Un gran entrenador que tuve me dijo una vez que las oportunidades no son más que golpes de suerte que una misma se ha buscado a través de su trabajo y constancia. Y es justo eso lo que hago hoy, aprovechar la oportunidad que me ha brindado Dani para aportar mi granito de arena en un tema tan interesante como es el análisis de información y el uso que le damos para llegar al éxito.
Soy Elena Araujo Gámiz, entrenadora UEFA A y estudiante de tercero de Ciencias de la Actividad Física y el Deporte en la Universidad de Sevilla. Empecé mi andadura como entrenadora hace ya 7 años, y fue Juanjo Vila el culpable de meterme esa curiosidad llamada análisis que ahora quiero convertir en profesión.
Y es que todos queremos interpretar el pasado para predecir el futuro.
Parece una frase sacada de alguna película, pero no es así. Como analistas buscamos reconocer patrones de juego que se repitan y nos ayuden a predecir comportamientos que nos hagan tener una ventaja sobre el rival (o analizar a este mismo).
Y en este ámbito, las estadísticas toman un papel muy importante.
Está de moda el famoso “Big Data”, pero pocos saben la verdadera utilidad que se esconde detrás de innumerables porcentajes de posesión, cantidad total de tiros entre los tres palos, pases precisos, goles esperados o córners rematados (entre otros muchos).
Contenidos
Pero os hago una pregunta, ¿todos los datos nos sirven?
Os traigo un artículo en el que desvelo los secretos que hay tras un informe estadístico:
- Cómo interpretarlo.
- Cómo sacar sólo información de valor para mi equipo.
- Cómo traducir los dichosos números en patrones de juego que analicen tanto a rivales como a nuestro equipo.
1. Conocer a mi equipo o conocer al rival
Quizás eres entrenador, o eres el analista de un equipo. Seas quién seas, debes tener muy claro el modelo de juego que tiene tu equipo, los sistemas de juego que utilizas y los principios que definen estos dos anteriores.
Las plataformas de estadísticas nos dan cientos de datos que pueden abrumarnos a simple vista.
Esto se acaba en el momento en el que tienes claro quién es tu equipo, cómo juega y por qué lo hace de la manera que lo hace.
Debemos tener claro que cada uno tiene su punto de vista de su equipo, y que la perspectiva de cada uno es algo muy subjetivo.
Te pongo un ejemplo:
- Si tengo un equipo al que le gusta jugar con juego directo, quizás no me interesa ver las estadísticas de mis centrocampistas. Sé de sobra que el porcentaje de posesión de dichos jugadores será muy bajo debido a mi estilo de juego. Por esto, sería un error de interpretación ver la baja participación de mi centro del campo como un fallo.
Cuando se trata de conocer al rival, la cosa cambia un poco y es una tarea con más dificultad ya que no estás dentro del cuerpo técnico , no conoces el modelo de juego ni a los jugadores.
Precisamente esa incertidumbre es la que se pretende eliminar a través de las estadísticas (apoyadas por vídeos siempre a ser posible).
2. Creación de hipótesis, filtrado y análisis
Como ya he mencionado anteriormente, no nos sirven todos los datos.
Hay que trabajar con la mayor especificidad para nuestro equipo. Utilizando sólo y exclusivamente variables específicas nos hará ahorrar muchísimo tiempo e iremos, como coloquialmente se dice “a tiro hecho”.
Para esto utilizaremos algo que se usa mucho en el modelo científico: la hipótesis.
Sabemos las características de nuestros jugadores, cómo juegan y los principios para conseguir los objetivos. Pero tenemos dos tipos de hipótesis cuando se trata de nuestro equipo: las de fortalecer comportamientos que se han hecho bien o las de corregir comportamientos que se han hecho mal.
Y aquí va un ejemplo de cada una:
Caso 1. Hipótesis de fortalecimiento: Se ha llegado a zona de peligro
De antemano asumimos que la zona de peligro es la también llamada zona de finalización o “el último tercio” de campo. Sabiendo este dato y habiendo formulado nuestra hipótesis, procedemos al filtrado de datos.
Y esto no es más que sacar de nuestro informe la información específica cuantitativa que me confirme o desmienta mi hipótesis. Algunos ejemplos de variables pueden ser:
- % de pases que se rematan en área contraria.
- Nº de tiros totales dentro del área grande que van a portería.
- Nº de pases en el último tercio de campo.
- Nº de pases que ha recibido un interior en el último tercio de campo.
Si queremos conocer cómo se comporta nuestro rival, el procedimiento será el mismo. Normalmente en base también a nuestro equipo formularemos la hipótesis. Aquí va otro ejemplo:
- Mi equipo tiene debilidad a la hora de que los centrales le hagan la cobertura a los laterales. Me interesa saber por cuál banda viene jugando más el rival con el que me enfrentaré el próximo domingo.
Caso 2. Hipótesis: Mi rival juega más por banda derecha (o izquierda)
Variables que puedo usar para corroborar o desmentir este hecho:
- % de centros de los jugadores interiores (derecho e izquierdo).
- Nº total de desmarques de ruptura de los jugadores interiores.
- Nº de duelos perdidos de los delanteros e interiores.
- Nº de duelos ganados de los delanteros e interiores.
Podríamos poner muchísimas variables más. Pero como he dicho, cada uno conoce a su equipo y cada uno escoge las variables que permitan sacar más información cualitativa tras la interpretación. Aquí no se trata de cantidad, se trata de calidad.
Una vez hemos sacado la información que nos interesa sólo tendremos que usarla a nuestro favor. En el caso 1 si comprobamos que efectivamente se ha llegado a zona de peligro, será un indicador de que el modelo, estilo y principios de juego que hemos implantado están funcionando.
En el caso 2 debemos llevar el análisis al campo en forma de trabajo específico de coberturas de central a lateral incidiendo en el central de la zona que tenga el interior que más peligro suponga. Es posible que en un esquema lo termines de ver más claro:
Quizás te estás preguntando qué ocurre cuando se desmiente una hipótesis. Como ocurre en los experimentos científicos, desmentir una hipótesis puede ser el objetivo o un efecto colateral que te encuentras sin querer.
Tanto si se confirma como si se desmiente, te está dando un mensaje. Sea o no cierto, te da una respuesta para usarla a tu favor. Sé como Edison. El famoso inventor de la bombilla “falló” hasta en 999 ocasiones antes de conseguir su producto estrella mundial. Y, ¿sabes lo que contestó cuando le preguntaron que por qué había fallado tantas veces?
“No fracasé, encontré 999 maneras de cómo no se hace una bombilla”
Para finalizar, cabe destacar que la intención del análisis de información no es otra que encontrar variables que le sirvan a nuestro equipo. Recibiremos informes en los que el 75% de los datos (a veces incluso más) no nos servirán. Cuanto más específicos seamos, antes encontraremos el problema para atajarlo y la fortaleza para hacerla más invencible.