BIHUB PATH

18 diciembre, 2019

LA ÉLITE MUNDIAL DEL ANÁLISIS DE DATOS DEPORTIVOS SE REÚNE EN BARCELONA

Events

Apúntate al BARÇA SPORTS ANALYTICS SUMMIT 2020 - 3° EDICIÓN

únase ahora
318K

El conocimiento en el fútbol se ha transmitido durante años por impresiones de ojeadores, informes y vídeos. Ahora ha llegado la era del análisis de datos. Una información más completa y contrastada, pero que, como ha explicado Javier Fernández, Head of Sports Analytics del FC Barcelona, todavía presenta dificultades para conseguir esos datos, tratarlos e interpretarlos.

El Barça Innovation Hub ha seguido esta nueva disciplina desde su eclosión. Muchos de los talentos que asistieron a los primeros encuentros organizados por el Hub, advirtió Fernández, se encuentran actualmente en los proyectos más importantes del mundo en el ámbito del análisis de datos deportivos. Parte de ellos, acudió al encuentro Barça Sports Analytics Summit para presentar sus últimas investigaciones.

Control de sprints

El responsable de sistemas de información y datos del Benfica, Suds Gopaladesika, en su ponencia How to strengthen a club´s culture through data analytics explicó cómo trabaja en el club portugués con el ambicioso objetivo de optimizar los sprints de los jugadores. Gopaladesika parte de la base de que una carrera a velocidad punta supone que durante al menos un cuarto de hora el futbolista no pueda realizar otra similar en las mismas condiciones. Teniendo en cuenta que la mayoría de los sprints en ataque no conducen a nada porque se malogra la jugada, mediante el análisis de datos ha tratado de medir qué jugadores tienen mejor media de pases de alta calidad y cuáles de recibirlos. Todo ello con la finalidad de facilitar un buen feedback al entrenador para que los jugadores utilicen los sprints en momentos con mayor posibilidad de causar un peligro al rival.

 

Mapas de circulación de balón

El científico Bart Spencer, de la Universidad de Victoria australiana, presentó en Using contextual player movement and spatial control to analyse player passing trends in football, en el cual describe cómo se puede mapear la circulación de balón dentro de un equipo. Mediante la recolección en la liga MLS americana de datos relativos a los movimientos útiles de los jugadores para recibir un pase, el éxito de los mismos, las áreas donde se producen y el nivel de riesgo que entrañan, ha establecido el nivel de los cauces por los que se mueve un balón entre compañeros. Un sistema que permitiría en un futuro profundizar en la calidad de los espacios que generan las jugadas y aportar un feedback al jugador para la toma de decisiones cuando tiene que mover el balón.

 

Probabilidad de lesión

Las lesiones cuestan 188 millones de euros al año en la primera y segunda división españolas y la media de pérdida de partidos es de un 16%. Sin embargo, el tratamiento de datos puede aportar a los entrenadores una valiosa información para tener en cuenta las probabilidades de que un jugador, por la acumulación de minutos y esfuerzo, pueda lesionarse. Luca Pappalardo, del ISTI (Institute of Information, Science and Technologies) del CNR italiano, en su investigación Explainable Injury Forecasting vía multivariate time series and convolutional neural networks mejoró el pronosticador de lesiones MATH (Memoried, Accurate, Transparent, Holistic) de un 96% de falsas alarmas a un 45% mediante el uso de Inteligencia Artificial (MTS-CNN, Convultional Neural Network) Una vía que en el futuro podría generar también planes de entrenamiento específico para eludirlas.

 

Romper líneas del rival

La filosofía de Johan Cruyff era clara. Tan importante es el jugador que conduce la pelota como el que crea espacios para que se le pase el balón al que está solo. Con esta premisa, Sergio Llana, data scientist del FC Barcelona, explicó en How and why we need context to analyse ball possessions cómo se realiza la monitorización del juego del Barça para facilitar una información depurada al staff técnico del equipo. Llana distinguió el juego en tres fases, la de iniciación, la de progreso y la de finalización. Dentro de cada una de ellas marcó micro-objetivos, que serían los movimientos sin balón que permiten que con una jugada se supere al rival. Mediante la monitorización por tracking y este tratamiento de los datos se permite conocer los patrones en los que se producen las “ventanas” que permiten que culminen este tipo de jugadas.

 

Monitorización a través de la retransmisión

Para los clubes con menos recursos, Jacob Mortensen, de la Universidad Simon Fraiser, anunció en Estimation of player load metrics using broadcast derived tracking data que se puede medir la distancia que recorre un jugador y su velocidad a través del tiro de cámara en la retransmisión de un partido. Mediante un cálculo, puede averiguar la posición y movimientos realizados por los jugadores que estarían fuera del foco. Un sistema que puede ayudar en el futuro a mejorar la precisión de los datos obtenidos en vídeos de baja calidad.

 

Orientación del futbolista

Muchas jugadas durante un partido no llegan a buen puerto por la sencilla razón de que un futbolista desconoce dónde están sus compañeros. Una correcta orientación a la hora de seguir el juego y entrar en contacto con el balón es fundamental para situar a los demás jugadores. Adrià Arbúes, de la Universitat Pompeu Fabra, explicó su nuevo modelo de visión computerizada para registrar la orientación del cuerpo de los futbolistas durante el juego en Head, shoulders, hip and ball… Hip and ball! Using pose data to leverage football player orientation, un proyecto aún en proceso. Conocer esta información sirve para medir el tiempo de reacción, entrenar tácticas introduciendo el campo de visión del jugador como factor y enseñar a las categorías inferiores. Su sistema de medición se basa en la perspectiva del campo, la situación del balón y la posición de los hombros, caderas y cara del jugador. A pesar de que la calidad del vídeo genera errores en la medición, Arbúes aseguró que la información se podrá reunir en 24 horas.

 

Perfiles de futbolistas más completos

Jan Van Haaren, de la universidad belga de Leuven, mostró en Scouting football players by squeezing every last drop out of match event data las posibilidades que hay de ampliar un informe sobre un futbolista. En primer lugar, abogó por el dato de calidad con un ejemplo: si un futbolista le cede el balón a un delantero a dos metros, este sortea a varios rivales y consigue un gol, ese pase es una asistencia, pero no se podrá comparar a una asistencia de cuarenta metros que deja solo a un delantero. El tratamiento de datos debe tener en cuenta estas variables para precisar la calidad de las acciones del deportista. Además, Van Haaren midió también cómo reaccionan los futbolistas ante la presión, gracias a un sistema de medición que tuvo en cuenta variables como los periodos prolongados de partidos sin ganar, la cercanía de los derbis, la destitución del entrenador o los puestos de descenso.

 

Efectividad de cada táctica

El paper ganador del Barça Sports Analytics Summit ha sido Dynamic Analysis of team strategy in professional football matches, del investigador de Harvard, Laurie Shaw. Mediante los datos obtenidos por tracking, ha estudiado el peligro que se genera según el dibujo en el campo de un equipo. La investigación incluye los cambios de estrategia que se realizan en el curso de un encuentro y las transiciones de fase ofensiva a fase defensiva. El tratamiento de toda esta información abre la puerta a conocer la probabilidad de crear ocasiones y materializarlas con cada esquema o formación, así como los riesgos de recibir goles con cada uno de ellos.

 

En el béisbol americano

Como invitado especial, Dan Cervone, responsable de ‘Análisis cuantitativo’ de los Dodgers, un equipo de béisbol estadounidense, mostró en Baseball analytics in the age of tracking data cómo se emplean estas técnicas en su deporte. El béisbol es una disciplina estrechamente ligada a los datos y la estadística desde su origen. Una de las funciones más importantes de procesar la efectividad de un deportista se produce a la hora de fichar, cuando se pueden conseguir incorporaciones más baratas con similares tasas de eficacia. En el juego de su club, actualmente también se utilizan datos para especificar el nivel de dificultad para la defensa de cada bateador y, al mismo tiempo, de los lanzadores. Sin embargo, ha confesado que ha costado mucho trabajo que los entrenadores presten atención a los datos estadísticos que se les pueden facilitar y que condicionen algunas de sus decisiones a la estadística.

 

Retos futuros

Por último, en una mesa redonda, se debatió la dificultad para los científicos de datos de comunicarse con los entrenadores y responsables de los equipos. Van Haarven explicó que lo más importante son las preguntas que se le presenten a los científicos, ya que su labor está orientada a dar respuestas o presentar la información necesaria para tomar una decisión. Gopaladesikan, por su parte, señaló que los cuerpos técnicos están acostumbrados a trabajar con vídeos y que es importante que los científicos de datos, que presentan un nuevo lenguaje o modelo de comunicación, sepan entenderse con el   entrenador sin gráficos demasiado laboriosos. Preguntados sobre por qué se analiza más el ataque que la defensa, todos estuvieron de acuerdo en responder que el ataque depende   de uno y la táctica defensiva del rival, por eso es impredecible. Sergio Llana, en este aspecto, puntualizó que el ataque es más atractivo que la defensa, pero que también hay que tener en cuenta los modelos de presión, que cada vez se están desarrollando más.

 

 

El equipo Barça Innovation Hub

NOTAS RELACIONADAS

¿Quieres saber más?

  • Suscríbete
  • Contáctanos
  • Únete al HUB

Mantente al día con nuestras novedades

¿Tienes preguntas sobre Barça Universitas?

  • Startup
  • Centro de Investigación
  • Corporativo

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.