#jotdown | Explore Tumblr posts and blogs

solygolmdz · 6 months ago

Text

FÚTBOL

La mayoría de los cuerpos técnicos tienen hoy acceso a datos, al menos, a un tipo de información cuantitativa y la toman en cuenta en las decisiones de equipo

En diálogo con Sol y Gol, Matías Conde, analista de datos y Sénior Data Editor de Opta – Stats Perform, nos comparte su experiencia y conocimientos sobre del "Big Data", cómo se utiliza y los cambios significativos que ha generado en el fútbol mundial.

Por Cesar Valerio - [email protected] - lunes, 3 de junio de 2024

Ilustración 1: gentileza Matías Conde

El análisis de datos en el fútbol se ha convertido en un campo que cada vez más personas han decidido explorar a lo largo de los años, aunque todavía suscita dudas o rechazo. En la actualidad, la demanda ha crecido considerablemente y esto se refleja en los contenidos deportivos. En las redes sociales es más común encontrar este tipo de información, mientras que en los medios de comunicación tradicionales es necesario enfocarse en espacios específicos para encontrarla.

En Argentina, un país movido por el fútbol, el análisis de datos enfocado en este deporte ha ganado fuerza. No es de extrañar que haya empresas y analistas especializados que se dediquen a dicho trabajo. Matías Conde, es uno de esos analistas de datos que se desenvuelve en el mundo del fútbol.

Matías Conde, trabaja como analista de datos hace casi veinte años en diferentes consultoras y empresas de investigación. En la actualidad es Sénior Data Editor de Opta – Stats Perform, donde tiene a su cargo el equipo editorial de Latinoamérica de la empresa. Previamente trabajó en la Superliga Argentina desarrollando el área de datos en el marco del proyecto Superliga Innova. Ha publicado varias notas y artículos del tema en diferentes medios como TNT Sports, La Nación, Big Data Sports, JotDown y otros. Además, ha dado clases en distintas instituciones educativas (UNQUI, UP, UBA, SIS, Coderhouse, Agencia de Aprendizaje), siempre relacionado con el análisis de datos y la estadística.

¿Cómo empezó tu interés por la estadística y del big data en el fútbol y cuando iniciaste en ese campo?

A mediados de los años 2000, cuando estudiaba antropología en la UBA, tuve algunas materias de estadística y ciencia de redes. A la hora de presentar un trabajo práctico propuse, junto a un compañero, aplicar análisis de redes a un partido de fútbol. Primero me lo rechazaron, pero luego insistimos y no sólo lo aprobaron, sino que la cátedra nos acompañó para mejorarlo y publicarlo en una revista académica de la UAB (Universitat Autónoma de Barcelona).

El artículo tuvo cierta relevancia, salió en algunos medios en Argentina y empezamos a buscar la manera de aplicar la misma metodología a otras competencias. Ahí descubrimos que había empresas proveedoras de datos deportivos y todo un pequeño gran mundo de investigadores. Durante años armamos un proyecto junto a mi compañero, Javier Bundio, que se llamó ARSFútbol, tuvimos muchas ofertas y algunos trabajos ocasionales, pero sin la recurrencia suficiente como para dedicarnos full time.

Más adelante en el tiempo y a partir de las cosas que fuimos publicando con ARSFútbol, me hablaron de un proyecto para generar un área de datos en la Superliga Argentina y cuando se concretó pude dejar mi trabajo como analista de datos en una consultora financiera y dedicarme profesionalmente.

¿Cómo describirías el impacto del big data en el fútbol moderno?

Primero es importante escindir la connotación coloquial que se le da al término “big data” de la definición más precisa. A lo que voy es lo siguiente: en términos estrictos muchos analistas preferimos no hablar de “big data” en el fútbol, ya que, por volumen o velocidad, la industria del fútbol no genera tantos datos ni con tanta rapidez como si lo puede hacer una empresa telefónica o un banco.

El impacto entonces del uso de datos y estadísticas, lo que, insisto, coloquialmente se suele llamar “big data”, ha ido creciendo con el tiempo. La mayoría de los cuerpos técnicos tienen hoy acceso a datos, al menos, a un tipo de información cuantitativa y la toman en cuenta en las decisiones. Lo mismo sucede a los medios, que cada vez más utilizan datos para sus transmisiones, los dirigentes que tienen en cuenta los datos a la hora de gestionar un plantel y los propios fanáticos que consultan permanentemente apps y redes buscando estadística de sus equipos.

Un buen ejemplo de este impacto es analizar la influencia de los goles esperados en la Premier League inglesa. Los goles esperados son una métrica que mide la probabilidad que un remate termine en gol de 0 a 1, teniendo en cuenta las características del mismo: distancia, ángulo de tiro, posición del arquero, etc.

El fútbol inglés remata cada vez de más cerca (la distancia promedio de los tiros se redujo casi dos metros), en menos ocasiones y con más precisión. Todo esto correlaciona muy bien con las “sugerencias” de un indicador como los goles esperados.

En cualquier caso, todavía queda mucho camino por recorrer, especialmente en la masificación del acceso a los datos. Hoy por hoy ligas de todo el mundo pueden, de una manera u otra, acceder a información de eventos (remates, tiros, pases, duelos, etc) pero no así de tracking (posición de los jugadores, datos físicos, etc.) que queda más circunscripto a las competiciones con más recursos.

Ilustración 2: foto Big Data Sports

¿Es un campo ya aceptado en la actualidad, es decir, tiene mucha visibilidad o consideras que aún no está tan aceptado y normalizado en el fútbol?

Depende en qué parte del mundo, en las ligas europeas o la MLS es algo completamente habitual. Los equipos tienen analistas / científicos de datos, los directores deportivos los toman como una fuente importante para tomar decisiones y los medios los comunican habitualmente.

En otras regiones estamos un paso por atrás, todavía hay una parte minoritaria que rechaza su uso, pero es un porcentaje mucho menor al que había hace una década. Existe también cierto grado de desconocimiento acerca de las posibilidades actuales, por ejemplo, no se sabe que ligas como la de Venezuela o Bolivia tienen desde hace algunos años el mismo nivel de cobertura de eventos que cualquier liga top mundial o que la primera división de Argentina o la Brasil ya tienen datos de tracking disponibles.

No creo que sea un tema de visibilidad, porque los datos están por todos lados: gran parte del contenido de fútbol en redes sociales tiene que ver con datos. Además, las transmisiones se nutren de datos. Creo que el punto es el análisis que se le da a esa información, que puede ser mucho más profundo y consistente que él se ve habitualmente. A eso se va a ir llegando a medida que más gente se involucre no sólo en acceder a la información y utilizarla linealmente, sino a estudiar para poder mejorar la interpretación que se le da a esas estadísticas e indicadores.

¿Qué tipos de datos se recopilan en el fútbol, cómo se utilizan?

Hay tres grandes tipos de datos, por un lado los “históricos” que son los que están más asociados al periodismo tradicional o a la figura que en Argentina se conoce como “estadígrafo”: historiales (resultados), récords, goleadores, etc. Generalmente -aunque hay excepciones- esos se utilizan como contenido complementario, curiosidades, aniversarios, etc.

Después están los datos de “evento”, que son entre 3000 y 5000 por partido (y todas las que surgen del reproceso), surgen de las empresas proveedoras de datos como Opta – Stats Perform, que ponen analistas a ver los partidos y siguiendo un protocolo y una metodología exhaustiva, van ingresando cada evento de juego en un software , que procesa y transmite esa información a través de una API que es levantada por la transmisión del partido, los analistas de los cuerpos técnicos, los portales de noticias, las apps como Sofascore o WhoScored o incluso, cuando vos googleas para ver cómo va un partido, el dato al que te remite lo estamos generando desde Opta.

El dato de evento permite hacer modelizaciones como los goles esperados que te mencionaba antes y otras métricas como el Match Momentum que mide, ponderando los eventos, que equipo está generando más peligro en cada momento del partido.

Finalmente están los datos de “tracking”, que se pueden obtener a través de cámaras instaladas con ese propósito en el estadio o a través de algoritmos de computer visión que analizan el video. Ahí el número de datapoints es mucho mayor, ya que se puede ver todo el tiempo la posición x, y, z de los 22 jugadores y la pelota. Esto permite calcular indicadores físicos como la distancia recorrida y darle mayor contexto a los eventos, analizando, por ejemplo, el nivel de presión en el que se ejecutan o la cantidad de líneas rivales que supera un pase en profundidad. Cuando hay tracking aparecen los famosos “ocho millones” de datos por partidos, acercándose a una aplicación de big data en el sentido estricto.

Ilustración 3: gentileza Matías Conde

¿Puedes dar ejemplos o un ejemplo concreto de cómo el big data ha ayudado a mejorar el rendimiento de los equipos o jugadores?

Hay un montón de casos, desde el uso que le daba Lobanovsky en el “Dinamo Matemático” (Dinamo de Kiev) campeón de lo que hoy es la Europa League hasta los procesos actuales de clubes como el Ajax o Sevilla para gestionar su plantel. En el medio hay desde aciertos en traspasos a partir de los datos (como la elección de Klopp como entrenador del Liverpool), hasta jugadores que negocian su continuidad analizando información del club (De Bruyne con el Manchester City).

Actualmente hay que seguir con mucha atención lo que está armando Palmeiras en Brasil, con un grupo de investigadores dedicados específicamente al análisis de datos de juego, algo similar a lo que hace Barcelona con el Barca Innovation Hub desde hace varios años.

¿Cuál es el proceso típico de análisis de datos en un club de fútbol, desde la recopilación hasta la toma de decisiones?

Depende de muchos factores, como el tamaño del club, la cantidad de recursos para invertir y el lugar que le dé a los datos. No es lo mismo un club de élite que puede acceder a datos vía proveedores que un club más modesto del ascenso que son los propios analistas de video muchas veces los que generan esa información.

Generalmente todas las semanas se hacen informes de previa (con foco en el análisis del rival) y post partido. A veces, también se analizan los datos físicos de los entrenamientos. Esos informes se depuran y resumen para presentarse a los jugadores y al entrenador principal focalizando en las necesidades principales. Hay también, evaluaciones de media y final de temporada. A esto se suma todo lo que se hace el área de scouting siguiendo posibles fichajes, que si bien suele ser más intenso cuando la temporada termina, es un trabajo que se hace a lo largo de todo el año.

¿Qué papel juegan los modelos predictivos en la estrategia de un equipo de fútbol?

En general esto está en discusión dentro de la comunidad, hay quienes están más a favor de un uso descriptivo de los datos y quienes, en cambio, señalan las posibilidades que abre el uso de modelos predictivos. Yo estoy más en el primer grupo, porque creo que todavía falta terminar explicar los alcances de toda a esa faceta más de “análisis posterior” antes de ir hacia lo predictivo. Incluso creo que indicadores probabilísticos como los goles esperados tienen más que decir desde lo descriptivo que para predecir eventos.

Ilustración 4: Foto Sportsdatacampus

¿Podrías compartir algún caso de estudio o proyecto en el que hayas trabajado que ilustre el impacto del big data en el fútbol?

Tengo la suerte de trabajar en Opta Stats Perform Latinoamérica ahora, dónde puedo continuar con lo que más me gustaba de mi trabajo en la Superliga Argentina: difundir en esta región las posibilidades que da el uso de datos y mostrar que tenemos información de mucha calidad disponible y que en muchos aspectos no tenemos nada que envidiarles a los europeos en materia de datos.

En ambos trabajos pude participar en proyectos encabezados por ligas o federaciones que permitieron a clubes, con diferentes niveles de recursos, acceder a los mejores datos disponibles e ir construyendo una cultura de uso de la información que en muchos casos no estaba. Entonces cada vez que esos datos se utilizan para tomar una decisión de juego, apuntalar un proyecto o dar cuenta del rendimiento en una campaña, creo que contribuí mínimamente a que esas decisiones estén mejor fundamentadas y en algún punto a hacer el fútbol más justo.

Lo mismo me pasa cuando los análisis que generamos son tomados por los medios, creo que estamos colaborando en profundizar las discusiones, en “ponerlas en el segundo piso” como me dijo alguna vez Miguel Simon, lo que permite debates de mayor calidad y fanáticos más informados a la hora de evaluar lo que pasa con sus equipos y jugadores favoritos. Creo que los datos son un gran aliado para que se hable más del juego y no tanto de lo que pasa alrededor del fútbol, que para mí siempre fue lo menos interesante.

¿Cuáles crees que serán las próximas grandes innovaciones en el campo del big data aplicado al fútbol?

Creo que los últimos veinte años hubo grandes avances y se generaron métricas que cuantificaron cosas que antes “las planillas no veían”. Me parece que conceptualmente muchas de esas métricas ya están elaboradas, que lo viene es un proceso de masificación y “futbolización” de las mismas, como paso con los goles esperados que pasaron de ser algo de nicho a una estadística que aparece en los videojuegos y en transmisiones de partidos de todo tipo. Lo que vamos a ver es una extensión en el uso de datos, una masificación.

Las grandes innovaciones en el largo plazo seguramente vengan de la mano del uso de inteligencia artificial, como va a pasar en todas las industrias. Ya hay aplicaciones puntuales, por ejemplo, para detectar a través de procesamiento de imágenes el sistema de juego del equipo, pero intuyo que veremos muchas más cosas, en especial relacionadas con la formación de futbolistas y con los entrenamientos.

#fútbol #entrevista #mendoza #big data

0 notes