La pregunta que motiva este art\u00edculo es: \u00bfde qu\u00e9 forma contribuye la ciencia de datos y la neurociencia a mejorar los deportes de equipo e individuales y c\u00f3mo agrega valor a las estrategias de juego y al rendimiento de los deportistas?<\/strong> Y por si responder este interrogante fuera poco, \u00bfes posible que toda esta maquinaria tecnol\u00f3gica del Big Data y la Inteligencia Artificial pueda reemplazar en alg\u00fan futuro al an\u00e1lisis y conocimiento de los expertos?<\/span><\/p>\n Seg\u00fan el Ing. Francisco Gonz\u00e1lez, consultor del club espa\u00f1ol de f\u00fatbol Las Palmas, durante un partido se pueden llegar a capturar hasta alrededor de 8 millones de datos, informaci\u00f3n que no se visualiza a simple vista, ya que se dice que el ojo humano solo es capaz de retener alrededor de un tercio de lo que sucede durante el juego.<\/span><\/p>\n Un cambio radical es que los an\u00e1lisis se realizan hoy en d\u00eda mediante aprendizaje autom\u00e1tico<\/strong> <\/span>(machine learning)<\/span><\/i>, ya que los algoritmos aprenden a diferenciar cientos de tipos de jugadas seg\u00fan lo que muestran los fr\u00edos datos y se convierten en \u201carmas secretas\u201d por las ventajas que pueden proporcionarles frente a otros equipos rivales. Con toda la informaci\u00f3n (visual y anal\u00edtica) en tiempo real, se pueden desarrollar complejas simulaciones, observar los resultados y actuar en consecuencia: los propios entrenadores pueden optar en ajustar o modificar t\u00e1cticas de juego basados en informaci\u00f3n de valor que se comparte internamente en el equipo. De hecho, los clubes profesionales que cuentan con m\u00e1s presupuesto comienzan a tener, dentro de su organigrama, su propio departamento de ciencia de datos.<\/span><\/p>\n En lo que hace a Big Data en el deporte, la NBA -liga m\u00e1s competitiva del mundo de b\u00e1squet- tambi\u00e9n tiene lo suyo; destacados consultores de datos deportivos como<\/span> Rajiv Maheswaran<\/span><\/a> o<\/span> Ivana Seric<\/span><\/a> consideran a los jugadores, equipos, jugadas y las ligas completas de b\u00e1squetbol como \u201cmillones de puntos en movimiento\u201c. Analiz\u00e1ndolos se pueden diferenciar las jugadas t\u00e1cticas (bloqueos y continuaci\u00f3n, cortes, penetraciones, etc.) y por supuesto calcular todas las estad\u00edsticas imaginables sobre los porcentajes de acierto en tiros de dos o de tres puntos, pases, bloqueos y dem\u00e1s.<\/span><\/p>\n Por supuesto que tambi\u00e9n estas herramientas de analytics<\/em>, de enorme potencial para los clubes, resultan de soporte a las decisiones de adquisici\u00f3n (fichaje) de nuevos jugadores al comienzo de cada temporada o para producir nuevas estrategias de marketing de alguna franquicia o entidad deportiva. Pero no es el objetivo de esta nota ahondar en estos detalles, que tambi\u00e9n son valiosos para evidenciar c\u00f3mo la ciencia de datos ya se sumergi\u00f3 en cada una de las instancias del deporte profesional, sea individual o de equipo.<\/span><\/p>\n![\"\"](\"https:\/\/datamining.dc.uba.ar\/predictivos\/wp-content\/uploads\/2021\/05\/ilustracion.gif\")
<\/a>Con el paso del tiempo, la ciencia de datos se empez\u00f3 a introducir con fuerza en el deporte profesional de alto rendimiento<\/strong>: cada vez hab\u00eda m\u00e1s datos (y no s\u00f3lo estad\u00edsticas) procedentes de decenas de c\u00e1maras en los estadios, c\u00e1maras de televisi\u00f3n o sensores del estilo <\/span>fitness trackers<\/span><\/i> (relojes, cinturones) que llevan encima los jugadores para medir velocidad, respiraci\u00f3n, actividad card\u00edaca e incluso riesgo de lesiones. A su vez, grandes equipos de f\u00fatbol comenzaron a utilizar las llamadas \u201cc\u00e1maras t\u00e1cticas\u201d, que filman a cada uno de los jugadores durante todo el partido. Los datos se empezaron a analizar en 2D, pero luego se pas\u00f3 al 3D, cobrando much\u00edsima importancia la disciplina de visi\u00f3n asistida por computadora (<\/span>computer vision<\/span><\/i>).<\/span><\/p>\n<\/a>Los ejemplos sobran. Algunos opin\u00f3logos llegaron a concluir que la tecnolog\u00eda de Big Data (con el consecuente software <\/span>SAP Match Insights<\/span><\/i> y el sistema de entrenamiento inteligente <\/span>MiCoach<\/span><\/i> de Adidas) y todos los datos estrat\u00e9gicos que posibilit\u00f3, fueron una herramienta clave para el rendimiento de Alemania en el Mundial de F\u00fatbol 2014, triunfo que intent\u00f3 repetir (sin suerte) en 2018. La Asociaci\u00f3n Alemana de F\u00fatbol busca que con este sistema los entrenadores puedan sacar mayor rendimiento a sus jugadores, ya que optimiza la forma en que se los gestiona; innovaci\u00f3n que tambi\u00e9n ya se est\u00e1 usando en la <\/span>Premier League<\/span><\/i> (inglesa). De hecho, desde 2014 el Arsenal de Inglaterra utiliza <\/span>StatDNA<\/span><\/i>, para captura y an\u00e1lisis de datos en el f\u00fatbol, siendo uno de los pioneros en este tipo de aplicaci\u00f3n.<\/span><\/p>\nEl rol de Metrica Sports: gur\u00faes de software de datos en f\u00fatbol<\/b><\/h3>\n