Estos investigadores saben más del Madrid (y del Barça) que Lopetegui... sin pisar el césped

Llega el Clásico. El “partido del siglo” ya es un partido del siglo XXI, no porque lo vayan a seguir en directo millones de chinos, sino porque será diseccionado por herramientas informáticas y análisis estadísticos cada vez más complejos. El 'big data' ha llegado al deporte pero aún no nos dice si ganará el Barça o el Madrid ni si Lopetegui seguirá el lunes en su puesto.

En la Universidad de Granada, Javier Fernández Navarro y Luis Fradua Uriondo, investigadores del Departamento de Educación Física y Deportiva, se han propuesto estudiar científicamente los estilos de juego. Tras analizar partidos de la Liga española y de la Premier League inglesa de diferentes épocas, llegaron a identificar 12 maneras de jugar.

TE PUEDE INTERESAR

Este joven ingeniero zaragozano ha creado un dron casero prácticamente indetectable

Guillermo Cid

“Ponemos el foco en el análisis táctico y en la preparación de partidos, se trata de saber a quién nos vamos a enfrentar y también de conocer mejor nuestro propio equipo”, explica Javier Fernández a Teknautas. Sus análisis estadísticos determinan, entre otras características, si el ataque de un equipo es directo o juega más al toque, si aprovecha toda la amplitud del campo moviéndose por las bandas o ataca por el centro, y si a la hora de defender ejerce una presión alta sobre el rival o espera cerca de su portería. Nada que un aficionado medio no sepa apreciar y comentar, pero con el rigor de los datos.

Junto con otros especialistas de la Universidad del País Vasco y de la Universidad de Liverpool, idearon este sistema para identificar estilos futbolísticos basándose en un 'software' denominado Amisco Pro, que hoy en día es propiedad de la empresa STATS. Ocho cámaras repartidas por el estadio registran los movimientos de todos los jugadores y del balón, que mediante algoritmos se transforman en datos que se pueden visualizar en mapas del campo y analizar mediante un programa informático específico.

Así se obtienen las estadísticas sobre distancias recorridas, velocidad, posición en el campo y posesión desde hace años, pero estos investigadores aplican sus propias herramientas para ir más allá y obtener conclusiones más cualitativas. “Vienen los datos en bruto y lo que nosotros hacemos son análisis estadísticos con el objetivo de que extraer información útil, que pueda ser aplicable a la preparación de partidos por parte de un cuerpo técnico”, comenta.

Al comparar diferentes temporadas en un estudio publicado en la revista Journal of Sport Sciences, han demostrado científicamente que el Barcelona de Pep Guardiola acentuó la posesión y la presión que ya caracterizaba el juego blaugrana y que el Real Madrid daba una puntuación extraordinaria en “progresión rápida”, en otras palabras, que tenía un contraataque demoledor.

En la publicación más reciente de este grupo de investigación, aparecida este año en la revista International Journal of Performance Analysis in Sport, estudian la influencia en el estilo de juego de variables externas como jugar en casa o la calidad del contrario. Para ello utilizaron todos los partidos de la temporada 2015-106 de la Premier, cuando el Leicester City se proclamó campeón contra todo pronóstico.

Tiquitaca o autobús: ¿qué es mejor?

En definitiva, a medida que avanzan sus investigaciones los resultados son más refinados. Javier Fernández, que está a punto de depositar su tesis doctoral tras años de trabajo en este tema, pretende alcanzar un objetivo aún más ambicioso y que podría irrumpir en un debate futbolístico clásico: la efectividad de los estilos. ¿Se imaginan que la ciencia avale el tiquitaca o la no menos loable táctica de “poner el autobús”? Munición para las tertulias futbolísticas.

En cualquier caso, se trata de aportar “información objetiva, no sólo opiniones basadas en la experiencia”, lo que puede servir para estudiar al rival, para aprovechar mejor el rendimiento de los jugadores e incluso para decantarse por una filosofía de juego.

Aunque en la Universidad de Granada están en contacto con entrenadores “de primer nivel”, asegura, por el momento nadie les ha contratado. No obstante, el futuro va por ahí: “Ya no es suficiente con el típico analista, va a haber científicos de datos y me consta que el Barcelona ya tiene un departamento centrado en este tema”. Al mismo tiempo, los sistemas automáticos de recogida de datos también evolucionan y están incorporando el machine learning, es decir, el aprendizaje automático.

Los fichajes

Sin embargo, por el momento todas estas herramientas están más enfocadas hacia donde hay más negocio: los fichajes. Más que utilizar los datos con pretensiones tácticas, en el mundo del fútbol está más desarrollado un negocio más sencillo y rentable: el análisis individual de los jugadores.

Lo sabe bien Salvador Carmona, un experto en estadística que acaba de fundar la empresa Driblab y que tiene en su base de datos 65.000 jugadores de 85 competiciones diferentes. “Nosotros compramos los datos, la materia prima, y ofrecemos un producto final retocado en forma de informes e infografías, todo bastante visual para que lo pueda interpretar alguien que no es experto en matemáticas”, explica.

Esa materia prima también procede de los sistemas de monitorización con múltiples cámaras en los estadios, lo cual provoca algunas paradojas. Por ejemplo, tienen datos de varias ligas africanas, pero no de Uruguay, una de las potencias futbolísticas del mundo, porque no disponen de imágenes de televisión.

Sin embargo, lo normal es que no tengan problemas para obtener datos de las principales competiciones. De cada partido extraen entre 10.000 y 12.000 “eventos” –goles, faltas, saques de banda, remates de cabeza y cualquier otra acción identificable– y cada uno de ellos aporta muchos datos.

A partir de ahí aplican sus modelos matemáticos con conceptos como el de “goles esperados”, que mide el rendimiento de un delantero. “Sabemos cuál es la probabilidad de que un remate acabe en gol, intervienen factores como la velocidad de la jugada o la posición de disparo y al final las estadísticas nos dicen qué porcentaje de balones acaban dentro”, señala. “Un jugador como Messi es valioso porque acaba marcando cuando una jugada sólo ofrece un 30% de probabilidades de acabar en gol”, añade.

Por eso su labor es determinante en el mercado de fichajes. Cuando un club necesita cubrir una posición puede tener decenas de candidatos, pero una empresa como Driblab le ayuda a filtrar. “Nuestra labor es complementaria a la de un ojeador clásico, de hecho le podemos ayudar mucho, porque si busca en la liga de Serbia, no se va a tener que fijar en todos los jugadores de todos los partidos, sino que se va a centrar en los cinco o seis futbolistas que realmente le pueden interesar”, apunta Carmona.

El 'big data' aún no está en todo

Aún así la decisión final sigue en manos de las directivas, porque el 'big data' no llega a todo. “Nosotros trabajamos con información de encuentros oficiales, pero no podemos averiguar cómo entrena un jugador o si tiene problemas en casa. Incluso dentro de un partido estos sistemas aún no recogen todos los matices que ve una persona, como el lenguaje corporal, si discute con el árbitro o si ha puesto mala cara al ser cambiado”, comenta Carmona, que cuenta entre sus clientes a clubes españoles como el Leganés y el Zaragoza y a otros de Inglaterra, Italia y Estados Unidos.

“En España tenemos poca competencia”, comenta Carmona, que se formó en Estados Unidos y pasó por otra compañía española, Origami Sports. Por el contrario, en el fútbol inglés estos análisis están mucho más avanzados y, de hecho, el modesto Leicester City los utiliza.

Tanta medición tiene que ver mucho más con la cultura anglosajona y con deportes distintos al fútbol, reacio hasta hace poco a introducir tecnologías como el videoarbitraje (VAR). De hecho, se dice que todo esto nació en el beisbol, tal y como relata la película Moneyball, de Brad Pitt, que interpreta a Billy Beane, famoso por llevar al éxito a un equipo de Oakland sin muchos recursos gracias a sus análisis estadísticos por ordenador.

El primero en tomar nota fue el deporte de la canasta. Juan José Nieto, entrenador ayudante del Bodegas Rioja Vega, equipo de baloncesto de Logroño que milita en la LEB Plata, trabajó durante un tiempo para la empresa Sinergy Sports. Su misión era realizar un análisis cualitativo de los partidos de la liga universitaria (NCAA) a partir de vídeos que le mandaban ya editados.

Después de un exigente periodo de formación, tenía que incluir información que los sistemas automáticos aún no son capaces de registrar. “Nos fijamos en las acciones definitivas de cada jugada para indicar, por ejemplo, si ha hecho un lanzamiento en suspensión desde la derecha”, afirma. Cuando se acumulan muchas estadísticas de ese tipo un entrenador puede tomar decisiones sobre cómo defender una jugada: puede que valga la pena dejar que tire a canasta alguien que tiene un alto porcentaje de fallo desde la derecha.

Pagar por información cualitativa

Nieto apenas cobraba 40 euros por visionar cada partido, pero quienes hacen lo mismo en tiempo real para la NBA son recompensados con más de 200. En el caso de Sinergy Sports, los clubes españoles de ACB y LEB Oro ya utilizan sus servicios. Por unos pocos miles de euros al año disponen de información muy valiosa, aunque está enfocada principalmente a obtener datos individuales de los jugadores. “Como equipo, aún no nos aporta mucho”, señala Nieto.

La mayoría de estas empresas de recogida de datos –Opta es otra de las principales– sigue combinando la automatización y la el factor humano, pero la monitorización de movimientos no deja de ganar en sofisticación. “En la NBA ya se contabilizan los saltos, el consumo de oxígeno, los contactos, las caídas… Ya no sólo es que cada pabellón está sembrado de cámaras, incluso hay sensores en el suelo”.