuda para su prevención es bien recibida por los clubs.
Las lesiones pueden ser fortuitas o impredecibles (una jugada desafortunada en un partido), pero según Tim Gabbet (afamado consultor de rendimiento deportivo): “Toda enfermedad relacionada con la carga de trabajo puede considerarse como predecible”. Es por ello que los modelos de predicción se están basando en anticipar este tipo de lesiones provocadas por la carga de trabajo de entrenamientos y partidos oficiales. Podéis ver el estudio completo en este link.
Un ejemplo de todo ello es la empresa ThermoHuman que mediante una cámara térmica puede detectar lesiones en los futbolistas. En este caso usan tecnologías de Deep Learning para reconocer las partes del cuerpo de la imagen y junto con el color de la lectura térmica poder detectar lesiones.
5. Apuestas: La predicción de eventos de partido y resultados
Es sabido por todos que las apuestas deportivas han entrado con fuerza en el mundo del fútbol. Y viendo el potencial que tienen las herramientas de Machine Learning, no es raro ver que en 2018 ha aterrizado en España Invictus, la casa de apuestas que usa inteligencia de datos para sus cuotas.
Si unimos todos los puntos anteriores y tuviésemos acceso a toda esa información (datos físicos de los jugadores, análisis de estrategias, datos online de asistencia al estadio, predicción de lesiones, etc…) y lo juntásemos con el histórico de resultados seguro que encontraríamos un algoritmo bastante ajustado para predecir el resultado de un partido. Aunque ya se sabe, “fútbol es fútbol” y algunos dicen que es imposible de predecir.
Conclusiones
Estoy seguro que no erais conscientes de lo rodeado de modelos de Machine Learning que estaba el mundo del fútbol a día de hoy. El mundo del deporte ve en este tipo de tecnologías una forma de aumentar la productividad de sus jugadores, mejorar resultados deportivos y aumentar sus ingresos.
Como regalo final os dejo un enlace a esta E-S-P-E-C-T-A-C-U-L-A-R entrevista a Javier Fernández (Jefe de Análisis Deportivo del FC Barcelona) en la que explica el análisis del dominio de los espacios de los jugadores sin balón y cómo Messi es capaz de llegar andando a los espacios de valor ya que los predice antes que el resto de jugadores.
Espero que os haya gustado este post y que comentéis aquellos puntos que os hayan sorprendido más o aportéis nuevos ejemplos que nos puedan servir a todos.
Un comentario