Análisis de datos en el deporte, a 20 años de Moneyball

Hace dos décadas, Michael Lewis escribió el libro 'Moneyball', un hito que transformó la manera cómo se hace análisis estadístico aplicado al deporte. Muchas personas recordarán mejor esta historia por la película del mismo nombre, protagonizada por Brad Pitt y estrenada en 2011.

La obra estuvo inspirada en hechos reales y cuenta la experiencia de Billy Bean (interpretada por Pitt), gerente de un mediocre equipo de béisbol en Estados Unidos, los Oakland Athletics. Desesperado por los malos resultados, contrató a Peter Brand, un joven economista de Yale (interpretado por Jonah Hill), un auténtico nerd especializado en matemáticas.

Aplicó una técnica inédita hasta el momento: a partir de un riguroso análisis estadístico, contrató jugadores muchas veces ignorados o subvaluados, pero con un alto potencial y el mejor costo-efectividad. Con un presupuesto exiguo, armó un equipo, al inicio cuestionado, que terminó sorprendiendo a sus críticos.

Fundamentado en el análisis de datos, desarrolló estrategias de juego y de compra-venta de jugadores, basándose en la evidencia empírica. Este método, conocido como sabermetrics, desafió la forma de tomar decisiones, que tradicionalmente dependía de la experiencia y los conocimientos de los entrenadores y los dueños de equipos.

Se enfrentaron la data versus el olfato, con un triunfo inobjetable de la primera: el equipo de Oakland no solo consiguió 20 triunfos seguidos y el título de la conferencia oeste de la Liga Americana, sino que logró generalizar el uso de análisis estadístico en este deporte.

Además del béisbol, dicho análisis se ha aplicado a otras disciplinas, como el básquetbol, el fútbol americano y el fútbol.

Moneyballing, como se ha popularizado, ha evolucionado mucho desde sus orígenes y se ha convertido en parte del léxico para referirse a la aplicación de analítica avanzada de datos no solo al deporte, sino a los negocios e incluso al diseño e implementación de políticas públicas. La transformación digital y el acceso a una gran cantidad de información (big data) han acelerado este proceso.

El uso de análisis de datos en el fútbol incluye una gran cantidad de información, tanto del equipo propio como del adversario. Entre otros, se consideran datos biométricos (edad, peso, talla, velocidad, resistencia, lesiones, etcétera), técnicos (goles, pases, posesión, intercepciones, tiros libres) y tácticos (de local o visitante, en la altura o el llano, esquema ofensivo-defensivo, rotaciones).

Con esta y otra información, se calculan no solo probabilidades de ganar, sino indicadores como el valor de recambio, que estima la contribución adicional que está haciendo cada jugador en la cancha, comparado con aquella que pueda realizar otro jugador en la banca.

De esta manera, orienta al entrenador para alinear su once titular, los recambios, su estrategia y hasta la prevención de lesiones.

En la actualidad, hay mucha información disponible, pero lo más importante es contar con especialistas que puedan interpretarla. Por ello, prácticamente todos los grandes equipos de fútbol tienen un jefe de análisis de datos.

El Liverpool, por ejemplo, cuenta con uno de los departamentos de analítica más avanzados del mundo. Se alió con la división de inteligencia artificial de Google y sus modelos han contribuido a la contratación del técnico y los jugadores que alcanzaron el título inglés y la Champions League de 2019.

El Barcelona, para mencionar otro caso destacado, no solo ha desarrollado esta experticia al interior de su club, sino que ha lanzado el Barça Innovation Hub, un centro global para el conocimiento, la analítica y la innovación en el deporte.

Por ello, no sorprende que en el campeonato mundial de Qatar hayamos visto a muchos entrenadores rodeados de asistentes técnicos con tablets o laptops, que están procesando todo tipo de información en tiempo real, calculando estos y otros indicadores, y tomando decisiones sobre la base de este análisis.

Es un instrumento clave, pero no infalible o todopoderoso. Alemania, por ejemplo, uno de los favoritos para llevarse la Copa, y con acceso a las técnicas más avanzadas de análisis estadístico, terminó eliminado. Sucumbió frente a Japón, un rival que luego perdió con Costa Rica, que a su vez venía de ser goleado por España. ¿Cómo explica todo esto la ciencia de datos?

En el fútbol, la pasión, el coraje y la suerte no podrán ser reemplazados totalmente por una tablet. Por eso gozamos y sufrimos tanto con este deporte.