Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Para iniciar este tema es importante determinar la definición big data, en el fútbol hace
referencia al término que describe la gran cantidad de volumen de datos y lo
verdaderamente importante no es la cantidad sino que hacemos con los datos obtenidos.
(2) Como podemos ver la terminología big data hace referencia a esto, y esos datos que
podemos almacenar tienen varios tipos, están los estructurados, los no estructurados y los
semi estructurados, los estructurados son aquellos que tienen un formato determinado,
por ejemplo fecha, hora, número, texto esos tienen una longitud y se pueden almacenar
en tablas en bases de datos, por otro lado los datos no estructurados son aquellos que
tienen un formato determinado pero que no se pueden almacenar, por ejemplo
documentos que podemos encontrar en internet, opiniones en foros, tweets, mensajes de
instagram, vídeos, imágenes, y por último los datos semi estructurados que son aquellos
que se encuentran almacenados en tablas o bases de datos y que requieren procesos
informáticos para poder tener una información, por ejemplo documentos xml.
(3) Una vez tenemos los tipos de datos claros es importante saber cómo interpretar esos
datos, para ello es importante la recopilación, el análisis, y el tratamiento de la
información, si hacemos un análisis correctamente y sabemos cómo tratar esos datos
podemos tener ideas que conduzcan a tomar unas mejores decisiones, para ello es clave
establecer un punto de referencia y eliminar áreas negativas, para utilizar la forma eficaz
en el big data hay que combinar los datos generados por las tecnologías modernas como
páginas web, celulares, gps deportivos con datos estructurados, con el fin de marcar la
diferencia en una competición.
(4) Los aspectos claves en el big data son el volumen, la velocidad, la veracidad, el valor y
la variabilidad, el volumen son los datos que se refieren a una gran cantidad de
información a obtener y procesar, la velocidad es la captura de información en el
procesamiento de la misma y en la presentación de los resultados, la veracidad hace
mención a la confianza y a la calidad del dato que obtenemos, el valor determina qué
datos son los que se deben analizar y la variabilidad se refiere a los datos que están en
constante cambio, aplicado al fútbol pues sería la capacidad de hacer preguntas correctas
desde estos patrones, confecciones, hipótesis y predecir situaciones de juego, dado a ello
comienza a surgir una nueva profesión vinculada al big data, que es el científico de datos,
este científico de datos se puede definir como un especialista en campos de informática,
matemáticas, estadísticas y por supuesto en negocios, el objetivo de este profesional no
es tener una gran cantidad de información sino saber hacer correctamente unas
preguntas para tener como su objetivo aumentar el rendimiento de un equipo.
(6) El analista de datos puede utilizar diferente análisis con modelo, entre ellos se
caracterizan los predictivos los descriptivos y los de decisión, los predictivos hacer
referencia a explotar patrones para identificar red de oportunidades de equipo los
descriptivos simplemente detectan vínculos y predicciones, por otro lado los de decisión
estudia los pro y contras de equipos y jugadores para encontrar una ventaja competitiva
de equipo, para buscar esa ventaja competitiva los analista de datos intentan coger esos
datos para obtener el rendimiento y asociar con consistencia la información, el objetivo
final de un analista de datos es prever y crear informes que den consistencia estadística
con el juego, para tomar decisiones utilizan porcentajes datos y gráficos de esta forma
crear informes para tomar mejores decisiones.
(7) El analista de datos puede llevar a cabo diferentes funciones, estas son el análisis de
patrones y tendencias en parámetros básicos del juego, se puede dedicar a modelos
predictivos de juegos, remate y gol, establecer un modelo de propensión a la lesión o
fatiga, análisis individual y análisis global del equipo, simulación de jugadas y
enfrentamientos, valoraciones de jugadores mercado y localización de talento, los
objetivos para llevar a cabo estas funciones son los siguientes, conocer los conceptos del
equipo propio, del rival, analizar porcentajes de fortalezas y debilidades en distintas fases,
pero todos estos objetivos no tienen valor si el analista de datos no conoce el club en el
que lo va a realizar, el análisis de datos puede ayudar a mantener en primera línea un club
y disponer únicamente de recursos para fichar jugadores que incrementen el nivel de la
plantilla.
(9) En la actualidad todos los equipos de élite disponen de plataformas de datos en bruto,
estos datos en bruto no sirven si no son llevados a modelos y sintetizados por analistas de
datos que tienen sentido de cómo sintetizar esos datos en función de diferentes variables,
para ello los analistas deben elegir a aquellos que crean convenientes según la estrategia y
el objetivo que persigue un equipo o un club, el big data y su adecuado análisis y
tratamiento son el camino hacia la victoria en el deporte profesional, en este caso tomé el
análisis del Real Betis de hace tres temporadas, en este podemos reflejar información
como las veces que ha sido sustitiudo en competición un jugador o los puntos que ha
obtenido ese jugador como suplente o titular además de una pequeña clasificación de
jugadores con estadísticas de partidos jugados, porcentaje de partidos jugados,
porcentajes de partidos totales, los goles que han logrado o los minutos disputados, esta
información es a criterio de cada analista y para ello es importante establecer
previamente un modelo a determinar.
(10) Una de las funciones del analista de datos con más importancia aplicado al fútbol es
la de poder llevar un modelo a la hora de incorporar jugadores a un club, este podrá
ayudar recopilando información importante del juego como pueden ser por la parte
ofensiva de un equipo los goles, en este ejemplo tengo un pequeño resumen de dos
delanteros de talla mundial donde se valoran los goles asociados a unas puntuaciones
dependiendo de cómo se produce cada gol, por ejemplo si el gol es el primero del partido
nos tiene una puntuación si el gol es el segundo del equipo tiene una puntuación si su gol
es el tercero o superior tiene otra puntuación, si el gol da un empate igual, si el gol el
último del partido y además da un empate una puntuación y si su gol es el último del
partido y además produce una victoria tendría otra puntuación, esa forma de asociar goles
con puntos es determinante a la hora de separar el rendimiento de un jugador porque no
vale lo mismo un jugador que mete un gol de inicio en un partido que un jugador que
determina ese partido, como resultado final podemos medir y comparar a través de datos
estadísticos, cuantificando esa valoración de los goles ellos puede determinar la viabilidad
del fichaje del jugador a incorporar a un club.
(11) Del mismo modo podemos hacer una pequeña valoración de portero, a la hora de
comprar ambos porteros todos estamos de acuerdo que no simboliza lo mismo una
atajada al inicio del partido que una atajada que determina el encuentro, de esta forma
asociamos atajada con valores, al final se trata de hacer un pequeño recuento
cuantificando a las atajadas y ves que portero es más productivo para el equipo, la
creación de un modelo propio de jugador y de portero puede ayudar a reflejar la
productividad obtenida en competición y así tener un plan de actuación de forma
individual y colectiva, tanto para sacar el máximo rendimiento de los jugadores como para
determinar cuál es el jugador a incorporar en la próxima temporada.
(12) Una de las funciones con más valor del analista de datos es crear un modelo de
valoración de mercado de jugadores para ello vamos a un ejemplo de la temporada 2017
2018 donde un equipo necesita incorporar jugadores del mercado asiático o
norteamericano con el objetivo de aumentar su capacidad ofensiva, para ello se debe
realizar un filtrado de jugadores de ambos mercados y tener en cuenta diferentes
aspectos tanto como el aspecto mediático como el tratamiento de opiniones, seguidores y
la capacidad futbolística de los jugadores.
(13) En el primer paso se debe realizar un análisis del impacto mediático, para ello
tendremos que buscar recopilar y analizar esa información para poder tratar a través del
dashboard, una vez tenemos recopilada la información y haber hecho un pequeño filtrado
donde tratar la información con valor ya podemos decidir qué jugador tendría un mayor
impacto en nuestro club.
(15) La parte final sería la creación del informe, ese informe debe tener un buen análisis,
tratamiento y gestión de los datos aplicado al juego y a las personas, ya que al final la
recomendación va a ser teniendo en cuenta la productividad ofensiva y el impacto
mediático que tendrían los jugadores que lleguen al club, en este pequeño informe
podemos ver un filtrado de jugadores asociado a su valor, la productividad que estamos
teniendo en la competición de liga, las asistencias, quien tiene un mayor impacto
mediático en menciones, valoraciones positivas, negativas, seguidores en redes sociales y
sobre todo lo importante al juego, la productividad tanto en goles como en asistencias, de
esta manera y con este informe una analista o un dirigente de un club tiene de forma fácil
la asimilación de información y sabe a qué jugador le puede interesar más añadir un club o
qué jugador le interesa menos.