{"id":298,"date":"2016-04-22T14:23:35","date_gmt":"2016-04-22T12:23:35","guid":{"rendered":"https:\/\/preblogs.deusto.es\/bigdata\/?p=298"},"modified":"2016-04-22T14:23:35","modified_gmt":"2016-04-22T12:23:35","slug":"el-futbol-y-big-data-parte-i","status":"publish","type":"post","link":"https:\/\/blogs.deusto.es\/bigdata\/el-futbol-y-big-data-parte-i\/","title":{"rendered":"El f\u00fatbol y Big Data (Parte I)"},"content":{"rendered":"

Una de las \u00e1reas donde el Big Data est\u00e1 sonando cada vez con m\u00e1s fuerza es el f\u00fatbol. Dada la afici\u00f3n que existe por el deporte rey, es f\u00e1cil que sea una pregunta recurrente. M\u00e1s a\u00fan,\u00a0si consideramos el f\u00fatbol como un juego en el que al intervenir tantas variables, las estrategias y decisiones a tomar<\/strong>, y el an\u00e1lisis de datos para que \u00e9stas sean lo m\u00e1s fundadas posible<\/strong>, se vuelve cr\u00edtico<\/strong>.<\/p>\n

Son muchas variables las que pueden intervenir:\u00a0el estado de forma de los jugadores, los estilos de juego, la interacci\u00f3n entre las propias estrategias frente a las del rival, la combinaci\u00f3n de los jugadores con sus propios estilos entre s\u00ed, su adecuaci\u00f3n al estilo del entrenador, etc. \u00c9stas\u00a0hacen que la combinaci\u00f3n estad\u00edstica de todas ellas produzca muchos escenarios dignos de buen an\u00e1lisis.\u00a0Tantos datos y tantas decisiones que poder tomar, en consecuencia, que voy a dividir esta entrada en dos partes, para no generar pereza en la lectura de una \u00fanica larga entrada.<\/p>\n

Empecemos con algo de contexto en esto del f\u00fatbol y Big Data. Recuerdo varias frases cuando Pep Guardiola lleg\u00f3 al Bayern de Munich, pero una en especial:<\/p>\n

\n

The match analysis department is the most important department for me<\/strong>.<\/p>\n<\/blockquote>\n

Efectivamente, ah\u00ed ten\u00e9is a uno\u00a0de los mejores entrenadores seg\u00fan Transfermarkt<\/a>, confiando en disponer de un departamento de Analytics<\/a> bien pegado a \u00e9l que le ayude a analizar los muchos datos que genera su equipo y su juego. No solo \u00e9l. El Arsenal de Arsene Wenger, utiliza tambi\u00e9n modelos estad\u00edsticos para ayudar en la gesti\u00f3n de la detecci\u00f3n del talento. Incluso pag\u00f3 2 millones de libras para comprar una empresa<\/a>\u00a0-StatDNA-que se dedicaba a ello.<\/p>\n

Por lo tanto, parece que el Big Data en el campo del f\u00fatbol tiene un amplio abanico de aplicaciones. Y eso que\u00a0todav\u00eda no es posible lo que se conoce como \u00abOn in-game analytics-driven coaching<\/em>\u00ab. Es decir, en f\u00fatbol, un entrenador no puede tomar decisiones sobre la estrategia del juego y c\u00f3mo jugar\/variar su estrategia, hasta el descanso, o antes o despu\u00e9s del partido. A diferencia de una empresa, todav\u00eda no es posible las decisiones \u00aben tiempo real\u00bb<\/strong>. Y eso a pesar que\u00a0los sistemas de monitorizaci\u00f3n de partidos actuales,\u00a0son\u00a0capaces de compilar entre 1.500 y 1.600 eventos por partido.<\/strong><\/p>\n

\"\"<\/a>
Fuente: http:\/\/news.sap.com\/two-global-champions-join-forces\/<\/figcaption><\/figure>\n

A sabiendas que en los partidos hay mucho dispositivo prohibido (m\u00e1s all\u00e1 de c\u00e1maras y sensores en estadios), pero que en los entrenamientos los jugadores llevan cada vez m\u00e1s tecnolog\u00eda (un sujetador deportivo -o cualquier otro wearables deportivos- en cada entrenamiento que consta de un monitor de pulsaciones, un aceler\u00f3metro y un\u00a0sistema de geolocalizaci\u00f3n), podemos obtener explotaciones de datos como:<\/p>\n