Algoritmos que predicen lesiones y analizan fichajes: el 'big data' cambia el fútbol y mueve 5.600 millones

En otra de sus noches, Leo Messi dio este miércoles la victoria a Argentina con tres goles. Hace 20 años, ese dato hubiera bastado para concluir cualquier análisis. Ya no. Al acabar el partido, trascienden más estadísticas, como los kilómetros recorridos y su mapa de calor (por dónde se desplazó en el campo): pequeño entretenimiento para el espectador y un océano por explorar para entrenadores y asistentes de los equipos rivales. Esa información es solo la punta de un iceberg de una tecnología que ha cambiado el fútbol para siempre: el big data. 

Y más que lo va a hacer. La consultora Precedence Research cifra en más de 5.600 millones de euros el dinero que mueve al año el sector del análisis de datos en el deporte, una cantidad que podría escalar más allá de los 25.000 millones en 2034. Lo hará impulsada por el fútbol, un deporte en el que el 89% de los grandes clubes europeos ya gastan más de dos millones de euros al año en big data, tal y como recoge la consultora Datahack. A ello contribuirá, por supuesto, el desarrollo de la IA, que, según el Barça Innovation Hub, el departamento de I+D del FC Barcelona, traerá consigo una inversión de 2.200 millones de euros para 2030.

Pero esto son solo cifras detrás de las cifras. En España, pocos conocen mejor la realidad del big data aplicado al fútbol que Alexis Tamayo, más conocido en redes sociales como Mr. Chip. Con más de cuatro millones de seguidores entre sus principales redes sociales, este ingeniero de Telecomunicaciones supo ver antes que muchos la importancia que acabarían teniendo los datos en el fútbol. Hoy, vive de ofrecer números que explican cosas que no se ven en los partidos y que a veces son verdaderos galimatías estadísticos. Una fuente de autoridad que citan cada semana las retransmisiones deportivas.  

Estos días Mr. Chip anda tratando de ver algo de luz entre el aluvión que tiene que analizar en mitad del Mundial. Por teléfono explica a elDiario.es las infinitas posibilidades del big data: “Los jugadores saltan con equipamiento que detecta su situación cardiaca, su esfuerzo, su propensión a una lesión, su velocidad punta, velocidad media, espacio recorrido, áreas por las que pisa, por las que no… También hay parámetros que tienen que ver con lo que le permiten hacer a los rivales”. 

El problema, resume este ingeniero, radica precisamente en la abundancia, en el tiempo que lleva procesar tantos datos e interpretarlos. “Luis Enrique [técnico del Paris Saint-Germain y ganador de las dos últimas Champions League] ha llegado a decir que justo tras un partido no quiere hacer mucho análisis porque le falta información. Porque cuando vuelves a verlo con todos los datos, tus impresiones pueden cambiar”. En otras ocasiones, detalla Tamayo, los datos confirman lo visto. Y pone un ejemplo: durante el primer partido de España en el Mundial, el criticado 0-0 ante Cabo Verde, Rodri, el ancla de la selección, dio muchos pases laterales, pero casi ninguno en profundidad, y el delantero Mikel Oyarzábal batió un récord nada deseable al convertirse en el primer jugador desde 1966 que durante un Mundial no toca un solo balón en la primera media hora de juego: “En casos así, es evidente que algo está ocurriendo”, diagnostica Tamayo.

Con todo, los datos derriban tópicos. Tamayo vuelve al ejemplo de Oyarzábal: “Hace 20 años, cuando a los delanteros solo se les medía por los goles que metían, defenderlo hubiese sido mucho más difícil. Hoy nos podemos apoyar en el número de veces que interviene o la zona en la que lo hace para apreciar que es un gran jugador”. Más análisis: las tandas de penaltis, esa lotería que cada vez lo es un poco menos. “Gracias al big data, sabemos que quien tira primero tiene ventaja, y que meter ese primer penalti también es decisivo. Deberíamos desterrar eso de dejar el mejor para el último”, reflexiona Mr. Chip.

Otros prejuicios derribados por la estadística: rasgos aleatorios de los jugadores como su altura o su fuerza para medir su potencial, especialmente en edades tempranas: “Podremos predecir cómo va a ser la evolución de determinados biotipos. Detectaremos cuándo se desarrollará un jugador, cuándo aprenderá a disparar mejor, por ejemplo. Nada de decir que uno será bueno porque es grande”, aventura Maximiliam Bodenstein, director de consultoría de Datahack y director del máster de big data y data analytics. “La clave es la calidad del dato: una parada no es solo una parada, hay que medir si es a mano cambiada, el ángulo del tiro y la fuerza del tiro. Antes, no se podía hacer”.

Las grandes batallas de los datos

Pero no son las tandas de penalti ni la altura de los jugadores la principal preocupación de los analistas. Estos tienen el ojo puesto en una variable mucho más importante como las lesiones. Las investiga a fondo Javier Sánchez, doctor en Ciencias del Deporte y profesor de la Universidad Europea que describe el salto que se está dando en herramientas de big data: “Cuando salieron los chalecos GPS y los empezaron a utilizar los clubes, me llevaba semanas analizar todas las variables que me daban de un solo partido. Ahora es cuestión de horas”. 

¿Llegarán los entrenadores a saber con absoluta precisión las posibilidades que tiene un futbolista de lesionarse? “Luis de la Fuente [seleccionador español] guardó a Nico Williams y a Lamine Yamal porque debe de tener algún análisis. No son decisiones a la ligera”, recuerda Tamayo. Sánchez va más allá: “No descarto que una IA en un futuro pueda hablar del estado de un jugador y establecer porcentajes de riesgo de lesión muy precisos”. Alba López de Figueredo, brand business manager de la escuela de negocios deportivos Unisport, pone cifras: “Un algoritmo que detecta que la potencia de salto de un jugador ha caído un 5% respecto a su media histórica ya puede emitir una alerta de fatiga antes de que ocurra una lesión. Eso tiene un impacto económico directo: una rotura de fibras o una lesión de rodilla puede costarle a un club entre medio millón y varios millones de euros, sin contar el coste deportivo”. Se trata, opina la experta, de una revolución: “Todavía me sorprende cada vez que lo pienso. Estamos en un momento en que un algoritmo puede predecir que un jugador se va a lesionar antes de que él mismo lo sienta. Antes de que le duela. Antes de que lo note en el entrenamiento. El sistema ya lo sabe. Y eso, viniendo del mundo deportivo, donde durante años las decisiones dependían casi exclusivamente de la intuición y la experiencia acumulada, me parece un cambio de paradigma absoluto”.

Algunos equipos de fútbol americano han creado avatares de sus principales figuras (que replican sus condiciones físicas) para aplicarles entrenamientos virtuales que detectan su fatiga y riesgo de roturas musculares según el ritmo de juego, las repeticiones de movimientos y los partidos jugados. Una forma de saber hasta dónde pueden explotar al atleta real en función de cómo responde la máquina a las distintas intensidades.

Pero en el deporte de alta competición, como en todo negocio, el santo grial es el dinero, comprar barato para vender caro, encontrar antes que nadie a la nueva perla. Lo vivió en carne propia Sergio Llana, que entró a trabajar en 2018 en el Barcelona como experto en análisis de datos y llegó incluso a liderar el departamento en 2022, con el club inmerso en una grave crisis económica. En época de vacas flacas tocaba ser creativo: “Llegamos a ser cinco a tiempo completo haciendo análisis. Eso es raro en España, donde como mucho los clubes tienen uno o dos”, comienza explicando Llana, que recuerda que al fútbol le quedan lejos todavía los 20 analistas que pueden llegar a tener en un equipo de fútbol americano y los 30 que pueden llegar a ser en uno de béisbol.

Tiene sentido, pues fue precisamente el béisbol quien introdujo la ciencia del dato en el deporte de élite hace más de 20 años a través de la historia del Oakland Athletics, un modesto equipo que, tras vender a su mejor jugador, se valió de un big data en pañales para protagonizar una temporada histórica. La gesta fue recogida por el periodista Michael Lewis en Moneyball, un clásico del deporte y la economía que ahora todos quieren emular. Ha habido intentos notables: “Se nota mucho cuando hay un dueño americano que cree en los datos. Esa es la mejor manera de implantarlo: de arriba a abajo”, ahonda Llana. Dos ejemplos más: el Toulouse y el Milán, que forman parte de RedBird Capital, un fondo estadounidense. Y uno español: el Castellón, dirigido por el multimillonario Bob Voulgaris, un apasionado del análisis de datos.

El futuro está ahí: un equipo de ojeadores que pide a los analistas una criba de una veintena de jugadores en base rasgos de juego muy concretos; un equipo médico que predice riesgo de lesión; un cuerpo técnico que basa sus decisiones en estadísticas que el aficionado ni siquiera imagina: “Se han puesto de moda en las retransmisiones y en la prensa los expected goals [métrica que mide las posibilidades de gol de un disparo]. Los analistas no les damos tanta importancia”, confiesa Llana.