Por Roberto López del Campo*
Tras leer el excelente artículo de David Álvarez en El País, De la partícula de dios al balón, no daba crédito al sueño de James Cryne, un directivo del equipo inglés Barnseley: “Mi sueño es que la opinión no tenga ningún peso en las decisiones, que sean solo los datos”. Inmediatamente pensé, ojalá nunca se cumpla su sueño.
Lord Kelvin, físico y matemático británico que nos dejó en 1907, afirmó que “lo que no se mide no se puede mejorar”. En el fútbol, como en cualquier deporte individual o colectivo, medir lo que ocurre es incuestionablemente útil para poder mejorar. Partiendo de la hipótesis errónea de que el Big Data puede medir todo lo que ocurre sobre un terreno de juego, ¿quién en su sano juicio estaría en contra de los datos?
A pesar de lo que les gustaría a muchos, el fútbol no lo juegan máquinas. La vida no es lo que uno quiere que sea, es lo que es.
El comportamiento de las máquinas está programado de forma más o menos compleja, pero programado. Cuando hablamos de máquinas, de programación computacional, el dato es fundamental, lo es todo. Pero el fútbol, afortunadamente, lo juegan hombres y mujeres, lo juegan personas.
Aunque parezca obvio afirmarlo, el ser humano no es una máquina. Su comportamiento se rige por la razón (más próximo al mundo de los datos) y por la emoción (en donde los datos se encuentran más incómodos). Su comportamiento se rige, en muchas ocasiones, por la complejidad, por lo imprevisible, por el caos que provocan las emociones, las pasiones, los deseos, las motivaciones, la autoconfianza, la autoestima, las envidias… En definitiva, por el lado más irracional, aquel en el que los egos nos juegan malas pasadas ¿Conocéis a alguna persona completamente racional? ¿Conocéis a alguien que haga solo y exclusivamente lo que piensa que está bien? ¿Conocéis a alguien que nunca haya mentido? Si la respuesta es afirmativa, dudad de que no sea una máquina, porque el hombre y la mujer, por su naturaleza, son error, son imperfección, no son máquinas (afortunadamente).
Actualmente, el Big Data en el fútbol se nutre principalmente de dos tipos de fuentes de datos: el eventing (anotación subjetiva por expertos humanos de anotan lo que ven en un partido) y el tracking (sistemas tecnológicos que realizan un seguimiento por todo el campo de los jugadores, balón y árbitros). Ambas fuentes miden solo lo observable de forma externa. En el caso del balón, lo que observamos mediante el tracking prácticamente lo es todo. Pero en el caso del jugador, dista mucho de serlo. Más bien, solo vemos la punta del iceberg.
En la coctelera del Big Data se meten la posición geoespacial de los jugadores 25 veces por minuto, la posición del balón, el número de pases que realiza cada jugador, a quien le pasa, si está o no bajo presión en el momento del pase, la anchura y profundidad de los equipos cuando tienen el balón y cuando no lo tienen, la probabilidad de que cualquier remate se convierta en gol, los balones que pierde, dónde los pierde, el número de jugadores por delante y por detrás del balón en el momento de la pérdida, la distancia que recorren, la velocidad a lo que lo hacen, el número de sprints a más de x velocidad… Y así hasta cientos e incluso miles de métricas de rendimiento que miden solo y exclusivamente lo que se ve, lo observable.
Sofisticados modelos algorítmicos con técnicas de Machine Learning e Inteligencia Artificial amasan estos miles, en ocasiones cientos de miles, rara vez millones y nunca miles de millones de datos para prever lo que va a pasar en un partido o el rendimiento individual de un jugador concreto. Rendimiento que por otro lado, como en cualquier otro deporte, se suele simplifica en tres resultados posibles: ganar, empatar o perder. Resultados que dependen, en el caso del fútbol, de que el balón entre dentro de la portería. Es decir, del balance entre goles a favor y goles en contra. Pues bien, lamentablemente para el Big Data aplicado al fútbol, el gol es un dato extraño, inusual en relación al resto de datos que ocurren. Es algo que incluso podríamos calificar como outlier. Por lo que los modelos tienden a desecharlo.
Recordemos además, que estos modelos solo han tenido en cuenta el raw data del eventing y tracking. O lo que es lo mismo, solo han tenido en cuenta lo externamente observable.
No entremos en el eterno debate de qué tiene más peso en la conducta de una persona: la razón o el corazón. Volvamos a invocar las palabras de nuestro físico, tan de moda hoy en el día en el fútbol, William Thomson Kelvin: “lo que no se mide no se puede mejorar”. Si el Big Data solo mide lo observable, lo razonable. ¿Qué peso predictivo tiene lo que no es capaz de medir?
Mi sueño, muy distinto al de James Cryne, es que “ojalá la opinión siga teniendo mucho peso en las decisiones humanas y que los datos nos ayuden a tener mejor criterio a la hora de opinar”.
El fútbol, afortunadamente, no lo juegan máquinas. Lo juegan personas. ¿Es útil todo lo que mide el Big Data? Por supuesto que sí. Tremendamente útil. ¿Se ha maximizado su utilidad? Por supuesto que no, queda mucho margen de mejora. Entonces ¿los datos lo son todo? No, afortunadamente, no. Ni lo son ni lo serán mientras el fútbol lo sigan jugando personas. Reducir todo al dato es la mayor deshumanización del fútbol y de la vida. Todo aporta valor, pero en su justa medida. «Ojalá lo humano siga siendo lo más importante del fútbol, ojalá el fútbol nunca sea predecible». ¡Este es mi verdadero sueño!
*El autor es Coordinador del Proyecto Mediacoach y Área de Investigación Deportiva de LaLiga (Liga de Fútbol Profesional). Experiencia previa como entrenador en el fútbol base de clubes de Primera División de LaLiga. Cuenta con Licencia UEFA Pro en vigor.
