Big Data aplicado a los deportes
DataEl Big Data es un término que define la recopilación de datos masivos y completos que son analizados por diferentes aplicaciones informáticas con el objetivo de procesar los datos en base a procesos determinados por la herramienta para así obtener información.
El origen del término se popularizó en los años 1990 de la mano de John Mashey. Son muchas las aplicaciones y usos que se le pueden dar al Big Data y, de hecho, una gran parte de los sectores ya han mostrado su interés por sus innumerables beneficios y ventajas: la industria, los medios, el ámbito del marketing y las ventas, los seguros, finanzas y también deportes.
Formarse en Big Data es abrirse las puertas a un mundo que no ha hecho más que empezar. Según estudios recientes, el 83% de las empresas crearán nuevos puestos de trabajo gracias al uso de aplicaciones de IA y Big Data en los próximos años, suponiendo en 2030 en torno al 14% del PIB mundial.
En Inesdi, queremos ayudamos a profesionales que quieren liderar el cambio ante este nuevo paradigma con programa como el Máster en Business Analytics & IA, cuyo objetivo principal es proporcionar los conocimientos necesarios para gestionar un proyecto de Big Data desde todas sus vertientes, empezando desde cómo identificar la oportunidad en una organización hasta qué se entrega a las áreas de negocio.
Aplicaciones del Big Data en los deportes
El análisis de datos se ha convertido en una verdadera revelación en el sector deportivo. Gracias al tratamiento de grandes volúmenes de información que ofrecen los distintos eventos deportivos, los expertos son capaces de mejorar la toma de decisiones en terrenos deportivos basándose en los datos.
Por ejemplo, durante un partido de futbol se pueden llegar a capturar alrededor de ocho millones de datos. Sin embargo, el ojo humano solo es capaz de retener el 30% de esa información. Gracias a esos datos, el Big Data aporta una gran valía en todos los clubes del mundo, que ya han empezado a usar esta tecnología para mejorar sus estrategias de juego, fichajes de nuevos jugadores, etc.
Pero el futbol no es el único deporte que ha visto las grandes ventajas de implementar estrategias de Big Data. De hecho, el primer deporte en usarlo fue el béisbol en los años 70, cuando Bill James empezó a analizar los registros históricos de los jugadores de béisbol de las grandes ligas americanas. Su trabajo pionero hace que a día de hoy se le considere el padre de la sabermetría, el análisis del béisbol a través de evidencia objetiva, específicamente a través de estadísticas, con el fin de medir de manera eficaz las actividades que suceden dentro del campo de juego. De hecho, gracias a esta estrategia basada en datos, Billy Beane, general manager de los Oakland Athletics, consiguió reflotar económica y deportivamente a su equipo.
Desde entonces, son muchos los deportes que ya están empleando las posibilidades del Big Data para mejorar los análisis predictivos que ayudan en múltiples áreas, desde prevenir lesiones, cambiar las tácticas de juego, mejorar el rendimiento o encontrar errores, como sucede en los deportes de motor.
En el caso del baloncesto, por ejemplo, la NBA está transformando el sistema tradicional de juego. Mientras antes se apostaba por jugadores más altos que protegieran el aro y marcaran puntos fácilmente, ahora la tendencia se basa en el “small ball”, con jugadores más bajos y versátiles. ¿El motivo? Los datos han demostrado que es más productivo anotar triples que canastas de dos puntos aunque el propio aro no esté tan bien defendido.
Además, en un sector tan importante a nivel económico y mundial como es el deporte, es normal que surjan empresas que se dediquen a emplear el uso de macro datos en diferentes tomas de decisiones para el beneficio de los grandes players del sector.
Lo cierto es que el Big Data ya se está utilizando en equipos en España, en concreto en La Liga, mediante un sistema que registra los partidos con 8 cámaras y ordenadores ubicados en diferentes lugares de los estadios para poder captar todos los movimientos y posteriormente los envía a una central donde se analizan los datos. Este tipo de cámaras es capaz de recoger 25 registros por segundo y obtiene datos como la capacidad física de cada jugador, datos técnicos y estadísticas.
Esta obtención de datos es posible mediante la aplicación de varias técnicas de análisis, entre las que destacan:
- Asociación de datos: con este sistema se establecen diferentes variables a través de otras, que permiten definir patrones y predicciones de comportamiento. Un ejemplo sería la venta
- Data Mining: conocido también como minería de datos consiste en obtener información de bases de datos, obteniendo así información relativa a tendencias, correlaciones y factores “ocultos” que van a permitir tomar decisiones y resolver problemas.
- Clustering: conocido en castellano como agrupación forma parte del Data Mining y se encarga de dividir grandes grupos de datos en cantidades más pequeñas para encontrar similitudes entre diferentes grupos. Sirve para encontrar relaciones entre resultados y hacer evaluaciones.
- Text Analytics: o análisis de texto en español consiste en analizar los datos en formato texto creados por personas, tales como correos, contenidos y búsquedas en servidores web, extrayendo datos y prediciendo asuntos y palabras.
El deporte siempre ha sido competición, y desde su creación hasta nuestros días su desarrollo ha cambiado de manera espectacular. Las aplicaciones de la tecnología, entre ellas el Big Data, ha empujado con fuerza este cambio hasta el punto de que muchas de las decisiones del deporte profesional están condicionadas por los avances técnicos.
Máster en Marketing Digital e Inteligencia Artificial (Barcelona | Madrid)
