Es la típica y manida frase a la que recurrimos aficionados, jugadores, entrenadores y periodistas cuando no encontramos otra explicación más allá de reconocer la impredecibilidad del fútbol. Se usa para referirnos a resultados o acciones inesperadas, remontadas de equipos teóricamente pequeños, fracasos sonrojantes de equipos grandes, o goles a favor o en contra en pocos minutos o muy difíciles de prever.
Sin embargo, en los últimos años se ha demostrado desde diferentes perspectivas que el fútbol se ha vuelto algo más predecible. Aunque los equipos favoritos siguen siendo los que consiguen ganar los títulos en la mayoría de las competiciones, el avance de la ciencia y la analítica de datos, está permitiendo enormes posibilidades de predicción no sólo en cuanto a resultados, sino también en cuanto a tendencias de los rendimientos de los equipos y de los futbolistas.
La incertidumbre en el fútbol nunca va a desaparecer, está en su ADN y además forma parte de su encanto
Está claro que nunca existirá una bola de cristal que nos diga exactamente lo que va a pasar, pero con las tecnologías existentes podemos reducir la incertidumbre en un porcentaje importante, para que Clubs, Federaciones y Jugadores puedan minimizar esa impredicibilidad, y tomar mejores decisiones.
Modelos Predictivos y su Aplicación en el fútbol
Analizando la ingente cantidad de datos disponibles hoy en día, y aprovechando las tecnologías actuales de Inteligencia Artificial (IA), tenemos la posibilidad de predecir lo que sucederá en el futuro, descubriendo patrones que los humanos nunca hubiéramos identificado. Eso es exactamente lo que hacen los modelos predictivos, y lo consiguen con precisión, rigurosidad científica, flexibilidad y escalabilidad.
Las soluciones informáticas basadas en modelos predictivos ya se han introducido en el mundo empresarial en diferentes áreas como ventas, marketing y producción para realizar predicciones sobre las ventas por producto, saber qué clientes potenciales tienen más propensión a comprar, evitar rupturas de stock en almacenes, programar mantenimientos de máquinas para evitar averías en las plantas de producción, … La compañía ByRatings por ejemplo, se ha convertido en un referente a nivel nacional proporcionando soluciones de marketing predictivo con este tipo de modelos, que están permitiendo a empresas de diferentes sectores, incrementar sus ventas y reducir sus costes comerciales de forma espectacular y en un periodo muy breve de tiempo.
La pregunta que cabe hacerse es si es posible aplicar esta tecnología en el fútbol para poder hacerlo algo más predecible. La respuesta es definitivamente sí, y de hecho, existen ya muchas experiencias y áreas de aplicación que revisamos a continuación, desglosadas por quien se beneficia de ellas
Entrenadores y Cuerpo Técnico
En este ámbito se ha avanzado mucho con herramientas de predicción y video análisis para ayudar al cuerpo técnico a plantear la estrategia de partidos, analizar tácticas de los rivales y monitorizar los entrenamientos.
Métrica-Sports es una empresa líder en este área, y sus últimas versiones incorporan funcionalidades muy potentes como el “Pitch Control” que consiste en establecer una métrica visual para medir la ocupación de espacios en el campo. No sólo se basa en la cercanía del jugador a la pelota, sino también en su situación y velocidad en ese momento, y en los movimientos de otros jugadores.
Con esta función es facilisimo visualizar en cada momento y de forma dinámica cómo cada equipo controla o domina los espacios. Cuando un jugador se mueve a una zona no controlada por nadie o donde había poca influencia, se puede ver claramente con un cambio de color cómo el equipo ha conseguido dominar ese espacio.
Con los años la jerga futbolística ha ido cambiando. Ahora se habla de "presión alta", "bloque bajo", "alturas", "tercer hombre", "desmarques de ruptura", Presión tras pérdida","Atacar desde 2° línea" ... pero en todos estos conceptos, lo que permanece inalterable es la importancia de los espacios. Todo gira en torno a ellos: “ocupar el espacio”, “atacar el espacio”, “dejar el espacio libre”, “atraer jugadores para generar espacios”... Por ello, tener la posibilidad de analizar partidos y simplemente haciendo "click" en un botón poder ver los espacios y quien los domina, es una herramienta fantástica para los entrenadores.
Con este tipo de soluciones, los entrenadores pueden mejorar el juego de ataque y defensivo analizando no sólo la generación y ocupación de espacios como veíamos antes, sino también:
Los movimientos, la táctica y la presión utilizada por el rival
Buscar y detectar patrones significativos basados en datos posicionales de jugadores para mejorar el rendimiento individual y colectivo del equipo.
Jugadores
Ya no nos extraña ver a los jugadores profesionales con los típicos chalecos que incorporan un chip para recopilar datos de su actividad durante el entrenamiento y los partidos. A través de ellos se obtienen datos médicos (pulsaciones, respiración, temperatura, etc.), y datos físicos (posición, postura corporal, distancia recorrida, velocidad, aceleración, etc.). También han aparecido dispositivos para las botas, donde el objetivo es capturar datos del golpeo, el % de uso de cada pierna, o el control del balón.
Todos estos datos se transforman en información muy relevante para que el jugador pueda mejorar su rendimiento personal, y utilizando la tecnología es posible identificar patrones y extraer conclusiones.
También es posible geolocalizar a cada jugador en el terreno de juego en relación con los demás, para no solamente conocer los datos físicos individuales como cuantos Km ha recorrido en un partido, o la velocidad punta que alcanzó en un sprint, sino también para poder mejorar la coordinación entre jugadores como equipo, y analizar la inteligencia posicional de los jugadores.
Equipo Médico: Prevención de Lesiones
Un reciente estudio sobre La Liga indica que el ratio de ausencias de jugadores por lesión en las últimas temporadas alcanza el 16,23%, por lo que es evidente que evitarlas es un objetivo fundamental para todos los equipos médicos de los clubs.
Los modelos predictivos de Machine Learning son capaces de anticipar la probabilidad de lesión y el tipo de lesión más probable de cada jugador. Es evidente que muchas lesiones pueden ser fortuitas y totalmente impredecibles (golpes, caídas, jugadas con mala suerte, …), pero muchas otras están relacionadas con la carga de trabajo y por tanto pueden ser predecibles y evitables en un porcentaje muy significativo.
En la temporada 2015-16 el Leicester se proclamó campeón de la Premier League por primera vez en sus más de 130 años de historia, lo que constituyó una gran sorpresa y algo difícil de imaginar. En aquella temporada, el entrenador del equipo era el italiano Claudio Ranieri. Cuando el analista deportivo del equipo le preguntó al técnico al inicio de la temporada "Cómo le podía ayudar, qué objetivos pretendía conseguir con todos los datos que tenían a su disposición", cuentan que Ranieri puso el énfasis en la prevención de lesiones en vez de centrarse en aspectos tácticos o de juego. Él pensaba que tenía unos excelentes 12-14 jugadores para competir, pero que el resto de la plantilla era de un nivel inferior, por lo que si en algo le podían ayudar, era en intentar prevenir las lesiones para poder contar con los mejores jugadores la mayoría de los partidos.
Y así fue, aquella temporada el Leicester fue el equipo con menos lesiones en la Premier, y también lideró este ranking en las 5 grandes ligas europeas. Evidentemente, este aspecto no le hizo ser campeón, pero seguro que influyó notablemente.
Clubs
Los modelos predictivos pueden ayudar a predecir y optimizar la asistencia al campo de aficionados, incrementando los ingresos por ticketing.
Conociendo con anticipación la asistencia al campo de socios/abonados, los clubs pueden estimar:
El número de localidades que se pueden poner a la venta
El mejor precio de venta para las entradas disponibles.
Estos modelos se basan en numerosos factores involucrados en el juego, como resultados de partidos históricos, tipo de competición, rival, clasificación del equipo y del oponente, pero también en datos externos de climatología, eventos en la ciudad, y toda la información disponible sobre las circunstancias del partido.
Otro aspecto mejorable a través de la aplicación de la IA, es el proceso de fichajes de jugadores. Los modelos predictivos permiten hacer un seguimiento no sólo basado en métricas físicas y características técnicas, sino también en la adaptabilidad a la liga/país en el que van a jugar, proporcionando información sobre:
Características del juego para poder analizar la posesión de pelota, identificar pases profundos, manejo de situaciones de alta presión, participación en un circuito de pases, etc...
Comparación de las estadísticas de un jugador con los delanteros existentes del club del que llega, con otros delanteros de la liga de la que procede, o con los delanteros de la liga destino
Análisis del “perfil de jugador ideal” para un club y posición específica, en función de datos históricos y patrones de juego
Con todo ello, es perfectamente posible reducir en un porcentaje importante la incertidumbre de un fichaje, optimizar el proceso de contratación de jugadores y tomar decisiones basadas en datos, en vez de seguir basándose sólo en informes físico-técnicos, recomendaciones de agentes, o la intuición del director deportivo.
Afición
Los clubs conocen la importancia que tienen los aficionados en la trayectoria de un equipo, y su poder para forzar/cambiar decisiones en muchos aspectos, incluso en el éxito/fracaso de entrenadores o directivas. Por ello, se está invirtiendo mucho dinero en algunos aspectos orientados a la afición:
Identificar lo que los aficionados hacen en el estadio para tratar de mejorar su experiencia en los partidos: Análisis de Movimientos, Utilización de WIFI, Ocupación de Parkings cercanos, Posibilidades y Oferta de Restauración, ...
Mejorar las retransmisiones por televisión y redes sociales proporcionando estadísticas y datos adicionales al telespectador gracias al análisis del vídeo en tiempo real con herramientas de Machine Learning.
Recogida de datos de los aficionados para realizar campañas de marketing más personalizadas y efectivas. Un ejemplo es la aparición de soluciones (App) que permiten al aficionado seleccionar su equipo o jugador favorito, el tipo de jugadas que más le gustan (goles, corners, faltas, …) , 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
Conclusiones
La Inteligencia Artificial está permitiendo la aparición de soluciones tecnológicas que ya han demostrado tanto a nivel conceptual como práctico las posibilidades reales de realizar predicciones en el fútbol, y esta predictibilidad puede ayudar a solucionar muchos problemas recurrentes en el mundo del fútbol.
Las herramientas para un fútbol mejor existen, el futuro ya está aquí, ahora la cuestión es ver cómo somos capaces de aprovecharlas.
Por mucha ciencia y análisis de datos que incorporemos, siempre quedará un espacio para la sorpresa e incertidumbre que convierte a este deporte en único y apasionante, aunque quizás dentro de poco podamos reformular la frase del título y decir que “el fútbol no siempre es tan así”
Comentários