La sociedad de la información incluye chatbots que saben leer nuestro enojo, publicidades que se anticipan al deseo y máquinas que de una mirada pueden conocer nuestro nombre. Cabe preguntarse, en este momento en que se ha alcanzado tal nivel de procesamiento de datos, si hay algo que se resista a volverse información. El fútbol –que tanto para los analistas de Big Data como para los fanáticos no se reduce a 22 tipos corriendo atrás de una pelota– no escapa del algoritmo y se convierte, también, en materia prima para la ciencia de datos.

“La clave es estudiar cómo interactúan los jugadores”, explicó Andrés Chacoma, doctorado en Física por el Instituto Balseiro e investigador asistente en el Instituto de Física Enrique Gaviola (IFEG) del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), quien hace años estudia los sistemas complejos desde la física estadística.

La cantidad y la distancia de los pases, las razones por las que la pelota cambia de bando, las interacciones entre los miembros de un equipo, entre otras variables, pueden ser registradas y sometidas a un modelo para deducir información y establecer estrategias de juego. “El mercado no tiene límites”, evaluó Chacoma.

-¿Por qué el fútbol puede estudiarse desde la ciencia de datos?

-Al ser un sistema complejo se lo puede dividir en pequeñas unidades dinámicas, que serían los jugadores, y estudiar a partir de los datos las interacciones entre ellos. Es la misma metodología que se utiliza, por ejemplo, para estudiar el cerebro. En ese caso nosotros conocemos muy bien lo que es una neurona, cómo funciona químicamente, pero esa información no basta para explicar un pensamiento; para eso lo que tenemos que estudiar es la interacción entre neuronas. En los sistemas complejos, lo interesante está en la relación entre las partes. En el fútbol y en otros deportes es parecido: para explicar lo que nosotros llamamos “juego” la clave es estudiar cómo interactúan los jugadores. Cuando alguien puso las reglas e invitó a la gente a jugar, seguramente hayan ido todos corriendo detrás de la pelota sin ningún tipo de orden. Con el tiempo los jugadores optimizaron sus intervenciones, los entrenadores idearon los sistemas tácticos y la evolución de estas estructuras condicionó la evolución del juego. A nosotros nos interesa estudiar el funcionamiento de esas estructuras hiper optimizadas y para ello buscamos describir estadísticamente cómo los jugadores se relacionan dentro de la cancha.

-¿Cómo es la metodología que se usa para analizarlo?

-Nuestra metodología está basada en el análisis y modelado de datos empíricos de partidos de fútbol. Primero hacemos una caracterización de las regularidades estadísticas que se observan en el sistema. Luego, proponemos la hipótesis de que algunas de esas regularidades son consecuencia de las relaciones entre jugadores. A partir de esta idea, establecemos un conjunto de reglas que rigen las interacciones. Eso es lo que se conoce como modelado, y es a grandes rasgos, a lo que nos dedicamos los físicos: a modelar matemáticamente fenómenos que ocurren en la naturaleza. Por último, testeamos el modelo. Si al hacer simulaciones de la dinámica del juego notamos las mismas regularidades estadísticas que se observan en los datos reales, entonces nuestra abstracción matemática funciona.

-¿Qué tipo de conclusiones se sacan?

-En uno de nuestros trabajos pudimos cuantificar las interacciones entre los jugadores. Vimos que esas interacciones son como fuerzas que mantienen la estructura táctica del equipo en un bloque y que las deformaciones de ese bloque producto del movimiento de un jugador son compensadas con el movimiento de otros. Esto pasa con la mayoría de los jugadores, lo que va a hacer el dos, por ejemplo, va a depender de lo que haga el seis, pero no pasa con jugadores que son sumamente importantes, como es el caso de Messi. Si bien a los ojos de un experto mirando un partido esto puede parecer obvio, cuantificarlo con un algoritmo nos permite sistematizar y automatizar la detección de la codependencia de movimiento que tienen los jugadores, y ahorrar horas y horas de mirar partidos para entender cómo juega un rival o que falla en un equipo.

“Cuantificar (las interacciones entre jugadores) con un algoritmo nos permite sistematizar y automatizar la detección de la codependencia de movimiento que tienen los futbolistas, y ahorrar horas y horas de mirar partidos para entender cómo juega un rival o que falla en un equipo”.

-De alguna manera, el atractivo del fútbol es la impredecibilidad. ¿Cómo se lleva la ciencia de datos con los acontecimientos excepcionales?

-Nosotros nos basamos en un marco teórico probabilístico, no podemos decir exactamente qué va a pasar, pero sí cuantificar las probabilidades de que pase tal o cual cosa. Una vez escuché a un entrenador decir que si hay un gol en un partido es alguien se equivocó. Eso es así, porque cada equipo funciona como un sistema que se mueve alrededor de un óptimo donde trata de que no pasen cosas desfavorables. En el fútbol, muchas veces los acontecimientos más valiosos ocurren debido a errores. El gol, que es el evento más importante, se produce porque el equipo que lo marca indujo a un error en el que lo recibe, o porque algún jugador de éste se equivoca. Es un acontecimiento raro, debido a que los jugadores de la defensa están preparados para que no pase. Hay una lucha con los delanteros rivales que, justamente, trabajan para convertir goles. En particular, los resultados de nuestros trabajos proveen una herramienta para detectar las debilidades y fortalezas en los equipos, lo cual nos permitiría inducir un error o evitarlo.

-¿Qué mercados surgen para este tipo de investigaciones?

- En un contexto de auge de la industria del conocimiento, hay varias empresas que trabajan con datos de entrenamiento y ofrecen servicios. Algunas lo que hacen es poner un sensor en la media de los jugadores para recopilar los datos. Estos sensores tienen GPS, te miden la frecuencia cardíaca, la fuerza con la que pateas, y otros indicadores que después se descargan a una aplicación, para analizarlos y brindar un paquete estadístico. Es muy interesante, y no sólo para los profesionales, sino para el público en general. Este tipo de aparato no es muy caro y, de hacerse masivo, el mercado no tiene límites. Es un área que está creciendo un montón y no le veo techo. Sin embargo, actualmente estos productos se basan en el análisis de jugadores individuales, todavía no tienen las herramientas para proveer un análisis del juego colectivo. Ahí es donde nuestros trabajos pueden ayudar a describir la dinámica conjunta de los equipos. Como físicos, damos soporte a estas nuevas industrias, sacándole valor agregado a los datos.