Los datos se están convirtiendo en el nuevo enfoque de muchos sectores, pero el foco en en mundo de los deportes lo tiene la Estadística, donde se ha hecho de gran influencia y ha empezado a generar por medio de la tecnología un gran avance en el conocimiento de dichas actividades y lo que viene parece que es, muy prometedor!.. en todos los deportes es imprescindible llevar estadísticas, aquí mostraremos avances en dos áreas que son el beisbol y el futbol, pero sin perder la idea y de vista, de lo maravilloso que la estadística y la tecnología están aportado a nuestra vida deportiva.
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 los Scouts ( busca talentos ), que visitaban los distintos estados y stadiums buscando nuevos peloteros, pero se basaban en su intuición, experiencia y muy poca información estadística de los jugadores.
Los Oakland Athletics no tenían medios económicos y Billy empezó a colaborar con un joven estudiante de economía llamado Paul DePodesta en un sistema estadístico que predijese los jugadores más “rentables” (que aportasen más carreras por menos dinero) en base a sus estadísticas de juego.
“Las personas que dirigen los equipos piensan en comprar jugadores. No deberían pensar en comprar jugadores, sino victorias. Y para eso, necesitan comprar carreras"
Sabermetría es ayudar a tomar mejores decisiones dentro del béisbol.
La sabermetría no es más que el análisis del béisbol a través de evidencia objetiva, específicamente a través de estadísticas, cuyo objetivo es medir las actividades que se suscitan dentro de un campo de juego de manera eficaz. El término es derivado del acrónimo SABR, el cual según sus siglas en inglés hace referencia a la Sociedad para la Investigación del Béisbol Americano (Society for American Baseball Research), la cual fue fundada en 1971 por Bob Davis. Pero el término sabermetrics no fue acuñado sino hasta 1980 por Bill James, quien hizo referencia al mismo a través de sus escritos sobre béisbol conocidos como Baseball Abstracts, sobre los cuales hablaremos más adelante.
Para ser más especifico, la Sabermetría se concentra en evaluar formas de medición para un propósito en concreto, el cual está enfocado en conocer cómo afectan las estadísticas individuales y colectivas, al record de ganados y perdidos de un equipo de béisbol. La lógica detrás de ésto es que para que un equipo sea exitoso debe ganar más juegos que sus oponentes, lo que se logra mediante la anotación copiosa de carreras o por medio de la prevención de éstas.
La Estadística esta dando muchos logros en esta área, apoyada por la tecnología y es de gran apoyo para la toma de decisiones
En el fútbol actual, el Análisis de Datos Estadístico está impactando este deporte
Como observaremos a continuación, los datos estadísticos 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, en las siguientes aristas:
Entrenador: La mejora de la estrategia
Jugadores: La mejora de la técnica
Fanáticos: La mejora de la experiencia
Equipo Médico: La mejora de la predicción de lesiones
Apuestas: La predicción de eventos de partido y resultados
1. Entrenador: La mejora de la estrategia
Un punto clave donde las herramientas de predicción basada en datos estadísticos, 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
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. 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. Fanáticos: La mejora de la experiencia
Los clubs saben que los fanáticos son la base de su negocio. Por ello, están invirtiendo mucho dinero en tres áreas relacionadas con ellos:
El análisis de lo que hacen sus fanáticos 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. La mejora de la experiencia de retransmisión para los fanáticos que lo siguen por la televisión. as empresas de telecomunicaciones siempre han sido conscientes de lo importante 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. 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:
Realización de encuestas para obtener datos de los fanáticos para realizar campañas de marketing más personalizadas y efectivas.Hace tiempo que los clubs saben que su relación con los fanáticos no se limitan a los días de partido. Deben crear conexiones con ellos cada día, por lo tanto se trata de conocer las preferencias de ellos.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 fanático 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 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. Un ejemplo de todo ello es 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.
Es sabido por todos que las apuestas deportivas han entrado con fuerza en el mundo del fútbol. Y viendo el potencial que tienen , no es raro ver que las casas de apuestas que usa inteligencia de datos para sus cuotas, pagos y pronósticos. 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.
IMÁGENES DE DEPORTES Y SU RELACIÓN CON LA ESTADÍSTICA Y LA TECNOLOGÍA
IMÁGENES DE DEPORTES Y SU RELACIÓN CON LA ESTADÍSTICA Y LA TECNOLOGÍA
No hay comentarios.:
Publicar un comentario