Por estrategiaynegocios.net
El fútbol y la ciencia de datos. La emoción y la razón. Estas dos disciplinas, en apariencia contradictorias, van a convivir como nunca antes en el próximo Mundial. Datalytics mostró cómo se puede aplicar la ciencia de datos al fútbol a partir del uso de tecnologías de Microsoft.
Puede leer: ¿Cómo tomar decisiones inteligentes impulsadas por datos?
Los datos no resuelven los mundiales, pero ayudan a entender e informar. En un partido de fútbol promedio se generan entre 2000 y 2500 eventos (pases, disparos al arco, faltas, etc.) En el próximo Mundial, gracias a la incorporación de sensores que capturarán más datos, ese número ascenderá a 15 mil. Es mucha información disponible.
La ciencia de datos es, básicamente, estadística con un componente predictivo. Toma los datos existentes y busca generalizaciones sobre datos no vistos. Puede usarse para, por ejemplo, determinar cuál es el equipo en el un jugador —según sus características y las de un determinado equipo— tendría la mejor contribución y desempeño sin tener que jugar con ellos y así definir una transferencia.
Ayuda a solucionar un problema generalizando sobre aquello que no se conoce. Incluye herramientas, procesos y métodos que se incorporan al ciclo de vida del negocio. No sólo tiene que entregar conocimiento nuevo, también tiene que ser capaz de embeber ese conocimiento en el negocio y ofrecer soluciones a problemas reales.
Además, tiene múltiples usos, tanto para el negocio como para la vida cotidiana de las personas. Hay deportes –como el beisbol o el básquet—que llevan años de aplicación de la ciencia de datos al análisis del juego. Con el ejercicio que presentó Datalytics, se usaron herramientas de Microsoft que permiten explotar esta información en el futbol. Se utilizó Azure Databricks para el procesamiento del gran volumen de información y Azure Machine Learning para la construcción de modelos avanzados.
Ciencia de datos y fútbol
La ciencia de datos tiene múltiples aplicaciones en el fútbol que van desde el análisis de selecciones y jugadores (juegos, goles, total ganados/empatados/perdidos, diferencia de gol, estabilidad del equipo, etc.), la construcción de métricas comparativas e incluso también se puede utilizar para calcular probabilidades (¿qué probabilidad tiene México de derrotar a Argentina? ¿Y España de ganarle a Alemania?)
En un ejercicio de divulgación, y para mostrar cómo se puede acceder a toda esta información a través de la ciencia de datos, Datalytics confeccionó una serie de modelos a partir de tres principales fuentes: el último mundial, los datos históricos de partidos internacionales y el desempeño de los jugadores y entrenadores en sus ligas.
Con todo esto, se construyeron cuatro dimensiones: por equipo, por jugador, por entrenador y por sede de mundial. A partir del cruce de estas variables se pueden responder diferentes tipos de preguntas.
De interés: Un 86 % de empresas en Latinoamérica utilizan soluciones de datos y analítica
Sin embargo, es importante aclarar que el fútbol es un fenómeno difícil de modelar. Hay factores que pueden incidir en la falla de un modelo, como por ejemplo la poca frecuencia de los eventos (equipos que solo se han enfrentado una vez en su historia y no hay suficientes datos como para poder inferir un posible comportamiento), los factores difícilmente capturables (como el estado mental y emocional de los jugadores o las lesiones), la impredecibilidad de las decisiones de los entrenadores, los cambios ambientales, etc.
