En la selección del talento, procesar datos de manera correcta es clave como un gol. Así es la utilización de herramientas de Business Intelligence en Belgrano, de Talleres y de Instituto.
El mundo cambia. El fútbol y la manera de gestionar su dinámica, también. “Un error en un partido son tres puntos. Errar en un fichaje, en cambio, es una pérdida millonaria”. La frase pertenece a uno de los gurúes de la estadística aplicada al deporte o Big Data, como se la conoce mundialmente.
¿De qué se trata? Es una de las grandes revoluciones que el fútbol experimentó en los últimos tiempos. A la hora de contratar refuerzos, decir “fulano juega bien” suena hasta primitivo.
Hoy se describe a un jugador en función de la cantidad de pases efectivos, los cortes, sus desplazamientos, los kilómetros recorridos, el desgaste muscular y la tasa de sudoración, entre otros ítems. Todo se mide. Todo se procesa. Es un universo de datos que, bien interpretados, pueden servir para, entre otras cosas, acortar la brecha entre los equipos poderosos y los de menor presupuesto.
El juego de la fortuna, la película de 2011 protagonizada por Brad Pitt, reflejó antes que nadie este fenómeno. Es la adaptación del libro Moneyball, que cuenta la historia de Billy Beane, gerente general del equipo de baseball Oakland Athletics, quien se benefició de las estadísticas para fichar jugadores ignorados por sus rivales. ¿Cómo le fue? Con el 28° presupuesto entre 30 equipos, Oakland hizo historia al convertirse en el primero en ganar 20 partidos seguidos en más de 100 años de historia de la MLB.
En realidad, Beane se basó en el cuaderno de Bill James, un aficionado que en la década del ’70 llevaba todos los números de este deporte. Una suerte de “padre” del Big Data moderno. “Los estadígrafos quieren saber cómo son las estadísticas. Yo quiero saber qué significan. Igual que los periodistas deportivos, que las usan para decorar sus artículos en lugar de entender el juego”, dice James.
El español Salvador Carmona, creador de Origami Sports, no supera los 30 años y es uno de los referentes en la materia. Quería ser periodista deportivo pero terminó estudiando Economía. Fue a Estados Unidos y consiguió una beca en ESPN radio. Como parte de su maestría creó un modelo que establecía cuánto debían cobrar los jugadores de la NBA según su rendimiento. El proyecto fue reconocido y le permitió trabajar en la máxima liga de básquet.
Big Data aplicado en Fútbol, caso Talleres
De regreso a España, Carmona creó Origami Sports, que llegó a manejar una base de datos con más de 12 mil jugadores de las principales ligas de fútbol del mundo. Allí almacenan números sobre pases efectivos, goles y ocasiones de gol creadas, pases entre líneas, gambetas, kilómetros recorridos, velocidades máximas. Sus clientes eran equipos de las primeras ligas de España, la Serie A de Italia y la Premier League inglesa.
Carmona, que hace poco fundó Madribble, dice que de todos los clubes de Sudamérica sólo tuvo una consulta y fue de Tigre. “Es un problema de mentalidad más que de recursos. El fútbol nunca ha tenido tanto dinero. A veces un director deportivo cree que nuestros análisis le van a quitar el trabajo. Pero es al revés; esto va a optimizar su trabajo”, cuenta en el contacto con Mundo D.
Uno de los mejores ejemplos del buen uso de la estadística aplicada al fútbol es, según Carmona, la contratación de Engolo Kanté por parte de Leicester City. “Buscaban en las cinco ligas más grandes al volante que más robaba balones y convertía la secuencia en un ataque. Querían reemplazar al ‘Cuchu’ Cambiasso. Kanté jugaba en el Caen de Francia y el DT Ranieri no lo quería. Pero lo llevaron igual y terminó siendo figura. Después lo compró el Chelsea (donde juega actualmente)”, contó.
“Desde 2009 se registra todo en las grandes ligas. Si el arquero toma la pelota en dos tiempos, si un defensor juega de primera, si usa las dos piernas, etc. Con el uso de la Big Data se viene un modelo más eficiente del juego”, agrega.
Un partido de fútbol puede generar unos ocho millones de datos, muchos de los cuales son imperceptibles para el ojo humano. Imposible (y tal vez improductivo) procesarlos a todos, pero puede que varios ayuden a tomar decisiones correctas. Conocer datos en tiempo real en medio de un partido sería casi como tener la bola de cristal para un técnico.
