ATP Opinión Tenis WTA

Estadística avanzada en tenis: parte 1

Estadística avanzada en tenis: parte 1

Nadie puede poner en duda hoy en día la importancia que está teniendo, no sólo en el deporte sino en la vida cotidiana y empresarial, la revolución digital y la llamada “big data”. De igual manera, la estadística avanzada y su análisis se ha convertido en los últimos años en una parte fundamental de las organizaciones deportivas, desde el proceso de detección de talentos, la planificación de los entrenamientos y partidos, y la comunicación de las organizaciones con los aficionados. Desgranaré en esta serie de artículos lo que es la estadística avanzada, y sobre todo su implicación a nuestro deporte, el tenis.

¿Qué es la estadística avanzada?

Nos centraremos en 2 conceptos fundamentales:

Sabermetrics

Todo comenzó con Bill James, fanático del béisbol que escribía algunos artículos sobre su amado deporte. La clave fue que James no se limitaba a describir los acontecimientos de un partido ni a transcribir las declaraciones que los jugadores y entrenadores realizaban después de los partidos (cosa que hacían todos los periodistas deportivos del momento), sino que trataba de responder preguntas clave sobre el rendimiento de los jugadores mediante un análisis novedoso y diferente al de la época.

Él hizo algo que nadie hacía en ese momento: escribir para una audiencia que quería entender mejor el juego, que querían saber más sobre su deporte. Los números están, lo que debemos hacer es entenderlos.

 

Bill James

Así surgió el movimiento sabermetrics (del acrónimo SABR: Society for American Baseball Research, fundada en 1971).

El primero de estos artículos de Bill James fue el «Baseball Abstract», publicado en 1977. En él, James se dedicaba a comentar y analizar las estadísticas de la temporada anterior. Sus artículos fueron ganando una increíble popularidad y acabaron convirtiéndose en obligado manual para los seguidores del béisbol.

Moneyball

Año 2002. Los Oakland Athletic’s son un equipo de béisbol con presupuesto ajustado que cada año pierde jugadores en la agencia libre. No es posible competir con los grandes mercados de los grandes equipos de Nueva York y Los Angeles.

Billy Beane, gerente general del equipo, decide fiarse de un joven economista salido de la Universidad de Yale para cambiar su estrategia de fichajes. Dejarían de guiarse por los métodos y estadísticas tradicionales de selección usados hasta el momento, y tomarían en cuenta métodos pertenecientes al campo de la sabermetría. En ese draft del 2002, los Oakland Athletic’s realizaron unas elecciones que sorprendieron a toda la comunidad del béisbol, seleccionando jugadores que estaban fuera del radar de los ojeadores tradicionales.

El resultado: ese año los Athletics ganan 20 partidos consecutivos, estableciendo el récord de la Liga Americana. Además, consiguen llegar a playoffs 4 años consecutivos. Todo ello con un presupuesto modesto y jugadores no muy bien valorados por la Liga.

Así nace Moneyball, libro escrito en 2003 por Michael Lewis. En 2011 sería llevado a la gran pantalla con Brad Pitt de protagonista.

En el libro se detallan las estrategias de negocio que utilizaron los Athletic’s, con el fin de hacer más productivo su reducido presupuesto. Estas estrategias cambiaron definitivamente la forma en que eran analizados los jugadores de béisbol.

Imagen de Moneyball (2011) película protagonizada por Brad Pitt

Estas dos historias, que están íntimamente relacionadas, ponen a la estadística avanzada en el disparadero. Desde entonces, esta tendencia es imparable. Numerosos equipos de diferentes deportes hacen uso de la tecnología informática para procesar datos deportivos de magnitudes inimaginables. Los diversos departamentos de los equipos se han llenado de matemáticos, economistas e informáticos. Los ojeadores clásicos, que basan sus informes en juicios de valor tradicionales, tienen cada vez menos cabida en estos nuevos tiempos.

Así, en la mayoría de los deportes, se han implementado cámaras que graban todos los detalles de los jugadores en cada partido. Miden la posición exacta en coordenadas X-Y del balón y de todos los jugadores que están en la pista. Miden las aptitudes tanto ofensivas como defensivas de los jugadores por diferentes variables: la fuerza del brazo, el primer paso, la eficiencia de la carrera, el tiempo de reacción… y todos estos resultados obtenidos de cualquier jugador, están disponibles al instante por analistas, jugadores, entrenadores, aficionados… y pueden compararse al del resto, pudiendo analizar cualquier mínimo detalle.

Por lo tanto, estos datos pueden convertirse en una gran ventaja para el jugador/ entrenador si sabe utilizarlos de la manera correcta.

Estadística avanzada en tenis

 

¿Ha llegado a nuestro deporte esta tendencia? ¿Estamos todavía lejos de implementar estos conceptos en beneficio de jugadores, entrenadores y aficionados?

Esto es lo que empezaré a desarrollar en la parte 2. Pero para reflexionar, os dejaré un ejemplo de cómo se miden las estadísticas de un partido actualmente en tenis:

Formato estadísticas tenis

Con estas estadísticas: ¿Qué jugador diríais que ha ganado el partido? ¿Por qué? ¿Qué datos son los más importantes de los que se muestran en la tabla? ¿Son datos interesantes para reflexionar para esos jugadores y sus entrenadores? y para los aficionados, ¿nos describen cómo ha sido el juego?

En el siguiente artículo: estadística avanzada en tenis parte 2, responderé a todas estas cuestiones.

 

Imágenes vía: estadis.net, worldseriesdreaming.com, theunderdogsports.com

Síganme en twitter @imanol_zar , mis artículos de tenis y sigan toda la información y actualidad deportiva en @SextoAnillo, en www.facebook.com/sextoanillo o en nuestro Instagram: sextoanillo

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *