L’habilitat tècnica, l’estratègia o la mentalitat competitiva són tres característiques indissociables de qualsevol esportista o equip professional. En aquesta equació, des de fa uns anys, ha agafat cada cop més força la gestió massiva de dades, coneguda altrament com a big data, que combinades amb la tecnologia informàtica tracta aquestes informacions de manera adequada per poder extreure conclusions que arribin a ser útils també en el camp de l’esport. “Fins ara havíem basat les decisions en la percepció, l’experiència i l’opinió; i aquestes hipòtesis que tenen els entrenadors s’han de contrastar amb informació quantitativa”, explica el doctor en Estadística i professor de l’Institut Nacional d’Educació Física de Catalunya (INEFC), Martí Casals.

Les anàlisis de dades i estadístiques tenen aplicacions en diverses àrees de l’esport, però pel director general de Sports Data Campus, David R. Sáez, es poden resumir en tres ben clares: l’estratègia tàctica, el rendiment físic i la captació de talent. Pel que fa al primer, serveix per monitorar el moviment dels equips i ajuda a identificar patrons recurrents i a anticipar-se a les decisions del rival. També té molt de pes en la salut de l’esportista, mesurant l’estat de forma i preveient si un jugador necessita descans o treball específic per evitar les lesions. I, per últim, hi ha la captació o scouting, que han convertit els números en una eina essencial per fer valoracions, complementant així altres mètodes com l’observació directa. “Tot i que en moltes ocasions es vincula el big data amb el rendiment durant els partits, el seu impacte arriba a la presa de decisions estratègiques i organitzatives fora dels terrenys de joc”, afegeix.

El cicle de vida de les dades acostuma a seguir cinc fases diferenciades: la captura, l’emmagatzematge, el processament, l’anàlisi i l’arxivament o eliminació

La recopilació de dades és un dels processos cabdals en tot el procés i no existeix tan sols un mètode d’obtenció. “Abans d’entrar a poder analitzar res, has de recopilar informacions i aquí entren tota mena d’eines com les càmeres que segueixen moviments, dispositius GPS que mesuren distàncies i velocitats, sensors que controlen l’esforç físic, instruments termogràfics o aparells biomètrics”, apunta Sáez, “vindria a ser com muntar un puzle gegant on cada tecnologia pot aportar una peça ben diferent”. Després d’aquest primer pas, el seguirien quatre més, com especifica la docent del Màster de Big Data i IA en Esport de Unisport, Marguerita Lubiato: “Un cicle de vida de les dades acostuma a estar format per cinc fases com són la captura, l’emmagatzematge al núvol, el processament a través de programes, la creació de l'anàlisi i, finalment, l’arxivament o eliminació”.

El beisbol: l’esport pioner de les dades

“L’estadística aplicada en el rendiment esportiu ve dels anys 1800”, comenta Casals. De fet, la primera disciplina esportiva que va obrir la porta als experts en matemàtiques es considera que va ser el beisbol i a partir d’aquí es va crear el concepte sabermetrics, que és com es coneix l’ús de les mètriques avançades basades en estadístiques per mesurar l’activitat del joc. El professor de l’INEFC posa com a exemple il·lustratiu la pel·lícula Moneyball, del 2011, que fa referència a la tasca dels que s’encarreguen d’identificar i fitxar jugadors infravalorats per sota del preu de mercat. I és que segons un estudi dels Instituts Nacionals de la Salut dels Estats Units, un partit professional de beisbol de la Major League Baseball (MLB) arriba a crear una quantitat de dades superior als set terabits d’emmagatzematge. Pel director general de Sports Data Campus, David R. Sáez, “el beisbol ha fet del seguiment estadístic una part fonamental de la seva cultura” i “actualment, ens permet analitzar des d’aspectes senzills com el nombre de vegades que un batedor arriba a la base fins a dades més complexes com la velocitat o l’efecte dels llançaments”.

Segons els Instituts Nacionals de la Salut dels Estats Units, un partit professional de beisbol pot arribar a generar més de set terabits d’informació

La cultura de les dades de l’esport prové dels Estats Units, assenyala Martí Casals, i a la disciplina del bat se’ls ha anat sumant altres pràctiques molt populars entre la societat estatunidenca com el bàsquet, el futbol americà o l’hoquei gel. Alhora afegeix que: “Així i tot, els millors que treballen amb dades i tecnologia estan en els equips de beisbol. Tenen departaments quantitatius molt potents i els dos equips més importants -els Oakland Athletics i els Houston Astros- en aquest sentit compten amb una dotzena d’analistes cadascun d’ells. A més estan molt ben organitzats amb experts de programació, d’estadística o en recerca”. Altres països avançats tecnològicament, com Austràlia i Nova Zelanda, s’han afegit en la preparació física del criquet o el rugbi; mentre que a Europa, s’evoluciona en el futbol, que es caracteritza per un volum d’informació molt elevat, però presenta serioses dificultats com les grans dimensions del terreny de joc.

El professor de l’INEFC reivindica el rol dels analistes esportius davant de tants processos informàtics. “Tenir moltes dades i disposar de la millor tecnologia sense pensadors estadístics no té cap sentit i el més important és aconseguir una informació que resulti útil”, explica Casals, “davant d’una nova cultura, s’exigeix un canvi de model en la gestió actual de les organitzacions”. Això ho exemplifica posant un cas pràctic: “La principal funció és pensar quin serà l’objectiu exacte, allò que es vol modificar. A partir d’aquí, un estadista farà 20 pàgines d’informe, que es resumiran en quatre que acabaran en el director del departament i, finalment, aquestes haurien de ser resumides en un sol gràfic per tal que l’entrenador ho pugui fer servir amb els seus jugadors”. A més, insisteix que en moltes ocasions s’ha de reforçar aquest missatge fent ús de vídeo i materials visuals, per tal que aportin el context necessari perquè sigui entès amb més facilitat.

Martí Casals: “Tenir moltes dades i disposar de la millor tecnologia sense pensadors estadístics no té cap sentit i el més important, al final, és aconseguir una informació que resulti útil”

Fora del terreny de joc, Marguerita Lubiato posa la mirada en com el big data s’està usant per donar suport a diferents departaments d’un club, sense que siguin aquests exclusivament esportius com el màrqueting, el marxandatge o la venda d’entrades. “Hi ha entitats esportives que analitzen les dades dels aficionats que assisteixen els recintes esportius per millorar la seva experiència i també passa amb els que ho miren des de casa”, narra, “per exemple, en partits de beisbol dels Estats Units es poden veure les estadístiques d’un jugador en concret tan sols enfocant-lo amb la càmera del mòbil mitjançant la realitat augmentada o el mateix passa veient un partit de bàsquet per la televisió quan en temps real apareixen les estadístiques de llançaments”. Saéz posa sobre la taula altres casos, com el control de temps de les cues per evitar les esperes llargues a aquells que accedeixen a un recinte o el disseny d’esdeveniments específics per tal que atraguin una tipologia concreta de públic a les grades. “El big data no només millora el que passa sobre la pista o el camp, sinó que ha revolucionat la relació entre els aficionats i l’esport, fent l’experiència cada cop més interactiva, personalitzada i emocionant que mai”, afegeix.

El pes creixent de la IA

La intel·ligència artificial (IA) ha esdevingut una de les últimes companyes de viatge pel món del tractament de dades massives i Martí les resumeix com “un guany de temps”. El professor reflexiona en el fet que “la clau segueixen sent les persones i s’ha d’educar millor per ser més alfabets estadísticament: llegir, comprendre, crear i comunicar dades amb informació”. Per ell, en moltes ocasions la IA genera alguns biaixos i, si es confia de forma plena i es dona tot per bo, pot acabar sent un problema a la llarga. “Si no es té una bona educació en aquest àmbit, hi pot haver una mala presa de decisions i això succeeix perquè moltes vegades volem anar molt més ràpid del que es pot”, conclou. De moment, el beisbol torna a ser el millor model per entendre la combinació entre esport, dades i algoritmes, com explica David R. Sáez: “Els equips de beisbol s’han convertit en un veritable laboratori de proves i ja es treballa en models predictius basats en registres històrics per anticipar el rendiment d’alguns jugadors en escenaris específics”.

La intel·ligència artificial, juntament amb la realitat virtual i la realitat augmentada, ha esdevingut una eina útil pels equips per predir futures accions i fer ajustaments tàctics

Lubiato, per la seva part, menciona altres tecnologies com la realitat virtual o la realitat augmentada, cada cop més present en algunes disciplines esportives. “Totes dues permeten simular accions de joc real, a través d’entorns en 3D que repliquen accions de joc real i, en moltes ocasions, aquí apareix la IA per ajustar els escenaris segons el que arribin a fer els esportistes per generar una acció el més semblant possible a l’entorn real”, explica, “d’aquesta forma, els equips poden ajustar tàctiques, testar noves jugades o, fins i tot, posar en pràctica diferents formacions”. Equips professionals de futbol americà -com els Washington Commanders o els New England Patriots- o de bàsquet -com els Golden State Warriors o -Los Angeles Clippers- ja ho han implementat en les seves jornades d’entrenament.