Sports Analytics: cuando los datos salen mal

Los análisis deportivos han sido un tema candente de debate en el mundo del deporte, con entrenadores y gerentes jurando por ellos o permaneciendo escépticos sobre su valor. El núcleo del análisis deportivo es el proceso de usar datos para obtener información sobre el rendimiento deportivo, que va desde el seguimiento del promedio de bateo de un jugador hasta el análisis de la efectividad de la estrategia defensiva de un equipo. Con la avanzada tecnología de seguimiento específica del deporte, se ha vuelto más fácil que nunca recopilar y analizar datos, lo que ha llevado a un aumento en el uso de análisis deportivos.

Sin embargo, no todos están convencidos de su valor. Los críticos argumentan que los análisis deportivos crean una dependencia excesiva de los datos, lo que lleva a las organizaciones a ignorar los aspectos intangibles del juego que no son fácilmente cuantificables. El estado mental, las lesiones y los nervios de un jugador pueden tener un impacto significativo en su rendimiento, que no se puede medir con precisión solo con datos. Entonces, la pregunta sigue siendo: ¿los análisis cuentan toda la historia?

El incidente de Blake Snell durante la Serie Mundial 2020 es un excelente ejemplo de análisis que salió mal. Snell estaba lanzando un gran juego, pero el entrenador lo sacó en función de los análisis que sugirieron que perdería efectividad cuando se enfrentara a la alineación de bateo opuesta por tercera vez. La medida fue ampliamente criticada y muchos argumentaron que fue un error confiar únicamente en el análisis en una situación de tanta presión.

Sin embargo, esta situación destaca que los análisis deportivos son solo una herramienta en el arsenal de un entrenador o gerente. No se puede confiar en ellos por completo, y no sustituyen la experiencia y el conocimiento deportivo acumulado durante toda una vida de dedicación al juego. Como fanáticos, admiramos a las figuras de la historia del deporte conocidas por sus valientes decisiones, apuestas ambiciosas y desafío frente a probabilidades insuperables. Desafortunadamente, lo que los datos han demostrado es que los entrenadores que pueden ganar consistentemente usando su intuición son pocos y distantes entre sí.

A pesar de los argumentos legítimos sobre la decisión de retirar a Snell, la estrategia de los Rays de Tampa Bay para la temporada fue un éxito absoluto. Los Rays tenían una de las nóminas más bajas de la liga, pero aún así lograron ganar su división por siete juegos y vencieron a equipos con mayores gastos como los Yankees y los Astros en los playoffs. Incluso empujaron a los Dodgers de Los Ángeles, el segundo país que más gasta en la liga, a seis juegos en la Serie Mundial. Según todos los informes, su estrategia a largo plazo desarrollada en el transcurso de la temporada 2020 fue la estrategia correcta.

Sin embargo, una buena temporada se considera un fracaso si no termina en un campeonato, y el sentimiento de una temporada bien peleada no ayuda a los fanáticos de los Rays de Tampa Bay a sentirse decepcionados por la derrota de su equipo. Contrariamente a la intuición, la respuesta a lo que los Rays deberían haber hecho en la Serie Mundial 2020 podría haber sido usar más datos, no menos.

En su conferencia de prensa posterior al juego, el manager Kevin Cash citó el hecho de que Snell iba a enfrentar la orden de los Dodgers por tercera vez. En el mundo de la analítica, hay una caída significativa en la efectividad de un lanzador durante la tercera vez en el orden, y Cash tomó la decisión de sacar a Snell del juego. Sin embargo, esta decisión se tomó sin tener en cuenta los datos del juego que se estaba jugando en ese momento. Los datos a corto plazo son importantes, a veces incluso más importantes que los datos a largo plazo, y este concepto se conoce como suavizamiento exponencial. Esencialmente, el suavizado exponencial pondera los datos recientes más que los datos más antiguos por el bien de la toma de decisiones. En un juego en el que hay que ganar, el hecho de que Snell haya ponchado a los tres próximos bateadores un total combinado de cuatro veces en el juego fue relevante y debería haberse incluido en el análisis de Cash.

Al final, no hay forma de saber qué podría haber pasado si los Rays hubieran tomado una decisión diferente en la Serie Mundial 2020. Sin embargo, cualquier conclusión que sugiera que los análisis fueron los culpables no ha dedicado suficiente tiempo al problema. Tan rápido como avanzan los análisis, el mundo del deporte necesita aprender a usarlos. Las herramientas que tenemos son tan buenas como sabemos cómo usarlas. Con grandes datos viene una gran responsabilidad.