Acin215

Análisis de caso
Nombres integrantes: Enrique Aguirre Espinoza

Curso: Analítica

Fecha: 24-03-2024
Estudio de caso: Desafío del Big Data 2

Estudio de caso: “Desafío del Big Data”

La mayor parte de los deportistas de élite están adoptando técnicas de análisis de
grandes volúmenes de datos. En el tenis se lleva mucho tiempo utilizando la herramienta
SlamTraker (basada en la tecnología de IBM SPSS análisis predictivo) en los torneos
más prestigiosos del mundo, tales como Wimbledon, Roland Garros y el Open de
Australia, entre otros. La plataforma ha registrado más de 8 años de datos de Grand
Slam (unos 41 millones de data points) para determinar patrones y estilos de jugadores
ganadores.

Aplicando análisis a las grabaciones de vídeo de cada jugador de fútbol y tecnología de

sensores en equipamiento deportivo como balones o palos de golf, podemos obtener
retroalimentación de los datos generados y revelar los resultados para mejorar el
rendimiento o mostrar una visión enriquecida de la retransmisión a los espectadores. En
la actualidad, muchos equipos de élite realizan seguimiento de sus atletas fuera del
entorno de competición, usando dispositivos inteligentes para monitorizar desde la
nutrición, la preparación física y el sueño, hasta las conversaciones en redes sociales en
Estudio de caso: Desafío del Big Data 3

las que participan para controlar el bienestar emocional.

PREGUNTAS/ESTRUCTURA DE INFORME

1. ¿Cuál es el modelo matemático utilizado por IBM expuesto en este caso

R: El modelo utilizado es el de análisis predictivo. La tecnología de IBM utilizada en

SlamTraker es basada en IBM SPSS, diseñada para el análisis de grandes
volúmenes de datos generados
durante los partidos de tenis. Este modelo de análisis predictivo permite determinar
patrones y
predecir el comportamiento de los jugadores, reduciendo la incertidumbre en torno a
resultados,
estrategias y entrenamiento de los deportistas.

2. ¿Cuáles componentes de incertidumbre potencialmente puede identificar para llevar

a cabo una correcta toma de decisiones? Justifique.
R: Rendimiento: Identificando la variabilidad en el rendimiento de los jugadores,
podemos asociar bajos rendimientos a patrones de conducta, pudiendo servir a
entrenadores y atletas a
identificar qué factores disminuyen su rendimiento y que otros lo aumentan.
Transmisión a los espectadores: Mediante la predicción de comportamientos y
patrones de
los jugadores, se puede reducir la incertidumbre de por ejemplo a quien grabar en
cámara o
predecir que luego de ciertos movimientos se presentarán por ejemplo un remache y
poder
llevar esta imagen a los espectadores desde el mejor ángulo.
Factores Externos: Factores externos al deportista como el clima, el material de la
cancha o
los dispositivos utilizados para comentar (como raquetas), pueden afectar el
rendimiento del
deportista. Levantando esta información en tiempo real se pude mitigar la
 Estudio de caso: Desafío del Big Data 4

incertidumbre en
cuanto a cómo los factores externos pueden afectar el rendimiento deportivo.
Variables humanas: Mediante el seguimiento de la vida social, alimentación y
hábitos de los
deportistas se busca poder controlar estos factores de manera más real, cercana y
en
instantánea. El atleta es un conjunto de factores que infiere en el rendimiento
deportivo del
mismo, mientras menos incertidumbre se tenga respecto al estilo de vida del
deportista fuera
de la cancha, mejor se podrán predecir sus resultados dentro de la misma.
Contrincante: Mientras más información se tenga del contrincante, menor
incertidumbre
respecto a sus patrones y formas de juego, beneficiando al deportista en su toma de
decisiones respecto a su juego.

3. Identificar y clasificar las variables presentes en este caso.

R: Variables de Rendimiento: Estas variables corresponden a datos del tipo

resultados, rendimiento dentro del partido, estadísticas de los jugadores, cantidad de
puntos, etc. En general este tipo de variables es de tipo “Cuantitativo” y puede variar
dependiendo del dato que quiero estudiar. Por ejemplo: cantidad de puntos perdidos
en un partido será una variable del tipo cuantitativa discreta. Por otro lado, una la
variable que represente el porcentaje de errores no forzados respecto al total de
golpes será una variable cuantitativa continua.
Variables socioemocionales: Este tipo de variables corresponden al bienestar
emocional y social de los deportistas. Pueden ser variables del tipo cualitativo
nominales.
Variables de salud: Asociadas con la nutrición, con estadísticas de salud básicas
como frecuencia cardiaca o respiratoria, calidad del sueño. Estas suelen ser de tipo
cuantitativas y de tipo discreta o continúa dependiendo de la variable salud específica
que se requiera evaluar.
Variables ambientales: Estas son condiciones climáticas o pronósticos del estado
Estudio de caso: Desafío del Big Data 5

del ambiente durante los partidos y como esto afecta el rendimiento. Generalmente
serán datos de tipo cuantitativo, generalmente continuos.
Variables de la competencia: Como variables de partidos ganados o perdidos,
estrategias de juego asociada a sus resultados o incluso lesiones sufridas por
deportistas. Estas variables serán de tipo cuantitativo, pudiendo ser discretas en caso
de partidos ganados por ejemplo o continuas en base a porcentaje de efectividad.