Los equipos de fútbol se apoyarán más que nunca en el big data para mejorar su rendimiento en este Mundial. Alemania, país campeón del pasado Mundial, ya utilizó un sistema de big data para mejorar el rendimiento de su equipo. En 2018 serán más los equipos que implanten desarrollos muy sofisticados que apliquen el data al mundo del fútbol. Según los expertos, en un solo partido se pueden llegar a generar más de 8 millones de datos.

Muchas selecciones ya cuentan con profesionales que se encargan de analizar grandes cantidades de información para resolver posibles problemas en el juego y facilitar la toma de decisiones al cuerpo técnico. Oliver Bierhoff, director deportivo del equipo germano, por ejemplo, reconocer la importancia de los datos en el juego de su selección: “Hemos creado un plan de juego que pone el poder de la gestión de datos e información en tiempo real al alcance de nuestras manos, permitiéndonos disfrutar de una sólida ventaja competitiva”.

La interpretación del big data permite a los entrenadores disponer de información muy valiosa que permita reorientar el curso de un partido, cambiar la alineación o la táctica de juego. Además, toda la información recopilada queda registrada en una base de datos que permite realizar un análisis más profundo de cara a los siguientes encuentros.

Entre los avances que las selecciones utilizarán para sacar el máximo partido al big data, los expertos de The Valley han analizado las siguientes:

1. Eventing. Seguimiento de las posiciones de los jugadores y la trayectoria del balón con cámaras en el terreno de juego.

Esta información es procesada por un software que ofrece estadísticas actualizadas en tiempo real e imágenes en directo a los analistas. Ellos son los encargados de examinar cómo están rindiendo los jugadores, qué posiciones están resultando claves en el devenir del juego y para sacar conclusiones y transmitirlas a los técnicos. Por ejemplo, aunque no es posible vaticinar qué va a hacer un jugador como Messi, sí se puede contar con información sobre su juego y hacia qué lado suele regatear.

Muchos analistas de big data suelen apostarse en la tribuna para tener también una referencia subjetiva de lo que está pasando. En este caso, suelen usar dispositivos móviles, como tablets y smartphones, para comunicar los datos al banquillo.

2. Dispositivos wearables para medir el rendimiento individual de cada futbolista. Los sensores que integran los sujetadores que llevan algunos jugadores debajo de la camiseta permiten registrar y analizar datos recogidos en los entrenamientos. Estos dispositivos incorporan un contador de pulsaciones, acelerómetro y GPS para llevar monitorizar la resistencia física, la velocidad y la forma de correr, indicadores que permiten comprobar el nivel de fatiga y prevenir el riesgo de lesiones.

“Cogemos todas las acciones con balón: sabemos quién lo toca, dónde y cuándo. Podemos decir cuántas veces ha tocado el balón un jugador, con qué parte del cuerpo, dónde y en qué segundo”, según ha asegurado Chechu Fernández, director de producción de OPTA, empresa proveedora de datos de LaLiga. Estos parámetros descriptivos de cada jugador permiten establecer modelos predictivos para compararlos con jugadores rivales o compañeros de cara a decidir, por ejemplo, la alineación titular.

3. Conclusiones objetivas frente al criterio subjetivo del entrenador. Al analizar los datos siguiendo algoritmos matemáticos, el experto en Big Data obtiene conclusiones objetivas. Es decir, llega a resultados estadísticos que, al cruzarlos con los datos de las selecciones rivales, permiten prever por dónde se puede crear más peligro en ataque, qué jugadores tienen más probabilidades de ganar duelos aéreos y qué zonas del terreno de juego son más favorables en la presión para robar la posesión al equipo rival.

Pero lo ideal es que el tratamiento de los datos tome como referencia la visión subjetiva del entrenador y sus directrices en cuanto a la identificación de posibles problemas en el juego. Así, si el equipo técnico identifica que la selección recibe muchos goles de córner, el profesional de big data centra su análisis en esas jugadas y no en el desarrollo total del juego, lo que retrasaría considerablemente su trabajo.

  • 5
  •  
  •  
  •  
  •  
  •  
    5
    Shares