ESI UCLM

web uclm

繁體中文 ZH-TW English EN Français FR Deutsch DE Italiano IT Español ES Türkçe TR
HomeOpiniónEl auge de la ingeniería y el análisis de datos en el deporte

El auge de la ingeniería y el análisis de datos en el deporte

El auge de la ingeniería y el análisis de datos en el deporte

Por Eusebio Ángulo (profesor ESI y entrenador BM Pozuelo)

En los últimos años, el Análisis de Datos y la Inteligencia Artificial (IA) han marcado un antes y un después en el ámbito deportivo. ¿Hasta qué punto tienen ventaja aquellos equipos que invierten en ingeniería de datos frente a los que no lo hacen? Cada vez existen más trabajos que demuestran que la IA puede facilitar en muchos deportes de alto nivel una mejora en el rendimiento individual o colectivo, el seguimiento de jugadores para la consecución de fichajes prometedores y todo tipo de ventajas que optimizan recursos y hacen a dichos equipos más competitivos. 

Mi interés por acercar la IA al deporte comienza hace unos años, cuando, siguiendo el consejo de mi director de tesis Ricardo García Ródenas y varios compañeros, decidí cambiar mi línea de investigación e intentar aplicar los conocimientos adquiridos en mi formación al deporte. De esta forma conseguí alinear mi trabajo como investigador con mi pasión como entrenador nacional de balonmano, en el que llevo 15 años entrenando en el Club Balonmano Pozuelo de Calatrava

En este camino se sumó desde el primer momento el profesor de la ESI Francisco Pascual Romero y, poco después, Julio Alberto López (profesor del departamento de Tecnologías y Sistemas de la información en la Escuela de Ingeniería Minera e Industrial de Almadén). En nuestros estudios, pronto tomamos conciencia del auge que estaba teniendo la figura del Analista Deportivo en todos los deportes. Estos analistas deportivos, en la mayoría de las investigaciones, se enriquecen de tres áreas en las que nuestra Escuela es potente (Fig.1):  i) Machine Learning, ii) Big Data y iii) Análisis Estadísticos Avanzados

Fig 1. Analista Deportivo y sus herramientas principales para la optimización de recursos y mejora del rendimiento en equipos de alto rendimiento
Fig 1. Analista Deportivo y sus herramientas principales para la optimización de recursos y mejora del rendimiento en equipos de alto rendimiento 

En el deporte de alto nivel cada vez se dedican más recursos para aprovechar las ventajas que aporta la IA. Existen deportes que han dado mucho valor a este campo, especialmente los deportes americanos.  Algunos ejemplos son el baloncesto (NBA), el hockey sobre hielo (NHL) o el beisbol, en donde actualmente es común un análisis profundo de datos para la mejora del rendimiento. Incluso, estos análisis son aplicados sobre deportistas en edades tempranas para la detección y captación de talento. 

Por otro lado, el fútbol no es una excepción y la figura del ingeniero de datos deportivos se cotiza al alza, tal como es el caso del Sevilla F.C. que cuenta con un equipo de ingenieros que aplican Big Data para el seguimiento de jugadores. El propio club, junto con el F.C. Bengaluru UTD, ha lanzado en fechas recientes un hackathon para la evaluación de rendimiento basada en datos objetivos. 

En los dos últimos años, fruto de nuestros trabajos científicos en el ámbito de Sports Analytics, miembros de los grupos MAT y SMILE hemos participado activamente en congresos y publicado artículos cuya temática principal se centra en la aplicación de la IA a equipos de balonmano de alto rendimiento [1]-[5], en busca de la evaluación objetiva del rendimiento de los jugadores en partidos reales, todo ello mediante la aplicación de metodologías fuzzy y algoritmos de optimización. En estos trabajos, la principal aportación es la evaluación objetiva de los jugadores en partidos y campeonatos en base a todas sus acciones en los partidos (Fig. 2). Además, permite realizar una caracterización de los jugadores dependiendo de su demarcación y saber qué cualidades debería tener cada jugador en su puesto para tener una actuación destacada en un campeonato. 

Fig 2. Metodología Fuzzy para evaluar objetivamente el rendimiento de los jugadores de balonmano
Fig 2. Metodología Fuzzy para evaluar objetivamente el rendimiento de los jugadores de balonmano 

En la misma línea de trabajo, el grupo y la Universidad de Castilla-La Mancha han firmado convenios de investigación con varios clubes de alto rendimiento como el Super Amara Bera Bera, recientemente campeón de División de Honor Femenina (Liga Guerreras Iberdrola), o el Veszprem de Hungría, equipo masculino que recientemente ha sido finalista de la Final Four de la Champions de Balonmano. Dichos convenios nos han facilitado el acceso directo a datos reales con equipos de alto rendimiento y la posibilidad de llevar a cabo un estudio avanzado para mejorar el rendimiento de sus propios jugadores de forma individual y colectiva, así como un mejor análisis de sus rivales para una buena preparación de los planteamientos de los partidos en dichas competiciones. 

En la Fig 3. se representan los valores o pesos de cada acción positiva y negativa. Las acciones positivas de cada jugador son las que acercan un equipo hacía la victoria, mientras que las negativas lo hacen hacía la derrota. Además, estos pesos varían en función de la demarcación del jugador, es decir, cobran más o menos importancia. La acumulación de todas las acciones de un jugador en un partido nos ofrecerá su valoración o scoring en el partido. 

Fig 3. El radar de la izquierda representa los pesos de las acciones positivas y el radar de la derecha representa los pesos de las acciones negativas. En ambos casos cada color representa una demarcación 
Fig 3. El radar de la izquierda representa los pesos de las acciones positivas y el radar de la derecha representa los pesos de las acciones negativas. En ambos casos cada color representa una demarcación 

Estos análisis de datos ofrecen una visión objetiva de cada jugador tanto en un partido independiente como en toda una temporada. En mi caso particular, los análisis han sido de gran valor durante la pasada temporada, sobre todo para la detección de bajones de rendimiento deportivos por problemas físicos o anímicos. Dicho análisis ha permitido la detección de problemas que fueron resueltos a tiempo. A lo anterior hay que añadir que también se pueden obtener rendimientos deportivos ante variantes defensivas propias o del rival. En definitiva, se puede generar mucha información valiosa para mejorar la toma de decisiones. Jugadoras y cuerpo técnico se han adaptado bien a esta retroalimentación aportada por el análisis de datos en cada partido para mejorar el rendimiento del equipo.

Casualidad o no, el Club Balonmano Pozuelo ha realizado su mejor temporada a nivel deportivo con una clasificación para la fase de ascenso a la Liga Guerreras Iberdrola y el campeonato de España con el equipo juvenil femenino.

 

En conclusión, la IA ha proporcionado importantes avances en el ámbito deportivo mediante predicciones con alto grado de fiabilidad, evaluaciones objetivas a nivel individual y colectivo, así como mejoras en el rendimiento. Particularmente, en el balonmano había poco avanzado en cuanto al análisis de datos y queda mucho por realizar, pero se han dado los primeros pasos, demostrando que estos métodos pueden ser de gran utilidad. El futuro aproximará cada vez más la IA al deporte para tener una ventaja dando un mejor servicio a todas las escalas: deportistas, entrenadores, aficionados al deporte, directores deportivos y/o analistas deportivos.   


[1] Romero, Francisco P., Angulo, E., Serrano-Guerrera, J. y Olivas, José A.. “A Fuzzy Framework to Evaluate Players’ Performance in Handball”. International Journal of Computational Intelligence Systems. 13(1). Pag 549-558. Mayo-2020 

[2] Romero, Francisco P., Lozano-Murcia, C., López-Gómez, J.A., Angulo Sánchez-Herrera, E. y Sánchez-López, E. “A data-driven approach to predicting the most valuable player in a game”. Comput. Math. Methods. 3. Pag 1-11. Febrero-2021 

[3] Romero, F.P., Angulo, E., Serrano-Guerrero, J. & Olivas, J.A. “A Fuzzy Model to Aggregate Performance Indicators in Sports”. Computational Intelligence and Mathematics for Tackling Complex Problems 2. Studies in Computational Intelligence. 955. Pag. 73-79. 2022 

[4] Angulo, E., Romero, F.P. & López-Gómez, J.A. “A comparison of different soft-computing techniques for the evaluation of handball goalkeepers”. Soft Computing. 26(6). Pag 3045-3058. 2021 

[5] López-Gómez, J.A., Romero, F.P. & Angulo, E. “A feature-weighting approach using metaheuristic algorithms to evaluate the performance of handball goalkeepers”. IEEE Access. 166. 2022 

Comparte con:
Valora este artículo