BIHUB PATH

febrero 26, 2019

Tecnología & Innovación
Análisis y Tecnología Deportiva
Rendimiento Deportivo

LA ORIENTACIÓN DE UN JUGADOR, CLAVE PARA LOS MODELOS PREDICTIVOS EN FÚTBOL

Esta semana Carlos Rodríguez presentará en OptaPro Forum, el estudio que se está llevando a cabo en el club con relación a la orientación corporal de los jugadores en diferentes situaciones del juego. Nos hemos sentado con el para que nos de una breve explicación del proyecto.

 

—¿Por qué la orientación?

—A la hora de analizar y estudiar qué está pasando en el campo, tenemos todos los datos en cuanto al posicionamiento de los jugadores mediante el tracking. No obstante, no sabemos nada en cuanto a la orientación y es un dato fundamental que entra en consonancia con el posicionamiento, ya que están estrechamente relacionados. Para ello usamos las imágenes de video, separando cada fotograma y recortando el esqueleto del jugador. A través de Machine Learning podemos llegar a predecir de una forma más robusta la orientación de todos los jugadores.

Jugador corriendo

Hoy en día los jugadores no están correctamente reflejados en los modelos estadísticos ya que parece que pueden pasar el balón en cualquier dirección indistintamente de cual es su orientación, como si fueran omnipresentes. Si introducimos la orientación, los modelos serán más realistas y dotarán de mayor valor, los informes realizados para el cuerpo técnico.

No hay que olvidar que la mayoría de los entrenadores entrenan mucho la orientación con los jugadores, para que sepan en todo momento como encarar las distintas situaciones en ataque y defensa que se pueden encontrar en el campo.

 

—¿En qué estado nos encontramos para el desarrollo de incorporar estas nuevas variables?

—Nos encontramos en un momento de gran cambio y disrupción en el análisis de datos y creación de modelos predictivos. La especialización y tecnificación del fútbol hace que las nuevas tecnologías avancen con velocidad, permitiendo el desarrollo de nuevos modelos estadísticos. Existen dispositivos de tracking de variables posicionales fiables desde hace 4-5 años y ahora estamos adentrándonos en el campo de computer vision.

Esto nos abre un nuevo campo donde podemos combinar los distintos datos para crear modelos de predicción más robustos. Si hubiéramos hablado de ello hace 5 años nadie se hubiera imaginado que hoy en día ya lo estamos haciendo.

 

—¡Apasionante! ¿Qué utilidad y aplicaciones se pueden derivar midiendo la orientación?

—Hay unos cuantos que son de gran interés no solo para el entrenador sino para los distintos miembros del staff técnico. Por ejemplo, podemos saber en los entrenamientos en que dirección está corriendo cada jugador (hacia adelante, detrás o a los lados) y según el tipo de desplazamiento, esto afecta a unos músculos u articulaciones. Gracias a la orientación podemos personalizar mejor las cargas de trabajo de cada jugador, ayudando a crear programas que son más realistas a las necesidades del jugador y su posición.

Otro ejemplo práctico es que ayuda a mejorar el modelo estadístico de “pitch control”. Ahora mismo se tiene en cuenta para este modelo las variables de posición y velocidad. Si un jugador está corriendo hacia atrás, el modelo detecta que está generando espacio en su espalda porque se está desplazando hacia atrás. En realidad, no es así, el espacio que tiene controlado es el de delante. Por lo tanto, si incorporamos esta variable, mejoramos el modelo, haciéndolo más realista en relación con lo que está pasando en el terreno de juego.

 

—¿Y para los jugadores?

—Hay eventos que con la orientación mejora el significado como por ejemplo cuando recibes un balón. Cuando tienes el balón tienes dos opciones, conducir con ello o volver a pasarlo. Sabiendo la orientación puedes llegar a determinar que acción es la mejor entre el atacante y el defensa. Si en tu campo visual no se encuentra nadie, en principio es mejor conducir. De la misma forma, los jugadores también pueden perder la pelota porque no están bien orientados. Podemos mejorar estas situaciones en el futuro mediante informes personalizados que analicen estas distintas casuísticas de los jugadores.

Podemos también incorporar la orientación en el modelo de probabilidad de pase. El que pasa no puede pasar a todos los lados y el que la recibe, es un pase al pie si lo está mirando y al hueco si tiene otra orientación. Ahora mismo solo se consideran los pases al pie. Con esta nueva variable, podemos ver la probabilidad de hacer distintos tipos de pases que hoy no se están contemplando.

 

¿Cómo se representan estos datos?

—Es importante sintetizar toda esta información de una forma visual e intuitiva para que todas las partes implicadas lo entiendan. Es muy fácil perderse con todos los datos, pero la clave es poder representarlos de una forma sencilla que explique el concepto clave que se quiera transmitir. Como comentó Javier Fernández y Raúl Peláez en el Barça Sports Analytics del año pasado, es vital esta parte del proceso ya que sino todo el trabajo realizado, no sirve porque no se entiende. Veremos en un futuro como en los equipos de análisis de datos se incorporarán también diseñadores de UI/UX para darle forma.

Representación visual del modelo de orientación.

KNOW MORE

¿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.