El uso de Nacsport como herramienta de datos para ‘Big Data’ deportivo

Por Daniel Costa

20-January-2023 en Consejos de uso

18 min lectura

El ‘Big Data’ deportivo. Ese gran desconocido del que todos hablan pero pocos conocen bien. ¿En qué consiste exactamente? Pues básicamente, en recolectar datos de múltiples fuentes y analizarlos de forma global con el objetivo de sacar información valiosa que nos ayude en la toma de decisiones.

 

Como su propio nombre indica, en el ‘Big Data’ la clave reside en los datos (también conocidos en entornos especializados como la data, por su origen anglosajón). El término Big solo hace referencia a que la cantidad de información: cuántos más datos, mejor. De esta manera, se toman mejores decisiones y se mejora el rendimiento deportivo.

 

Sobre el autor

 

Daniel Costa es un periodista y analista de rendimiento en fútbol. Recientemente, ha publicado un trabajo donde realiza una consultoría de análisis de datos sobre el plantel femenino de la Universidad Católica de Chile de la temporada 2022. Este es su resumen acerca de este trabajo en el que pone especial énfasis a la participación de Nacsport como herramienta de datos para generar ese ‘Big Data’ deportivo. 

Un trabajo que, si bien es altamente especializado en sus resultados por tratarse de un ejemplo concreto, la metodología utilizada que aquí se describe podría servir como aprendizaje para otros lectores de este blog que pretendan llevar a cabo iniciativas similares. Su inclusión en este blog se debe a la presencia de Nacsport como proveedor de datos, recogidos de forma manual por su autor. 



La correcta interpretación de los datos en el ‘Big Data’ deportivo

 

Los datos por sí solos no son suficientes para revelar oportunidades. No obstante, el análisis de datos juega un rol fundamental para el uso correcto de ese volumen de datos y convertirlo en una herramienta útil que lleve a un equipo hacia una estrategia exitosa.

 

El reto es realizar una correcta interpretación, lo que ya no tiene relación únicamente con la tecnología, sino también con el conocimiento deportivo, la apertura a nuevas metodologías de trabajo y la curiosidad. 

 

Para un correcto análisis de datos es necesario contar con un punto de partida: conocer cuál es la idea de juego y trazar una hoja de ruta con el equipo para la toma de decisiones colectivas e individuales.

 

Diagnosis previa antes de iniciar el proceso

 

Como hemos mencionado anteriormente, los datos no son suficientes para descubrir oportunidades en lo que se refiere al ‘Big Data’ deportivo. Pero, aún más esencial, es tomar los datos adecuados como base de partida para su posterior análisis.

 

En mi caso, el punto de partida para obtener datos fue realizarme tres preguntas pertinentes: 

 

•    ¿Qué quiero medir? 
•    ¿Sirve para tomar decisiones?
•    ¿Tenemos la infraestructura suficiente?

 

Medir el rendimiento de un equipo

 

Para medir las habilidades se utilizan indicadores de rendimiento. Un indicador de rendimiento no es solo una variable, sino un término para variables que se han establecido como medidas válidas de aspectos importantes del desempeño.

 

Diferentes métricas revelan diversos aspectos o fortalezas de las jugadoras y, por lo tanto, son aplicables para varias decisiones tácticas. Por ejemplo, hay algunos indicadores que, en función de su definición, son adecuadas para ayudar al entrenador a decidir qué futbolista debe ser sustituida.

 

Existen tres categorías de datos al momento de analizar un partido. 

 

•    La información histórica. Estos datos hacen referencia a datos generales de los cotejos tales como: fecha, equipos, estadio, árbitro, resultado, goles, córners, porcentaje de posesión de pelota, remates. Asimismo, se puede incluir información de las jugadoras: edad, altura, peso, pierna hábil, etc. 


•    Datos de eventos. Para este trabajo se obtuvo la ubicación en coordenadas X e Y de donde ocurrieron las acciones. Se agrega información de quién realiza cada evento y otra serie de características que se detallarán en el siguiente apartado.


•    Datos de tracking. Se trata de las coordenadas X e Y de los futbolistas, pero no están relacionadas a una acción puntual, sino que está asociado a un intervalo de tiempo (10 veces por segundo, por ejemplo). Para la realización de esta consultoría, se tomaron en cuenta datos históricos y los eventos.

 

Elección de las métricas adecuadas

 

Para la selección de métricas, se elaboró una revisión y se eligieron algunas variables que están involucradas en el rendimiento deportivo.

 

Como punto de partida, se estableció el concepto ‘gol’ como el indicador de mayor pertinencia. Por lo tanto, el análisis se debe focalizar en las acciones precedentes al gol, tomando en cuenta eventos como los pases en último tercio, carreras progresivas, las jugadoras que intervienen en las jugadas, la zona de lanzamiento de remates, el momento en que se ejecutan los eventos, entre otros.

 

Una vez que hemos definido los objetivos, el siguiente paso es identificar los KPI (Indicador clave de rendimiento). 

 

Nacsport, proveedor de datos para el proyecto de ‘Big Data’ deportivo

 

Para extraer la información cuantitativa de las jugadoras hemos usado Nacsport. Este software de videoanálisis nos permite transformar los eventos anteriormente mencionados en números. 

 

Un estudio realizado por Iann Franks, en la Universidad de British Columbia en 1991, afirmó que los entrenadores sólo recuerdan el 40% de un juego mientras que el otro 60% se pierde en apego emocional. 

 

Por tanto, es necesaria una figura que analice una serie de datos para diseccionarlos. Es por esta razón que optamos por el videoanálisis para sacar los datos de cada juego. El videoanálisis es el estudio de las acciones de juego que ocurren a lo largo de un cotejo y se realiza a través del video. Esto aporta información sobre distintos aspectos del juego y sirve para analizar lo que ocurre en un partido. 

 

La primera etapa es la recogida de información. Recopilar los vídeos de los partidos que vamos a analizar, así como información que pueda resultar interesante añadir en el análisis. Para la elaboración de este trabajo se analizaron once partidos de la Universidad Católica Femenina de Chile del Torneo Nacional 2022.

 

Antes de elaborar una plantilla de botones, realicé un esquema en papel de lo que se quiere medir. Según las recomendaciones seguidas por el personal de Nacsport, este es un buen arranque. Como se puede apreciar en las dos siguientes imágenes, se desarrolló un listado de distintas categorías y cada una con sus respectivas subcategorías.

 

 

 

 

 

El siguiente paso fue implementar toda esta información en una botonera (o plantilla de botones) en Nacsport con la versión Scout. Se diseñó una plantilla para analizar y categorizar cada acción de los partidos. En primera instancia, se generaron las categorías, que tienen la funcionalidad de ser los botones principales y que define la acción dominante.

 

La categoría puede venir acompañada de uno o varios botones más que definen esa acción principal, proporcionándole una información extra para obtener un mayor nivel de detalle. 

 

Esos botones tienen un comportamiento “secundario”, y se llaman Descriptores.



De esta manera se obtiene una información más filtrada. Por ejemplo, la categoría principal es la métrica de distribución y el descriptor es el tipo de acción: pase, pase clave, asistencia, etc.

 

También se agregaron descriptores automáticos. Estos botones sirven para ahorrarte clics a la hora de analizar los partidos. Por ejemplo, añadimos descriptores automáticos a la situación del cotejo: si el equipo va ganando, empatando o perdiendo. 

 

Otro ejemplo es la creación de botones de intervalo de tiempo: de 0 a 15 minutos, de 15 a 30, etc. Dentro de los descriptores gráficos que permite esta licencia está la diagramación de una cancha de fútbol a escala. El usuario puede colocar las medidas del gramado para el registro de acciones.

 

Para la realización de este trabajo se escogieron las medidas estándar que maneja la Premier League de Inglaterra o la Major League Soccer para el campo de juego: 105 metros de largo y 68 metros de ancho. Esto se basa en que la dirección de ataque sea siempre de izquierda a derecha en el eje x, donde la línea de gol de defensa es siempre x=0 y el atacante donde x=105.

 

Botonera Nacsport

 

Se añadió, además, un descriptor que funcione como ‘outcome’. Esto quiere decir que se crea un valor de dato lógico para representar una opción ‘verdadera’ o ‘falsa’. Esto se utiliza para, por ejemplo, saber si un pase fue completo o no. A continuación, se presenta el diseño final de la plantilla elaborada para el respectivo análisis.

 

Siguiendo los lineamientos de los apartados anteriores, se definieron distintas categorías que agrupan las métricas correspondientes para el análisis individual. Cada categoría contiene un grupo de métricas:

 

Eventos de ataque

•    Remates al arco
•    Remates fuera
•    Remates bloqueados
•    Oportunidad clara de gol
•    Fuera de juego
•    Duelo ofensivo
•    Regate
•    Carrera progresiva

 

Eventos defensivos

 

•    Duelo aéreo
•    Barrida
•    Anticipo
•    Presión
•    Duelo defensivo
•    Despeje
•    Quite
•    Interceptación
•    Recuperación
•    Remate bloqueado



Eventos de distribución

 

•    Pase
•    Saque lateral
•    Pase progresivo
•    Pase filtrado
•    Pase clave
•    Asistencia
•    Segunda asistencia
•    GK Start
•    Centro
•    Cruce

 

Faltas

 

•    Táctica
•    Innecesaria
•    Grave

 

Dominio

 

•    Pérdida

 

Acciones de Balón Detenido

 

•    Córner
•    Tiro libre
•    Penal

 

Golero

 

•    Atrapada
•    Pick up
•    Puñetear
•    Atajado
•    Mano a mano
•    Carrying
•    Penal recibido

 

 

Por último, se definió una secuencia para registrar cada acción y que la información exportada tenga la misma estructura. La sucesión fue la siguiente: 

 

•    Categoría (distribución)
•    Descriptor (pase), jugadora, posición inicial y final de la acción, y el outcome (completo). 

 

En la imagen posterior se observa el espacio de trabajo con dos componentes. El primero es el video del partido y al costado superior derecho la línea de tiempo de las acciones registradas. Esto nos ayuda a verificar que cada evento se tome con la secuencia previamente definida y que también se generen los descriptores automáticos.

 

Luego de completar el análisis del partido completo, se procede a la exportación de la información. El software permite distintos formatos de descarga. Para este proyecto se eligió la descarga en formato XLSX para trabajarlo posteriormente en Microsoft Excel.

 

 

 A continuación, se muestra un ejemplo de la información exportada por Nacsport.

 

Datos de Nacsport en Excel

 

 

Para la sección de remates se preparó una plantilla externa para analizar con detenimiento y mayor profundidad a cada disparo. Como se puede apreciar en la imagen, se realizó un modelo con distintos descriptores. El primer filtro es determinar el tipo de remate: gol o disparo al arco.

 

El siguiente paso en el registro de los remates es determinar la zona en la que terminó el disparo cuando tuvo como destino el arco rival. El arco se divide en nueve zonas distintas que agrupan los disparos. Con esto se puede analizar las tendencias de las direcciones por las que optan ejecutar los disparos las futbolistas. Después, se analiza la parte del cuerpo con la que se ejecutó el tiro. Entre las opciones están: pie izquierdo, pie derecho, cabeza u otro. Finalmente, se debe marcar la zona en la que se efectuó el remate con las coordenadas X y Y.

 

 

 

 

Tratamiento y visualización de los datos para adecuarlos al proyecto

 

Como paso estándar en cualquier proyecto de análisis de datos, la preparación y la limpieza son una etapa fundamental. 

 

Entre las características más importantes sobre el tratamiento de datos están la de asegurar la calidad de la información que se va a procesar, se evitan los datos no veraces. Mediante el Análisis Exploratorio de Datos en Python, traté la información. 

 

Luego de la limpieza y una mejor estructuración de datos, construí una herramienta de gestión de datos en Power BI. A continuación, se muestran los campogramas con distintas métricas. 

 



Posibles dificultades a la hora de recopilar los datos



En el proceso de la realización de este trabajo me encontré con distintos desafíos y retos. 

 

El primero fue la falta de recursos para obtener el material. Los análisis fueron realizados a través del video. Sin embargo, el campeonato femenino no cuenta con una transmisión oficial, ya sea por televisión o por Internet. 

 

De esta manera, uno debe adecuarse para obtener el material visual de los videos de los partidos que publican los equipos en sus redes sociales. En varias ocasiones, las producciones fueron muy limitadas, con un solo ángulo de cámara, cortes en la transmisión y mala resolución. 

 

Una vez obtenido este material, procedimos a la descarga y analizar con la opción de archivo almacenado de Nacsport.

 

El contar con información propia nos genera múltiples ventajas, ya que no nos debemos ajustar a la información que entregan los proveedores y podemos medir y analizar los eventos que queramos. En el camino, se pueden agregar, editar o quitar eventos. Además, esta metodología se puede aplicar para analizar a los rivales bajo la misma lógica.

 

El fútbol es un deporte multivariable. Con el avance de la tecnología podemos contar con datos disponibles que nos reflejen una imagen detallada del rendimiento de las jugadoras y del equipo. Hemos podido analizar aspectos técnicos y tácticos del perfomance. El reto continúa.

 

Compártelo


¿Te ha gustado este artículo?

Suscríbete a nuestra newsletter mensual y recibe nuestros mejores artículos y consejos de Nacsport sobre videoanálisis.

¡Muchas gracias por suscribirte a nuestro newsletter!

Una vez al mes, te enviaremos nuestros mejores artículos, consejos y entrevistas directamente a tu bandeja de correo electrónico.

X
×

¿Te gusta este artículo?

Suscríbete a nuestra newsletter mensual y recibe nuestros mejores artículos y consejos de Nacsport sobre videoanálisis.

¡Muchas gracias por suscribirte a nuestro newsletter!

Una vez al mes, te enviaremos nuestros mejores artículos, consejos y entrevistas directamente a tu bandeja de correo electrónico.

Elige el idioma:
Nacsport en Facebook Nacsport en Twitter Nacsport en Youtube Nacsport en Instagram Nacsport en Linkedin
Cookie icon

Usamos cookies para mejorar tu experiencia de navegación, mostrarte anuncios o contenidos personalizados y analizar nuestro tráfico. Al hacer clic en “Aceptar” das tu consentimiento a nuestro uso de las cookies.


Más información en el apartado Política de cookies de nuestra página web.

Personalizar Acepto