Big Data aplicat a l’esport

Enviat per Jordi Casanovas el Dll, 28/09/2015 - 09:57
Entrenador col·locant el Viper Pod a l'armilla del jugador.

Si parem atenció a les imatges dels entrenaments dels equips de futbol, veiem que els jugadors vesteixen una espècie d’armilla negra. Això ha aparegut fa ben poc, i possiblement no sabeu en què té a veure amb el nostre àmbit. Els clubs d’elit estan entrant de ple en el món de la tecnologia.

Tots sabem que la tecnologia Big Data té aplicacions en moltíssims àmbits diferents. Ràpidament ens venen al cap sistemes d’ajuda a la presa de decisions en el món empresarial, sistemes d’establiment de patrons de conducta en alguna plataforma on-line per part dels usuaris, o fins i tot perquè Google pugui predir quan hi haurà passa de grip.

Paral·lelament, existeix una creixent importància socioeconòmica en l’àmbit esportiu, on els clubs d’elit volen assegurar-se guanyar en aquest àmbit esportiu, per poder créixer econòmicament. Al cap i a la fi, és un món on es competeix de la mateixa manera que les empreses ho fan en el món empresarial. Així doncs, si aquestes grans empreses fan inversions en tecnologies Big Data per prendre les millors decisions, per què no poden fer el mateix els entrenadors de primer nivell?

Aplicacions

Una primera aproximació la podem trobar en la història de la qual va sorgir la pel·lícula Moneyball (2011). Els fets reals són de l’any 2002, quan l’entrenador dels Oakland Athletic, Billy Beane, va crear els seus propis indicadors d’avaluació de jugadors del beisbol. Gràcies a això, va ser capaç de decidir quins jugadors fitxar amb un baix cost i un altíssim rendiment, i posteriorment aconseguir el títol de lliga.

SAP va signar l'any 2014 un acord amb el Bayern de Munich per suplir-los d’un software esportiu, que els està ajudant en l’àrea esportiva i mèdica. Aquest software analitza en temps real el vídeo del partit i analitza diferents indicadors en temps real, com el percentatge de passades encertades, la potència dels xuts, o la velocitat actual i distància recorreguda pel jugador. Genera informes al moment, facilitant la feina al tècnic en la presa de decisions.

Amb l'aparició dels wereables, s’ha fet un pas més enllà en la captació de dades. L’exemple més clar és l’armilla que vesteixen alguns equips durant els entrenaments i partits. Aquestes armilles disposen de sensors GPS, acceleròmetres, giroscopis, cardiòmetre, mesurador d’oxigen i mesurador d’impactes. Així doncs, quina informació poden treure d’aquestes dades?

  • Quantificar la fatiga i el desgast muscular, ajudant a la tasca de prevenció de lesions musculars.
  • Quantificar variables com la velocitat o la distància recorreguda, ajudant a quantificar el rendiment del jugador.
  • Fer un mapa de calor de les zones que el jugador trepitja, ajudant a establir patrons de moviment més precisos.
  • Quantificar l’estrès físic que pateix el cos a través dels impactes, ajudant a prevenir lesions articulars.

Cada esport té la seva naturalesa. Al futbol americà tindrà gran importància mesurar els Newtons de força dels impactes, d’altra banda al futbol o al rugby serà important mesurar els mapes de calor per entendre quines zones queden menys ocupades a l’atac. Aquí entra en joc la figura del Data Scientist propi de cada equip. Cal establir quins són els indicadors que cal conèixer, per generar l’avantatge competitiu.

El FC Barcelona en particular, utilitza un sistema centralitzat de dades anomenat COR (Conocimiento, Organización y Rendimiento). Una cabina de servidors d’alta densitat ubicada sota la porta 49 del Camp Nou. Aquest sistema s’encarrega de recollir tot tipus de dades de tots els jugadors possibles, siguin professionals o de futbol base, i propis del club o possibles fitxatges. Des de dades mèdiques, dades esportives, o vídeos d’actuacions en partits i entrenaments són servides en un instant gràcies al sistema d’emmagatzematge. Les seves funcionalitats permeten als directors esportius establir els paràmetres que creguin convenients per filtrar la llista de jugadors, i així poder encertar amb el descobriment de talent, fitxant els millors jugadors.

Malauradament, totes aquestes tecnologies tenen un cost molt car: per exemple cada armilla té un preu aproximat de 1.500 €. El seu ús es limita a organitzacions esportives de primer nivell com el FC Barcelona, el Manchester United o els equips de la NBA. En el meu cas, com a entrenador de futbol de l’Athletic Mataró, ens hem de conformar d'apuntar a paper i bolígraf les poques dades que podem enganxar durant el transcurs del partit. En resum, tenim l’esperança que com tot, baixi de preu aviat i puguem gaudir de l’avantatge competitiu que proporciona aquesta tecnologia d’analítica de dades.

Referències

Segueix-nos a

Els nostres articles del bloc d'inLab FIB

         
         

inLab FIB incorpora esCert

Icona ESCERT

inLab és membre de