Mientras la selección de Bélgica avanzaba en el último Mundial se hizo foco en su organización y en la manera como planificaron el desarrollo de sus jugadores de cara a la Copa del Mundo. Hablamos con dos analistas de la federación para entender de qué se trata y porqué son cada vez más importantes las figuras del sport scientist y del analista de performance.

La conformación de un cuerpo técnico en América Latina en la actualidad incluye mayormente una dupla de ayudantes de campo, un preparador físico, al menos un videoanalista y un equipo médico. En Europa y en los principales clubes del mundo, ahora la nómina incluye  también analistas de performance y sport scientists que se dedican principalmente al seguimiento y procesamiento de la información para optimizar la toma de decisiones de las distintas áreas que hacen al equipo, desde cuestiones médicas a tácticas, pasando incluso por detalles logísticos y de organización general.

Esto no debería representar una sorpresa, sino la confirmación de la la analogía que el mundo del fútbol hace de lo que sucede al interior de las empresas, donde la figura del científico de datos (data scientist) es habitual de un tiempo a esta parte, y tiene un rol más visible desde en que entra en relación directa como proveedor de información a los distintos componentes de las compañías, la influencia de los datos en la toma de decisiones llego para quedarse.

En los últimos años, el fútbol empezó a usar datos de manera más sistemática ¿Cual piensan qué fue la razón principal para qué esto suceda? 

-Hubo un aumento en la confiabilidad y en la validez de los datos, por ejemplo en los sistemas de GPS donde se pasó de 1 Hz hasta 20 Hz. Además se avanzó en la investigación y en lo modos de aplicar el conocimiento desarrollado, permitiendo una integración sistemática de los datos al día a día de los equipos.

La cuestión es que pasamos de un uso puramente descriptivo (EJ: Reportar las distancias recorridas) a una utilización de características predictivas y prescriptivas, que es lo que nos permite proporcionar pautas y consejos para sesiones de entrenamiento. De esta manera, los entrenadores y los que toman las decisiones dentro de los planteles empezaron a ver la utilidad del uso de datos, y dejó de ser una cosa exclusiva de los sport scientist midiendo y recopilando información de manera aislada con pocas oportunidades de aplicarlas.

El foco del uso de datos tiene que ver con generar un impacto significativo,  para permitir que el entrenador tenga un equipo en forma, sin lesiones y listo para jugar de la manera que quiera sin limitaciones para así obtener los mejores resultados posibles.

“Al departamento médico le damos un informe más detallado, especialmente en casos de jugadores que están en riesgo de lesionarse. De esta manera se puede tomar una decisión multidisciplinaria del entrenamiento y las modificaciones en las cargas que hagan falta…”

 

Otra cuestión clave en la incorporación de datos en el día a día de los equipos de fútbol, tiene que ver con la manera que estos se muestran al interior de los cuerpos técnicos: Una cuestión clave es la manera en como se presentan los datos, nosotros  apuntamos a mostrarlos de la manera más concisa y precisa posible, al cuerpo técnico le damos una o dos páginas con foco en el mensaje principal, indicando que jugadores están están por arriba o por debajo de su nivel en términos físicos y cuales son más proclives a lesiones. Además siempre buscamos relacionar las demandas físicas con la posición en la cancha del jugador en cuestión. Al departamento médico, en cambio, le damos un informe más detallado, especialmente en casos de jugadores que están en riesgo de lesionarse, de esta manera se puede tomar una decisión multidisciplinaria acerca del entrenamiento y las modificaciones en las cargas que hagan falta.

A los jugadores se les informa las cuestiones de manera general e individual, y si piden más información les armamos reportes específicamente con detalles sobre cuestiones que sean de su interés, tratando de bajar a la tierra los conceptos más complejos.

Discernir que datos son relevantes y cuales no es uno de los ejes del trabajo del científico de datos, el otro es el llamado “pre-procesamiento”, una etapa poco glamorosa donde la información se ordena para mejorar la manera en la cual se comunica: Obviamente no todos los datos son relevantes, en general las compañías de datos te mandan un montón de indicadores y no siempre son útiles. Es importante mantener un punto de vista crítico y no acordar desde el vamos con todas las cuestiones que las empresas señalan como “datos clave”. Ahí es fundamental estar al día con las novedades de los desarrollos a nivel global, y utilizar indicadores de probada base científica. Por otro lado, también es importante tener una mente abierta, siempre hay que tener un ojo en la evidencia probado y otra en las nuevas cosas que van surgiendo para poder innovar.

“No todos los datos son relevantes. En general las compañías de datos te mandan un montón de indicadores y no siempre son útiles..”

Además es clave discutir y compartir ideas con otros investigadores para estar al día en cuanto a desarrollos. De las investigaciones recientes, hay un trabajo de Martin Buchheit  y su equipo  (cfr. Monitoring training Status with Player-tracking Technology – Still on the road to Rome, etc.) que es muy interesante y que estamos viendo la forma de aplicarlo en nuestro día a día.

Recién decían que no toda la info es relevante y que es clave como mostrarla ¿Hay algo que se haya depurado del proceso y ya no se trackee?

-Creemos que pasa más por mejorar las métricas actuales y sumar las nuevas en relación a las que están.  Antes la mayoría de las investigaciones hacían foco en cuestiones más simples como la distancia recorrida total, y de hecho sigue siendo útil tener ese tipo de indicadores más generales. Ahora con los avances tecnológicos se le añaden métricas más detalladas sobre cuestiones como los intervalos de alta velocidad, las aceleraciones, las des-aceleraciones y cuestiones afines. En conjunto, todo eso nos permite sacar emergentes muy detallados de los distintos tipos de cargas, y tener un mayor impacto  en el desarrollo físico de los jugadores, minimizando los riesgos de lesiones. Entonces más que dejar de medir ciertas cosas, la clave esta en cómo añadir los datos más nuevos a los procesos ya desarrollados.

Los indicadores y los modelos que se arman son buenas siempre que los puedas terminar usando en la práctica, como deciamos antes de una manera ‘predictiva’ / prescriptiva y no simplemente para describir una situación actual.

Desde el punto de vista del equipo nacional, tener la colaboración de los clubes e intercambiar la mayor cantidad de datos posibles es fundamental para conseguir una visión general de cómo llegan sus jugadores a la selección, y viceversa, para que los clubes sepan cómo regresan al club.

Volviendo al rol del analista ¿Quiénes son mejores: Los que vienen del mundo del fútbol o los que se incorporan desde otras disciplinas incluso no deportivas?

La verdad es que no creemos que haya uno mejor que otro, la clave es tener la cabeza abierta y una mirada abarcativa, crítica de tu propio trabajo y enfocada en hacerlo mejor día a día. Reflejar este estado en una mejora en los análisis, aprender nuevos softwares y tener más herramientas prácticas. Si sabes del tema y tenes la capacidad de desarrollar tu base de conocimiento, no es importante que vengas del mundo de los deportes.

“Para el data scientist es clave incorporar toda la cuestión táctica y de demandas físicas específicas, y para el sport scientist todos los insights que aportan los nuevos métodos de análisis…”

Un buen  data scientist con conocimiento de machine learning y fundamentos estadísticos puede ser tan bueno como un  sport scientist con varios años de experiencia en deportes, siempre que trabajen en conjunto y potencien sus cualidades. Para el data scientist es clave incorporar toda la cuestión táctica y de demandas físicas específicas, y para el sport scientist todos los insights que aportan los nuevos métodos de análisis.

¿Hacia donde vamos? ¿Que cosas todavía no se pueden medir?

-El estado actual de varios músculos todavía no tiene datos precisos. Hasta el día de hoy es mas lo que siente el fisio o el jugador que otra cosa.No hay, por ejemplo, un reporte con el porcentaje del estado de recuperación, la cantidad exacta de daño debido al trabajo, los niveles precisos de glucógeno. Sobre esta cuestión probablemente se avance en un futuro cercano con un chip implantado o tecnologías avanzadas. En cualquier caso, proporcionaría información muy útil para conectarse a las cargas de entrenamiento.

 

FICHA TÉCNICA

Richard Evans: Head of Team & Individual Fitness de la Selección de Bélgica.

Arne Jaspers: Sport Scientist / Data Analyst de la Selección de Bélgica. Trabaja dentro del equipo de Richard Evans.

 

ACTUALIZACIÓN

En el cierre de la nota, nos enteramos que Arne Jaspers estará en Argentina en una serie de conferencias a principios de Diciembre. Los mantendremos al tanto.

 

Matías Conde

Data Analyst. Responsable de Analítica Sports Data.

Twitter