Sí estás aquí, sospecho que es por una de dos cosas:

1. Identificaste la referencia a Star Wars en el título y te llamó la atención. (Permíteme felicitarte, eres un crack 😀 )
2. Tienes curiosidad de ¿qué significa el término Sports Analytics?

En caso de que no te guste Star Wars, contestemos la pregunta por la que estás aquí. ¿Qué son los sports analytics? Podríamos definir el concepto como una nueva forma de estudiar el deporte. Consiste en hacer un análisis estadístico avanzado de los datos de juego para identificar áreas de oportunidad y obtener una ventaja competitiva. El objetivo de los sports analytics es usar datos cuantitativos para reducir el desempeño de el/la atleta a un número. Si bien este campo es joven, presenta todo un nuevo panorama dentro del mundo deportivo. Por ejemplo, en el año 2015, un artículo publicado en el portal SportTechie revela que utilizando datos de juego y combinándolo con variables humanas como el patrón de sueño, niveles de estrés, cansancio, dieta e intensidad de entrenamiento, podemos predecir cuándo un jugador es más propenso a lesionarse.

Una Nueva Esperanza

¿Cuándo pensaríamos que esas personas a las que nos gusta Star Wars, jugamos Call of Duty y sabemos matemáticas podríamos tener una carrera exitosa en el mundo deportivo? Francamente, nunca. Pero ahora esto es más que posible gracias al creciente interés de los equipos en los sports analytics. En 2015, este mercado tenía un valor estimado de 125 millones de dólares. Para 2021 se espera que valga 4.7 billones de dólares.

Este es el primero en una serie de varios artículos donde exploraremos ejemplos de cómo el análisis estadístico y la ciencia de datos permiten mejorar el desempeño de los equipos o cambiar el enfoque de sus planes de juego. No te preocupes si eres de las personas que no se lleva bien con los números. Precisamente el objetivo de estos artículos (y de los analytics en general) es presentar la información de manera digerible y entretenida para que, aunque no sepas nada de estadística o matemáticas, puedas entender las perspectivas que se darán. Sin embargo, para mis amigos matemáticos, actuarios, computólogos o simplemente aficionados a los datos, incluiré al final de cada artículo links a mi Github, donde podrán encontrar un desglose mucho más profundo y detallado de la información (códigos, gráficas, datsets, etc.). Así que espero que disfruten estos artículos tanto como yo disfruto hacerlos. Vamos allá.

El origen de todo

Como todo en la vida, debemos empezar por el principio. Es difícil señalar una fecha específica de nacimiento para los sports analytics. Lo que sí podemos asegurar es que surgen a partir del análisis estadístico del deporte de la pelota blanca. En 1977 William James escribe un libro llamado Baseball Abstract. En este escrito, propone una nueva forma de estudiar el deporte, las Sabermetrics. El nombre de este nuevo enfoque es una referencia a la Society for American Baseball Research (SABR). Sin embargo, sus ideas no son escuchadas. No es sino hasta 2003 que los sports analytics verdaderamente explotan. Esto gracias a la historia que llegó hasta Hollywood con la película Moneyball.

Va un resumen rápido de la historia. Billy Beane, gerente general de los Oakland Athletics tenía que armar un equipo competitivo en cuestión de meses y después de haber perdido a 3 jugadores estrella. Naturalmente el presupuesto era bajísimo, por lo tanto, no había forma de pagar grandes contrataciones. Agotado de opciones, Beane implementa las ideas de Peter Brand, un economista recién egresado de Yale que no sabía nada del deporte. Brand proponía implementar las Sabermetrics para evaluar jugadores.

Estas nuevas métricas, permitían identificar jugadores muy efectivos y con bajo valor de mercado. Pongamos un ejemplo, el uso de OBP(On Base Percentage) en vez del promedio de bateo (AVG) para evaluar bateadores. Aunque esta última no es una mala estadística, tiene limitaciones. Le da el mismo peso a un single, a un doble, o incluso a un homerun. Además, no toma en cuenta cuando un jugador llega a primera base por conducto de bola intencional o base por bolas. El OBP en cambio, sí mide esta forma de aportar. Por lo tanto, un bateador que avanza por un conducto diferente a los hits pasa inadvertido si se evalúa con el promedio de bateo. Cuando los Athletics adoptaron este nuevo enfoque, hacen contrataciones que parecen ir desafiar toda lógica deportiva. Sin embargo, los resultados fueron impresionantes: Ese año, contra todo pronóstico y con un presupuesto bajo, el equipo de Oakland llega al juego de campeonato de la liga americana. Dos años más tarde los Medias Rojas de Boston implementan el sistema y resultan campeones de la liga.

Conforme la tecnología avanzó, las formas de acercarse al deporte evolucionaron también. Aquello que inició como un simple análisis estadístico del porcentaje de hit permitido por un pitcher se ha transformado en clasificar diferentes tipos de picheos mediante aprendizaje de máquina.

El futuro de los deportes

Aunque el concepto de sports analytics se hace cada vez más popular, hay organizaciones que se niegan a adoptar este enfoque. Esto divide a la comunidad deportiva en dos: los que creen en su uso y aquellos que no. La razón del rechazo es que prácticamente ningún entrenador, gerente general o jugador tiene interés en los números. Los conservadores en el mundo del deporte creen que lo único que realmente decide partidos es el instinto y el talento. Por lo tanto, cuando el análisis de datos arroja resultados que contradicen la lógica deportiva tradicional, se niegan a aceptarlos. Un ejemplo:

En la NFL, los RBs importan poco, son una posición en la que NO se debe invertir tanto y no son pieza clave en la ofensiva de un equipo contendiente.

Yo también me quedé así cuando lo leí por primera vez. Pero tranquilos, ya habrá todo un artículo para hablar de eso 😉 . Esta brecha que divide al mundo deportivo en creyentes y no creyentes en los analytics es cada vez más evidente. Hay jugadores como Charles Barkley que han manifestado una postura totalmente en contra de su implementación:

Siempre he creído que los analytics son BASURA. No funcionan, son una basura que inventaron unas personas muy inteligentes para entrar en el negocio (la NBA) porque no tenían el talento necesario para jugar […] Todos los que hablan de analytics tienen una cosa en común: nunca jugaron en la liga, no conocen el juego y probablemente eran el tipo de perdedores que nunca tuvieron novia en la preparatoria.

-Charles Barkley en Inside the NBA

De acuerdo, no se equivoca en lo último 🙁 . Sin embargo, toda mi vida he jugado basketball. Conozco el juego y creo que tomar este tipo de postura es totalmente irracional. Mi respuesta sería que muchos jugadores que no son los suficientemente capaces de entender lo que hay detrás, prefieren ni siquiera hacer el esfuerzo de escuchar. Como podemos ver, los analytics están dividiendo al mundo deportivo. En esta serie, exploraremos muchos argumentos a favor de su uso, pero también estudiaremos sus debilidades. Lo único indiscutible es que conforme aparecen nuevos avances tecnológicos, esta ola de nuevos paradigmas es cada vez más difícil de ignorar.

Finalmente les dejo un bonito ejemplo de cómo la tecnología cambia nuestra forma de analizar el deporte: un análisis en tiempo real de un partido de ping pong utilizando redes neuronales. ¡Esperemos que les guste esta serie de artículos!