La analítica deportiva aprovecha la IA y el ML para mejorar el juego

Hace casi 10 años, Bill James, pionero en la metodología de análisis deportivo, dijo que si hay algo que desearía que más gente entendiera sobre la sabermetría, en relación con el béisbol, es que los datos no son lo importante. La cuestión es utilizar los datos como una navaja para cortar a través de falsas convicciones y encontrar la verdad.

"La razón por la que el entendimiento es tan difícil de construir en el béisbol es porque hay toda una industria de personas que venden ideas sin sentido sobre los datos todo el tiempo", dijo James en ese momento.

En los años transcurridos desde que el autor Michael Lewis popularizara la sabermetría en su libro de 2003, Moneyball: El arte de ganar un partido injusto, la analítica deportiva ha evolucionado considerablemente más allá del béisbol. La visión por ordenador, la inteligencia artificial (IA) y el aprendizaje automático (ML) desempeñan ahora un papel importante.

He aquí tres ejemplos de cómo las organizaciones deportivas internacionales están utilizando la IA y el ML para cambiar la forma en que los jugadores y entrenadores enfocan sus deportes.

Mejora de la seguridad de los jugadores en la NFL

La NFL está aprovechando la IA y el análisis predictivo para mejorar la seguridad de los jugadores. En colaboración con su socio Amazon Web Services (AWS), la NFL ha desarrollado Digital Athlete, una plataforma que utiliza visión por ordenador y ML para predecir qué jugadores corren mayor riesgo de lesionarse en función de las jugadas y de la posición de su cuerpo.

Digital Athlete extrae datos de las etiquetas de identificación por radiofrecuencia (RFID) de los jugadores, de 38 cámaras de seguimiento óptico de 5K colocadas alrededor del campo que capturan 60 fotogramas por segundo, y de otros datos como el clima, el equipo y el tipo de jugada. Durante cada semana de partidos, la plataforma captura y procesa 6,8 millones de fotogramas de vídeo y documenta unos 100 millones de ubicaciones y posiciones de los jugadores en el campo. También extrae datos de los entrenamientos, para un total de más de 500 millones de puntos de datos.

"Ejecutamos millones de simulaciones en escenarios de juego para indicar a los equipos qué jugadores corren mayor riesgo de lesionarse, y ellos utilizan esa información para desarrollar cursos individualizados de prevención de lesiones", explica Julie Souza, responsable global de deportes en AWS.

“El modelado de mitigación de riesgos puede utilizarse para analizar los datos de entrenamiento y determinar el volumen de entrenamiento ideal de un jugador, minimizando al mismo tiempo el riesgo de lesiones".

El consejo de Souza: cultiva la curiosidad. Al igual que otras iniciativas basadas en datos, Souza afirma que Digital Athlete utiliza datos en lugar de corazonadas e instintos para comprender lo que ocurre en el campo durante los partidos y los entrenamientos. "Se trata de tener una mentalidad curiosa", afirma. "Lo primero es tener una estrategia de datos, tener una base de datos y luego hacerles preguntas".

La visión por ordenador transforma el entrenamiento de tenis

Para la Copa Billie Jean King (BJK) de 2023, la Federación Internacional de Tenis (ITF) se asoció con Microsoft para desarrollar una plataforma basada en IA que proporciona información durante el partido para ayudar a los entrenadores a ajustar el rendimiento de las jugadoras.

La Copa BJK es la mayor competición internacional anual por equipos del deporte femenino, con 16 equipos nacionales que se clasifican cada año para competir por el prestigioso título. Al igual que la Copa Davis masculina, es una de las pocas competiciones de tenis que permite al capitán del equipo entrenar a los jugadores durante los partidos mientras cambian de lado.

La ITF se asoció con Microsoft en 2021 para impulsar su plataforma de análisis de partidos para la Copa BJK. La plataforma utiliza cámaras de seguimiento de pelotas y sistemas de radar 3D para generar datos de partidos en directo, que se introducen en Azure y se combinan con datos de resultados en directo para revelar información sobre patrones de saque, devoluciones y movimientos de los jugadores en la pista. La información se proporciona al capitán del equipo a través de un panel de control en dispositivos Microsoft Surface.

"Estamos empezando a centrarnos en cómo se pueden utilizar esos datos para ayudar a los jugadores, entrenadores, equipos y a todos los implicados entre bastidores en el rendimiento", afirma Mat Pemble, director ejecutivo de TI de la ITF.

El consejo de Capel-Davies: Centrarse en la comunicación. Jamie Capel-Davies, responsable científico y técnico de la ITF, afirma que las métricas no significan gran cosa si no se pueden comunicar eficazmente a tiempo para aprovecharlas. "Una de las cuestiones clave que nos planteamos fue cuáles eran las métricas más importantes y cómo comunicarlas de forma eficaz", explica. "Lo bueno de la aplicación es que es muy visual y también tiene una cantidad razonable de personalización".

LaLiga adopta la IA y el ML para obtener el máximo rendimiento

LaLiga, la principal división de fútbol de España, está aprovechando la IA y el ML para ofrecer nuevas perspectivas a jugadores y entrenadores. Con la ayuda de Microsoft, LaLiga ha creado una plataforma de análisis de datos llamada Mediacoach que utiliza la infraestructura de Azure para recopilar, interpretar y mostrar información de aproximadamente 3,5 millones de puntos de datos capturados casi en tiempo real por partido a través de 16 cámaras de seguimiento óptico. Estas cámaras están instaladas en cada uno de los estadios de la liga para capturar datos sobre la posición de jugadores y árbitros, y los movimientos del balón.

"Con esta enorme cantidad de datos al mes, podemos ofrecer estadísticas e informes", afirma Ana Rosa Victoria Bruno, directora de innovación de LaLiga. "Con 112.000 informes en el sistema y 8 millones de bits de información, es una cantidad enorme de información para 42 clubes".

Una de las herramientas que también se proporciona a las cadenas de televisión para la participación de los aficionados es un modelo de probabilidad de gol, que aprovecha una serie de variables, como la línea de visión del jugador (teniendo en cuenta las posiciones de los jugadores rivales); las distancias entre el balón y el portero, y el balón y la portería; y la distancia y el ángulo con el defensa más cercano para medir la probabilidad de finalizar una ocasión de gol determinada. El cálculo también tiene en cuenta el indicador de eficacia de un jugador, basado en variables como la proporción de goles del jugador por partido y por disparo.

El consejo de Bruno: Crear un equipo multidisciplinar. Bruno dice que fue necesario un equipo multidisciplinar de analistas de fútbol, analistas de inteligencia de negocio y el equipo de análisis de LaLiga para encontrar el éxito. "Uno de los retos es que, para convertir estos datos en bruto en conocimiento, no solo necesitamos científicos de datos, sino también analistas de fútbol, expertos en UX y entrenadores", afirma.