Que el análisis de datos ha llegado para quedarse, es una realidad. Cada vez es más común oír hablar del Big Data Deportivo o el Data Science en el deporte. La infinidad de estadísticas obtenidas sobre formas y optimización del juego, y la reducción y prevención de lesiones, hacen de esta disciplina algo fundamental para los clubes actualmente. Ahora bien, si el estudio de los datos ayuda a predecir resultados y jugadas, y aumentar el rendimiento deportivo, ¿cómo puede ayudar el Big Data en la adquisición del talento deportivo?
En el siguiente artículo, te damos las claves para entender el fenómeno del Big Data aplicado en el mundo del deporte y en la adquisición del talento.
ÍNDICE DE CONTENIDOS
Talento joven, asignatura pendiente para los clubes
Actualmente, los clubes deportivos se dejan guiar por el juicio de expertos al apostar por el talento joven. Pero, a pesar de ser una de las técnicas utilizadas históricamente, tiene muchos defectos. El juicio de expertos conlleva un alto índice de fracaso, carreras truncadas y pérdidas económicas para el club.
Y es que, las características de estas jóvenes promesas todavía no están formadas. Todo lo relacionado con su proyección es puramente producto de la imaginación, que más adelante se verá sujeta a factores como las características psicográficas y demográficas, la cultura organizativa, etc.
Te puede interesar: Plan de marketing deportivo: para lograr el éxito
Desafíos de la industria del deporte con el Big Data
Los resultados históricos hablan por sí solos. Pocos son los jugadores de cantera que acaban en los primeros equipos. La ineficiencia de la captación en las edades tempranas no está funcionando como debería. Thomas H. Davenport, académico y autor norteamericano especializado en analítica, innovación de procesos empresariales, gestión del conocimiento e inteligencia artificial, afirma que aquellas empresas que sean capaces de atraer y retener el talento estarán entre las más competitivas.
El reclutamiento de talento joven es una actividad crítica que, mediante el Big Data, puede revertir la situación.
Autores como Baker, De Bosscher, De Rycke y Hanlon, siguiendo con la línea de Davenport, afirman que existe un creciente interés en comprender los costos y beneficios de las iniciativas para la identificación temprana de jugadores talentosos, así como en desencadenar los factores que influyen en el desarrollo de los atletas.
Así pues, el punto clave sigue siendo la identificación temprana de jugadores talentosos. Y, para ello, se necesitan técnicas predictivas para pronosticar el desarrollo de estos atletas en edades tempranas.
Los análisis estadísticos tradicionales se centran en puntos anotados, promedios y número de goles. Las necesidades actuales se van sofisticando y ya no son suficientes. La película Moneyball (2011) ya introdujo la posibilidad de la analítica como estrategia competitiva. En el filme se enfocó a equipos de mercados pequeños con recursos relativamente limitados.
Tal vez te interese: Cómo mejorar el rendimiento deportivo
Data analytics, reinventando la industria del deporte
Muchos entrenadores y preparadores físicos emplean datos sobre hábitos e indicadores de rendimiento para evaluar el potencial de sus jugadores con el fin de:
- Evaluar su desempeño
- Clasificarlos
- Estimar su valor en el deporte profesional.
- Ubicarlos en la mejor posición que puedan ocupar
Estos ajustes pueden suponer una manera de ahorrar costes para algunos clubes.
La aplicación del análisis de datos en la industria del deporte está comportando una gran transformación dentro del sector:
- Departamento de Big Data en los clubes. Clubes de fútbol como Liverpool, Barcelona o Arsenal ya destinan un área en su organización para el análisis de datos. Con ello pretenden mejorar el rendimiento y entrenamiento deportivo, analizar rivales, prevenir lesiones, así como optimizar la gestión del mercado de fichajes, y la adquisición de nuevos talentos.
- Nuevas plataformas para la gestión y análisis de datos. Cada vez se está sofisticando más la forma de obtener y tratar los datos con la aparición de nuevas plataformas como Wiscout y Scisport.
- Mejoras en la captación y generación de datos. Compañías como Intel han creado dispositivos portátiles de internet de las cosas con los que capturar información de los jugadores en tiempo real (streaming).
- Transformación de los profesionales de la gestión deportiva. Tras el impacto y potencial del Big Data en la industria del deporte, ya empiezan a crearse titulaciones universitarias oficiales dedicadas a la gestión deportiva, enfocadas especialmente en la ciencia del deporte Ondata. Ejemplo de ello lo encontramos en el grado en Ciencias y Tecnologías aplicadas al Deporte y al Fitness de Euncet Business School, formación pionera en España.
- Cambio de hábitos en los aficionados. El consumo de datos de los aficionados se ha sofisticado. Cada vez se consumen datos más complejos, tanto para ocio y diversión, como para utilizar aplicaciones de casas de apuestas online.
Hay que tener en cuenta también el papel que pueden jugar las Redes Sociales, ya que son un predictivo importante. En base a los histogramas y las citaciones se pueden predecir determinados éxitos.
Te puede interesar: Los mejores gadgets deportivos
Tipos de análisis para medir eficacia, eficiencia y calidad del reclutamiento
Existen 3 tipos de análisis utilizados en la asistencia técnica y en recursos humanos para medir la eficiencia, la eficacia y la calidad del reclutamiento y su impacto.
Análisis descriptivo
Es utilizado cuando un jugador ya tiene unas características preestablecidas y se tiene que decidir sobre si juega o en qué posición lo hará. Este análisis no se suele utilizar en los talentos jóvenes, ya que aún no han formado sus características básicas.
Análisis predictivo
Se basa en el análisis interno (pronosticar lo que sucederá en el futuro dentro del equipo, cuál es el nivel de desempeño del jugador), y en el análisis externo (ver si habrá campañas de atracción de nuevos atletas, etc.). Este tipo de análisis se focaliza en predecir, mediante la búsqueda de patrones, cómo será el futuro, qué tácticas se establecerán y cómo se comercializará.
Existen 5 claves en las que el análisis predictivo puede ayudar a RRHH:
- Aceptar perfil y segmentación del atleta o empleado para ver o prever análisis de lealtad.
- Pronóstico de capacidad y necesidades de contratación.
- Selección de personal.
- Análisis del sentimiento, cada vez más importante. El FCB ha creado un equipo para el bienestar mental de Leo Messi.
- Gestión del riesgo de fraude de los empleados.
Análisis prescriptivo
A partir de los patrones descubiertos en el anterior análisis, trata de sugerir mejores tomas de decisiones utilizando técnicas de datos como el modelado de decisiones, Machine Learning, heurística, simulación, redes neuronales.
Intenta evaluar el efecto y el impacto de las decisiones proporcionadas para modificarlas antes de su implementación.
Retos del big data y el deporte
A pesar de los numerosos beneficios del Big Data en la adquisición de talento deportivo, la industria del deporte aún enfrenta una serie de desafíos en su implementación efectiva. Desde la necesidad de proteger la privacidad de los datos hasta la necesidad de garantizar la equidad y la transparencia en el proceso de reclutamiento, los clubes deportivos deben abordar una serie de consideraciones éticas y legales al utilizar el Big Data.
Además, la rápida evolución de la tecnología y las plataformas de análisis de datos presenta desafíos únicos para los clubes deportivos que buscan mantenerse al día con las últimas tendencias y herramientas.
Estos son los principales retos a los que se enfrenta:
- Aún no se considera la optimización y aprendizaje sobre la adquisición de talento deportivo relacionada con el Big Data.
- Las técnicas clásicas de estadística (como la regresión lineal múltiple) son populares, pero el Machine Learning se empieza a utilizar cada vez más en cuerpos técnicos.
- No se debe considerar sólo las características del individuo, sino también las características del equipo y la cultura organizativa del club.
- Las empresas y gobiernos empiezan a ser conscientes del valor de los datos y de la necesidad de contar con científicos de datos, pero muchos departamentos aún no han hecho la transición y siguen empleando prácticas tradicionales basadas en intuiciones y rutinas.
- Falta crear un plan de gobernanza del dato, ya que es la gestión general de la disponibilidad, usabilidad, integridad y seguridad de los datos utilizados por una organización.
- Se debe verificar que los resultados no estén sesgados por variables como clase social, orientación sexual, raza o nacionalidad, entre otros.
Sin embargo, con una planificación cuidadosa y una inversión en educación y capacitación, los clubes pueden superar estos desafíos y aprovechar al máximo el potencial del Big Data en la adquisición y el desarrollo del talento deportivo.
Esto mismo es lo que ha investigado el Dr. David López, ex docente de Euncet Business School,[SM1] [Ui2] junto con Laura Calvet y Rocío de la Torre. En su paper “Contribution of data analytics in sports talent acquisition”, presentado en el 2020 Online Workshop on “Sports and Health Analytics Research.
➝ Webinar: presentación del paper “2020 Online Workshop on “Sports and Health Analytics Research”
