Origami trabaja para clientes de la Superliga española, la Serie A italiana y la Premier inglesa.
La contratación de jugadores cambia a partir de la aplicación de la Big Data que el fútbol la eludía porque, obviamente, condiciona los polémicos vínculos entre intermediarios/representantes de jugadores y dirigentes de los equipos.
O sea que por los mismos motivos que el fútbol ha ignorado la aplicación de la tecnología para darle precisión a una jugada confusa, inclusive un gol, decidió desconocer las estadísticas como la clave para conocer si ese jugador que están ofreciéndole tiene antecedentes suficientes para responder a la necesidad del entrenador.
La clave es la de siempre: comprar barato lo que puede valer caro más adelante. Pero no es tan sencillo conocer cómo lograrlo.
El Leicester, el Seattle Sounders y el Midtylland -campeones vigentes de las ligas inglesa, estadounidense y danesa- han usado este tipo de métodos para formar sus equipos. El uso de estadística en los entrenamientos y en el análisis del rival viene siendo algo más común, pero en la captación de jugadores es más innovador.
Volvamos a Jordi Pérez Colomé en El País:
"(...) Un delantero no debería medirse solo por sus goles sino por sus “goles esperados”. Es una métrica que depende de la velocidad de la jugada -una jugada normal va a 2,5 metros por segundo-, el lugar desde el que se chuta (N. de la R.: patea) o la parte del cuerpo. Cuanto más bajo es el coeficiente de un “gol esperado”, más mérito tiene el jugador por haberlo metido. Un disparo desde el punto del penal tiene un 0,81 de probabilidad de ser gol, un remate a puerta vacía (N. de la R.: arco sin arquero) a un metro de la línea de gol supera el 0,9. Si un delantero mete un porcentaje alto de sus “goles esperados” y encima son goles difíciles, será mejor. Ocurre igual con las asistencias. Un jugador que da el último pase depende de tener un buen delantero que lo meta para que cuente como asistencia. Con la variable “ocasiones creadas”, ese detalle pierde importancia.
Esta finura en el tratamiento de datos permite definir con más precisión a cualquier jugador. Los fichajes hoy dependen de los ojeadores de un equipo: “El proceso natural es seguir muchos partidos durante la temporada. Se siguen las competiciones de primera, segunda A y B y algunas extranjeras”, dice Ramon Planes, secretario técnico del Rayo Vallecano. Por muchos jugadores que vean, ningún ojeador va a ser capaz de analizar todo lo que hacen los 22 jugadores en un campo en cada partido. Los datos, sí.
“Esta tarde he estado viendo jugadores sub 23 de la segunda portuguesa, de la 1ra. eslovaca y de la liga noruega”, dice Mendoza, del UCAM. “Son jugadores que están por encima del rendimiento de su liga y quería ver por qué”. Los ojeadores tradicionales del UCAM nunca habrían llegado a ese grado de detalle. Ahora un equipo puede pescar lejos y a jugadores más convenientes. Eso tiene una ventaja obvia -el rendimiento inmediato- y otra quizá más interesante: fichar barato y vender caro. (...)".
Es interesante conocer cómo piensan los entrenadores estadounidenses, que viven aplicando estos conceptos en disciplinas deportivas que mueven millones, tales como el béisbol, el basquetball o el fútbol americano. Por ejemplo, Brian Clarhaut, entrenador adjunto del Nyköping BIS sueco y 1 de los 2 estadounidenses que entrena en Europa. Él explica que no es común todavía en Europea hacer que una lista de jugadores salga de la información del Banco de Datos: "Eso es aún nuevo y revolucionario".
“Si tienes un extremo (N. de la R.: delantero) que quiere más dinero, debes mirar más allá de sus goles y asistencias: precisión en los desplazamientos, ocasiones creadas. Hay que contar su historia en números”, dice Remy Cherin, quien representa a Remington Ellis Management, otra empresa de Big Data estadounidense.
Enseguida aparece el caso del Sevilla, un club que aplica estos conceptos, y que entrena un argentino: Jorge Sampaoli.
El Sevilla tiene una dirección deportiva de 16 personas, que tienen asignadas ligas que siguen y van identificando a jugadores puntuales. Con esa información, hacen una lista: “Entre los 100 centrales que pueden venir al Sevilla, hemos visto a 99 y los técnicos dicen que 20 de esos pueden jugar en el equipo titular. Ese primer filtro es subjetivo”, dice Jesús Olivera, analista de la dirección deportiva. Esa lista se pasa al director deportivo, Monchi (Ramón Rodríguez Verdejo), y a sus ayudantes y “deciden que hay 10 elegidos”, dice Olivera. “Entonces es cuando empiezas a ir al detalle con estadísticas porque si intentas ver el detalle de los 100 te puedes volver loco”, dice Olivera.
Él dice que sabe que hay modelos que pueden perfeccionar todo el proceso, y no solo mirar 100 sino 1.000 o 10.000, pero aún no lo hacen: “Que haya programas estadísticos que tengan sensibilidad para el juego es complicado”, dice, pero admite que el futuro va en esa dirección: “El Big Data es denso, requiere más trabajo porque tienes que guardar el equilibrio entre la ingeniería informática y el deporte”. Por ahora, el Sevilla no tiene ningún ingeniero ni economista en la secretaría técnica. Olivera no descarta que llegue alguno pronto.
Pero los Seattle Sounders, campeones de la Major League Soccer (así se llama la liga en USA) sí tienen a su ingeniero de análisis desde 2013: Ravi Ramineni, un ex Microsoft.
Que los Sounders sean los campeones no es casualidad. Su rival en la final, el Toronto FC, también había invertido en un equipo propio de análisis de datos.
Los Sounders no toman sus decisiones basados solo en datos, pero “cuando hay datos, no tomamos ninguna decisión sin mirarlos”, dice Ramineni.
Los datos no son fáciles de recoger. El método es una evolución informática de los tradicionales palotes para contabilizar jugadas: “Podemos decir cuántas veces ha tocado el balón un jugador, con qué parte del cuerpo, dónde y en qué segundo”, según Chechu Fernández, director de producción de Opta, otra empresa de Big Data futbolero.
Fernández agrega que el instante en que el jugador toca el balón es importante, porque permite calcular la velocidad de una jugada.
Opta sigue con detenimiento la evolución de 20 ligas en el mundo.
También hay empresas -las 2 principales son Instat o Wyscout- que recortan los videos de miles de partidos para reunir todos los regates o contraataques de 1 jugador determinado.
Este método requiere de un entrenamiento especial para los empleados que introducen los datos.
Según Ramineni “es muy primitivo”. Ramineni aspira a tener la posición exacta de los 22 jugadores en cada segundo del partido.
Esto ayudaría a algo importante: los equipos que juegan el fútbol cediéndole la pelota al adversario. En esos casos, el resultado del análisis puede ser engañoso.
Matthew Benham, propietario del club inglés Brentford y del club danés Midtjylland, quien ha hecho su fortuna con modelos estadísticos en una casa de apuestas, contó en la conferencia Matchbook Traders, de 2015: “Un jugador puede ser bueno en robos (N. de la R.: quitarle la pelota al adversario) y tackles [entradas] pero quizá es más vistoso que otro en quien no te fijas porque es más sigiloso que quienes van con todo. Por otro lado, ¿está el jugador haciendo muchas entradas porque está mal ubicado?”.
La estadística en el fútbol tiene sus problemas: los pies son menos fiables que las manos. “Las acciones con las manos son más reproducibles porque su precisión es mayor que la de los pies”, dice Rafa Monfort, ojeador de Udinese y Watford.
Los creadores de Opta, por ejemplo, fueron 2 especialistas en balonmano.
Otra dificultad: son 11 jugadores. Uno de los mayores retos de los analistas es definir la aportación de un jugador a su equipo y cuál sería su rendimiento con 10 compañeros diferentes a los que tiene.
