En esta Eurocopa 2024, muchas selecciones están usando técnicas basadas en análisis de negocio (business analytics) y aprendizaje automático (machine learning) como ayuda para optimizar sus estrategias de juego, desde la adaptación de tácticas basadas en las debilidades del adversario hasta la ejecución de penaltis.
Los algoritmos pueden prever las acciones del rival, permitiendo ajustes en tiempo real, como presionar desde el inicio contra equipos menos agresivos. También los datos pueden detectar, por ejemplo, si el equipo contrario está teniendo tendencia a concentrar sus ataques por una de las bandas y dar aviso al equipo técnico para reforzar la defensa en ese flanco o preparar contraataques rápidos, explotando el espacio dejado detrás de los jugadores ofensivos adversarios.
Respecto a los penaltis, ya sean como lances de juego dentro de un partido o como momento supremo para dirimir empates en las eliminatorias, hace tiempo que se utilizan estadísticas para elegir a los lanzadores con los mejores porcentajes de éxito. Las técnicas analíticas permiten sofisticar el análisis, teniendo en cuenta además otros factores relevantes como, por ejemplo, cómo le afecta a un jugador la presión del momento y cuál es la variabilidad de sus disparos. Además, se analizan las tendencias de los porteros adversarios para optimizar la dirección de los tiros.
Los equipos también realizan simulaciones de penaltis y entrenamientos en realidad virtual para mejorar la precisión y la confianza de los jugadores, preparándolos a conciencia para situaciones críticas del juego.
Los buenos entrenadores desde siempre han sabido “leer los partidos” basándose en su experiencia e intuición, pero el uso de las herramientas analíticas les ayuda a complementar sus habilidades.
Análisis futbolístico: nuevo sector empresarial
Existen actualmente muchas empresas como Opta, Hudl, Statsbomb y Wyscout que están utilizando técnicas analíticas e IA para revolucionar el fútbol, ofreciendo servicios de pago que sirven de apoyo para mejorar el rendimiento de los equipos, descubrir nuevos talentos o desvelar tácticas.
Opta analyst proporciona métricas como goles esperados, vitales para equipos y medios de comunicación. La métrica de goles esperados (xG) es una estadística del fútbol que evalúa la calidad de las oportunidades de gol. Asigna un valor entre 0 y 1 a cada tiro, basado en factores como la distancia al arco, el ángulo de tiro y la presión del defensor, indicando la probabilidad de que el tiro resulte en gol.
Statsbomb, por su parte, facilita datos accesibles al público para fomentar la investigación y el análisis del fútbol a todos los niveles.
Wyscout ofrece herramientas de análisis de vídeo y bases de datos digitales para el análisis de partidos y el scouting –observación, análisis y evaluación– de jugadores, organizando eventos como el Wyscout Forum, donde agentes y clubes pueden conectar.
Estas plataformas, disponibles en móviles y web, requieren suscripción o pago para acceder a sus funcionalidades más avanzadas, aunque algunas como Statsbomb permiten acceso libre a algunos datos básicos.
Eurocopa 2024: España encabeza las predicciones e Inglaterra la sigue
Algunas de estas empresas han utilizado la potencia de sus datos y de las técnicas de análisis e IA para hacer algunas predicciones sobre el ganador de la Euro 2024. En esta web los modelos actualizan las probabilidades en tiempo real.
A 2 de julio, España ocupa la primera posición, con un 20.03 % de probabilidades de ser campeona, seguida muy de cerca por Inglaterra (19.9 %). A pesar de las dudas sobre su juego, las altas probabilidades del combinado inglés se deben a que ha quedado situado en el lado más “sencillo” del cuadro de eliminatorias.
En otro estudio realizado antes del comienzo de la Euro 2024, que usa un ensemble (conjunto estadístico) de modelos de machine learning, con datos históricos de partidos y de 28 casas de apuestas y mediante 100 000 simulaciones, Francia era la favorita con un 19 % de probabilidades, seguida por Inglaterra y Alemania. España en este caso ocupaba la cuarta posición en las opciones al título, con un 11,4 %.
Pasión para sentir el fútbol y datos para decidir
El fútbol es uno de los espectáculos que levanta más pasiones: recordemos la euforia por la obtención de la última Champions del Real Madrid en mayo pasado, las alegrías por los triunfos de nuestro equipo favorito o la tristeza de los aficionados de los clubes que pierden una final o bajan de categoría al final de temporada.
Nos fijamos mucho en el componente pasional, sentimental, irracional, en la magia de una jugada imprevisible, en la posibilidad de una gesta de David contra el Goliat. Pero no olvidemos que, por debajo de todo este mundo de pasiones, el fútbol es un negocio en una industria que mueve miles de millones. Se estima que representa un 1,44 % del PIB español, según un informe de la consultora KPMG.
Hay que tener en cuenta que el fútbol y todo lo que le rodea lleva tiempo transformándose y profesionalizándose, tanto en el campo de juego como fuera de él y no es ajeno a la revolución de los datos y los algoritmos. En esta transformación está jugando un papel vital la disponibilidad cada vez mayor de datos y de herramientas, algoritmos y modelos que proporciona el business analytics para poder obtener conclusiones valiosas.
Mucho “moneyball” y gerentes como Brad Pitt
Aunque el uso de datos y estadísticas en el deporte se remonta a finales del siglo XIX, podríamos considerar que la introducción del uso de modelos sofisticados de análisis estadístico está en el mundo del béisbol. Algo magníficamente retratado en la película Moneyball (2011), en la que el gerente general de un club (Brad Pitt) desafía las convenciones tradicionales del béisbol utilizando el análisis estadístico para armar un equipo competitivo con un presupuesto limitado.
Hoy en día, todos los equipos de primera división, la mayoría de los de segunda y las selecciones nacionales tienen un departamento de analítica de datos. Dentro del campo de juego, mediante tecnologías como cámaras de alta velocidad y GPS, se recolectan datos detallados sobre movimientos en el campo, habilidades técnicas y contribuciones tácticas.
Estos datos se analizan usando estadísticas, visualizaciones y modelado predictivo para optimizar entrenamientos, ajustar tácticas en tiempo real, evaluar jugadores y formar equipos estratégicamente, mejorando así el desempeño y la gestión de los partidos.
Mapas de calor: descubre el de Halaand y el de Mbappé
Entre las visualizaciones más sencillas está el “mapa de calor”, que muestra por qué zonas suele moverse un jugador a lo largo del partido. Los modelos predictivos pueden usarse para prever comportamientos futuros basados en datos históricos de muchos partidos, como la probabilidad de éxito en ciertas jugadas o la susceptibilidad a perder el balón en situaciones de presión.
Los mapas de calor de la figura que sigue a este párrafo corresponden a lo realizado en sus respectivas ligas por dos de los jugadores estrella de los últimos años, el noruego Halaand y el francés Mbappé. ¿Cuál corresponde a quién? La respuesta, al final del artículo.
Fichajes bajo la lupa de la analítica
Pero el empleo de técnicas de análisis de negocio alimentadas con los datos (que son la “gasolina” de la que se alimentan los modelos) se emplea en otros muchos campos de la gestión deportiva. Así, el mundo del scouting y los fichajes ha evolucionado de métodos basados en la intuición a análisis cuantitativos detallados usando datos de rendimiento, análisis biomecánico y trayectorias de desarrollo para identificar y evaluar jugadores.
Herramientas analíticas como modelos predictivos de valoración, sistemas de recomendación y simulaciones permiten tomar decisiones informadas, optimizando la integración y el desarrollo de nuevos fichajes, mejorando así la eficiencia del scouting y la rentabilidad de las inversiones. En este contexto se han desarrollado modelos de valoración de jugadores, para, a partir de sus características personales y de rendimiento, poder predecir su valor económico potencial.
La comparación con su precio de transferencia puede servir de ayuda para detectar “joyas” o “chollos”, cuyo valor potencial sea mayor que su precio de mercado. También se utilizan ya técnicas de modelización mediante machine learning basada en algoritmos de regresión y del método random forest o bosque aleatorio.
Prevención de lesiones
Otro punto en el que es vital el uso de business analytics y modelos de IA es para la prevención de lesiones de jugadores. La analítica puede prever riesgos de lesión al analizar datos sobre la carga de trabajo de los jugadores y sus historiales médicos. Esto permite a los equipos gestionar mejor el entrenamiento y la competición para mantener a los jugadores en su mejor forma física.
El uso de datos, modelos e IA en el fútbol no está solo en los aspectos meramente deportivos, sino también en la mejora de la experiencia del aficionado y la optimización del rendimiento financiero y operativo de los clubes. Los datos sobre preferencias y comportamientos de los aficionados se utilizan para personalizar experiencias durante los partidos y en plataformas digitales, optimizando la venta de entradas y mercancías y maximizando el compromiso y los ingresos.
Así que la próxima vez que grite “¡gooool!” cuando marque su equipo y saque su lado más pasional e irracional, trate de recordar que, más allá de las intuiciones, existe una gestión basada en datos y en análisis de negocio que permite obtener equipos ganadores.
¿Quién es quién? Por cierto, en el mapa de calor, el “jugador 1” corresponde a Haaland, mientras que el del “jugador 2” corresponde a Mbappé. ¡Enhorabuena si ha sido capaz de adivinarlo!