Big Data deportivo: Desde la era Moneyball hasta el Levante UD | OneFootball

El Big Data resuena en la mente de todos porque es tendencia en la boca de mucho pedante. Es trasversal porque no deja de ser algo tan genérico como el análisis de datos para conseguir soluciones a problemas. Su aplicación al deporte tuvo su semilla a finales de los 70 con el libro de Bill James (Baseball abstract). Durante los once años que se estuvo publicando de forma anual, Bill James promovió un uso innovador de estadísticas y encontró maneras más certeras de evaluar a jugadores.

- José Gila, Big Data Levante UD -

Bill Beane, exjugador y director deportivo del Oakland Athletics a principios de siglo, fue el primero que confió toda su dirección deportiva al Big Data, contratando y dejándose guiar por un pupilo de Bill James llamado Paul DePodesta. Consiguieron que un equipo de recursos económicos humildes compitiese contra los más grandes de la MLB. Y dieron inicio a lo que, a posteriori, se conocería como la Era del MoneyBall, sobre la que se hizo una película protagonizada por Brad Pitt (en el papel de Bill Beane) y Jonah Hill (Paul DePodesta).

Big Data en el deporte rey y en el Levante UD

Su expansión fue imparable.En el fútbol se reconoce al Liverpool FC como el primer club en contratar a un ‘cerebrito’ para encargarse exclusivamente de esas labores. Fue en 2010 y catorce años después ya nadie vive de espaldas a los datos. No existe club sin servicios de proveedores y/o gente entre sus filas dedicada a la interpretación del juego y la compra-venta de jugadores utilizando métricas estadísticas que ayuden a ello.

En la temporada 2018/19, el Levante fichó a José Gila como encargado del departamento de deporte-tecnología del club. Hoy día, y con la salida de Felipe Miñambres, ocupa un puesto de secretario técnico interino que habla, y muy bien, de su relevancia en la gestión deportiva del club granota. Su trabajo ayuda a evaluar el rendimiento de la plantilla del club, analizar y encontrar nuevos fichajes que encajen con el modelo de juego, realizar scouting de rivales y prevenir lesiones optimizando cargas de entrenamientos.

A lo largo de este tiempo,José Gila tuvo una influencia más directa durante los años finales de Paco López en el banquillo. Tras su marcha, no se ha desligado de los siguientes entrenadores que dirigieron en Orriols, aunque con un nexo menos directo pero sí con una comunicación fluida y como complemento de análisis que ayude a mejorar.

Ya en la pasada temporada, la dirección deportiva tuvo muy en cuenta su labor de scouting enLaLiga Hypermotion para la planificación de plantilla, donde Pampín fue uno de los fichajes con la firma del Big Data y donde no pudieron llegar más por la coyuntura actual del Levante. Ahora, aliado junto a Héctor Rodas, se prevé un verano con más influencia en los movimientos que se produzcan, a falta de conocer el que sea futuro director deportivo para 2025/26.

¿Cómo trabaja el Big Data?

El rendimiento de la plantilla se puede evaluar de forma individual y colectiva. A centrocampistas y delanteros, por ejemplo, se les puede valorar con métricas como Expected goals xG, que mide la calidad de la ocasión generada. La calidad de la ocasión se mide otorgando un valor distinto dependiendo la distancia con la portería cuando recibe el pase, el tipo de pase recibido (al hueco, al pie, largo, corto…), etc. Así, se puede interpretar si el mediocampista está generando buenas ocasiones para el delantero, y si es así, valorar el rendimiento del delantero. Las hay también que miden la calidad de los disparos del delantero (denominada goles esperados a puerta xGot), otorgando un valor distinto a cada ángulo de la portería (escuadra, lateral raso…).

- Frame película Moneyball -

El juego colectivo se puede medir en su aspecto defensivo con métricas comoPPDA (Pases permitidos antes de realizar una acción defensiva), y en el ofensivo con todas aquellas que analizan la construcción del juego: pases progresivos y su velocidad, secuencia de pases (cuantos se completan antes de perder el balón), entradas al último tercio, etc. Si queremos hilar más fino, también existen las que muestran las buenas o malas conexiones entre futbolistas, analizando la red de pases, conociendo que jugadores entran más en juego durante la distribución y observando que zonas del campo indican más calor en el mapa.

Para encontrar al tipo de jugador que necesita fichar el equipo, José Gila explicaba algunos trucos en una charla en una plataforma virtual. De manera simplificada, contaba que si el míster le pedía un box-to-box, realizaba métricas donde tuviese en cuenta jugadores que tocasen una gran cantidad de balones o realizasen una gran cantidad de pases tanto en campo propio como contrario. Para encontrar un buen mediapunta, se utilizaría, entre otras, una que enumerase la cantidad de pases clave que realiza un futbolista en función de cuantos de ellos acaban en remate a puerta. El central perfecto sería alguien con agresividad y con salida de balón. ¿Cómo se encuentra al futbolista deseado? Consultando su porcentaje de éxito en duelos y, además, otros donde se compruebe el porcentaje de acierto de sus pases en campo contrario, cantidad de conducciones progresivas y de pases progresivos por 90 minutos.

Para prevenir lesiones y ajustar cargas de trabajo, se utiliza comúnmentela métrica ACWR, donde se divide el Ratio de carga aguda (esfuerzo acumulado en los últimos 7 días) entre el Ratio de carga crónica (promedio de carga en las últimas 4 semanas). Teniendo en cuenta los siguientes parámetros para calcular el Ratio de carga aguda: kilómetros recorridos, cantidad de sprints, minutos jugados y frecuencia cardiaca. Y el promedio de la carga aguda en las últimas 4 semanas para conocer el Ratio de carga crónica.

De esta forma, el jugador estaría fresco si el resultado diera un valor entre 0,8 y 1,3; habría riesgo de lesión si los valores fueran por encima del 1,5; y tendría que aumentar su carga de trabajo si estuviera por debajo del 0,8 (el ejemplo de alguien que no juegue partidos y puede perder forma física por ello).

¿Datos o intuición?

Hubo una guerra verbal en la sala de juntas de los Oakland Athletics cuando Bill Beane entró con Paul DePodesta y declaró que los jugadores prioritarios en el draft de ese año los iba a decidir el ordenador de su nuevo “cerebrito”. Se habían acabado los argumentos tales como: “La novia de ese tío es muy fea y eso demuestra que no tiene confianza en sí mismo”. A partir de ese momento, todo se iba a basar en la frialdad objetiva de los datos, y lejos iban a quedar las “impresiones de los expertos” que mascaban tabaco.El método fue efectivo, eficiente y tan bueno que se trasladó a todos los deportes del mundo. Aun así, ¿pueden los datos determinar la cantidad de miedo que tiene un futbolista antes de lanzar un penalti decisivo? DePodesta te diría que sí, y yo me lo creo.