,

El arma secreta del Liverpool: El análisis de datos

El arma secreta del Liverpool: El análisis de datos
Sadio Mané durante el partido de vuelta de semifinales de la Liga de Campeones, en el que Liverpool derrotó al Barcelona, el 7 de mayo crédito Joachim Ladefoged para

 Jürgen Klopp llevaba apenas tres semanas como director técnico del Liverpool cuando el director de análisis del equipo, Ian Graham, llegó a su oficina con un puñado de papeles.

LIVERPOOL, Inglaterra —Era noviembre de 2015. Graham quería mostrarle a Klopp, a quien no había conocido hasta ese momento, qué se podía hacer con su trabajo y esperaba persuadirlo para que lo aprovechara.

Graham puso los papeles sobre la mesa y empezó a hablar sobre un partido que Borussia Dortmund, el club alemán que Klopp había dirigido antes de unirse al Liverpool, había jugado la temporada anterior. Hizo notar que Dortmund tuvo muchas oportunidades en contra del Mainz, un club más pequeño que terminó en undécimo lugar de la tabla, y aun así el equipo de Klopp perdió 2-0. “Ah, ¿viste ese juego! Fue una locura, los estábamos aniquilando. ¡Lo viste!”, le dijo Klopp.

Graham no había visto el partido, pero cuando Liverpool estaba debatiendo unos meses antes quién debía remplazar al anterior director técnico, Graham alimentó un modelo matemático computacional que construyó con todos los pases, tiros y barridas de los jugadores de Dortmund durante la gestión de Klopp. Luego evaluó todos los partidos de Dortmund según cómo sus cálculos revisaron el rendimiento de los jugadores. Fue un resultado impresionante: Dortmund terminó en séptimo lugar de la tabla de la Bundesliga durante la última temporada de Klopp ahí, pero el modelo de Graham determinó que según su rendimiento debería haber terminado en segunda posición. La conclusión de Graham fue que la temporada no terminó como debía ser, pero que no fue para nada culpa del entrenador: Klopp solamente había estado a la cabeza de uno de los equipos con menos suerte en los años recientes.

En el futbol la suerte llega a tener mucha mayor influencia que en otros deportes. Los goles son relativamente poco frecuentes; en la Liga Premier inglesa el promedio es de tres por partido. Entonces el que un disparo termine dentro de la red o justo arriba del travesaño tiene un efecto más pronunciado en el resultado final que en el beisbol un  intento de jonrón conecte para cuadrangular o no, o que un corredor de la NFL avance las yardas necesarias para tener otra primera y diez.

Graham le mostró a Klopp sus análisis de otro partido de Dortmund, contra Hannover. Las estadísticas favorecían aún más del anterior club del alemán: dieciocho tiros a portería contra siete de Hannover; 55 movimientos con balón en el área en comparación con trece, y once disparos desde la lateral comparados con tres. “Perdieron 1-0”, le dijo Graham, “pero tuvieron el doble de oportunidades…”.

Klopp casi le grita: “¿Viste ese juego!”.

“No, de hecho…”-

“¡Los estábamos aniquilando! Nunca he visto algo así. Debimos haber ganado. ¡Ah, lo viste!”.

Graham no había visto ese partido tampoco. Le hizo saber a Klopp que en realidad no había visto ninguno de los partidos del Dortmund en esa temporada, ni en vivo ni en video. No había sido necesario; a menos, claro, que hubiera querido experimentar los actos de atletismo impresionantes que tiene el futbol o el drama de dos equipos que quieren ganar, las razones por las que casi todos los aficionados ven algún deporte. Para entender qué pasó, Graham solo necesitaba ver los datos.

El análisis de datos se ha vuelto relevante para planear tácticas en el beisbol o baloncesto profesionales en estos últimos años. Posiblemente vaya a tener un impacto igual de pronunciado en el futbol, que no ha dependido tanto de estadísticas para determinar jugadas. Graham —quien tiene un doctorado en Física Teórica por la Universidad de Cambridge— construyó su propia base de datos para revisar el progreso de más de 100.000 jugadores de todo el mundo.

Al recomendarle al Liverpool qué jugadores intentar contratar y luego cómo aprovechar mejor a los recién llegados, ha ayudado a que el club inglés que alguna vez fue tan exitoso quede, de nuevo, a un paso de la gloria.

Liverpool acaba de cerrar una de las temporadas más destacadas en la historia reciente del deporte. En la Liga Premier solamente perdió uno de 38 partidos, aunque terminó segundo en la tabla. Manchester City, campeón defensor, lo superó por un solo punto en el último día gracias a que ganó todos y cada uno de sus partidos de liga desde enero. De cualquier modo, Liverpool rompió un récord: la mayor cantidad de puntos acumulados en la liga en una sola temporada por el club en segundo lugar, 97 en total.

Al mismo tiempo, Liverpool estaba compitiendo contra los grandes equipos de Europa en la Liga de Campeones. En el partido de vuelta de las semifinales de ese torneo, a inicios de mayo, se recuperó de un déficit de tres goles a cero en la primera vuelta para derrotar al Barcelona, muy posiblemente el mejor equipo de esta era. Y este sábado 1 de junio Liverpool disputará el trofeo contra un rival inglés, el Tottenham Hotspur.

Más que otros clubes, el Liverpool ha incorporado el análisis de datos a las decisiones que toma, desde las corporativas hasta las tácticas. Es complicado medir qué tanto ha contribuido eso a su desempeño reciente, pero sin importar cuál sea el resultado de la final de la Liga de Campeones, el ascenso del club ya está volviendo aceptable —por no decir que ha puesto de moda— usar el análisis de datos en la liga inglesa y en otras ligas.

Ese día en noviembre de 2015, para cuando Graham dejó la oficina de Klopp, el técnico alemán había quedado más que convencido. Después hasta se enteró de que no habría sido contratado sin el análisis de Graham sobre la temporada de Dortmund, una de las muchas partes del proceso de investigación que hizo el club para decidir a quién nombrar como entrenador. “Ese departamento ahí en la parte trasera del edificio”, dijo Klopp sobre Graham y su personal, “es la razón por la que estoy aquí”.

El equipo de análisis de Graham solamente puede empujar los resultados hacia una dirección positiva poco a poco, con una recomendación a la vez. Klopp también recibe consejos de fuentes más convencionales, por lo que sus tácticas terminan siendo una mezcla de los datos con la intuición. Para prepararse antes de la semifinal de la Liga de Campeones, parece que se enfocó en cómo la defensa rápida del Liverpool podía presionar a la delantera del Barcelona al interceptar pases para convertirlos en momentos de contraataque. Ese plan funcionó, en gran medida.

Al inicio de la primera vuelta los jugadores del Barça lucían aturdidos. Pero, como suele suceder en el futbol, la ventaja táctica no resultó en goles de inmediato. En vez de eso, Luis Suárez anotó para los blaugranas y luego, hacia el final del partido, Lionel Messi —uno de los grandes del deporte—, anotó dos más.

Su segundo gol, un tiro libre que se movió en curva alrededor del muro de la defensa y por encima de la mano del portero del Liverpool, pareció mandar el mensaje de que ni la mayor cantidad de preparación analítica puede superar las habilidades trascendentales de un jugador como él. “En esos momentos es imparable”, dijo Klopp sobre Messi.

De hecho, no se consideraba que el futbol fuera un deporte apropiado para el enfoque de datos descrito en Moneyball, el libro de 2003 escrito por Michael Lewis sobre cómo el equipo de beisbol Oakland Athletics empezó a destacar al usar criterios distintos a los de otros equipos para evaluar a los jugadores. El futbol parecía imposible de cuantificar de la misma manera que bolas conectadas o cuadrangulares.

Graham creció a las afueras de Cardiff, en Gales, y desde entonces era seguidor del Liverpool. En su infancia, en los años setenta y ochenta, el club estaba en su apogeo, era el equipo dominante.

Graham estaba en su segundo año del posdoctorado en Cambridge cuando se dio cuenta de que no quería dedicarse a la física. Alguien le reenvió un aviso de trabajo en una empresa emergente de análisis que buscaba hacer consultoría para clubes de futbol y eso llamó su atención. Consiguió el empleo y le dijeron que leyera Moneyball. Pasó cuatro años, de 2008 a 2012, en el Tottenham, con varios técnicos que tenían poco interés en las sugerencias que hacía, como casi cualquier técnico en esa época.

Luego Fenway Sports Club, dueño de las Medias Rojas, compró al Liverpool y empezó a implementar su cultura inspirada en el beisbol. Contrataron a Graham para que construyera una versión del Departamento de Análisis de los Red Sox, aunque la reacción en general fue de rechazo dentro del Liverpool. “‘Esos con su laptop’, ‘No conocen el juego’: era lo que se escuchaba por aquí hasta hace unos meses”, recordó Barry Hunter, quien se encarga de búsqueda y reclutamiento de futbolistas.

Graham no hacía caso de esos comentarios. Estaba sumido en sus análisis en busca de las ineficiencias, de jugadores que no estuvieran siendo aprovechados al máximo. A finales del año pasado, hizo unas gráficas en su computadora y las proyectó sobre una pantalla. Eran estadísticas de goles anotados en total, goles anotados por minuto y oportunidades de gol creadas, así como de goles esperados. Graham antes me había comentado que solo tomar en cuenta esas estadísticas puede ser simplista, pero que, al mismo tiempo, “no siempre es necesario ver mucho más”.

Ahora, antes de cada partido, él y tres analistas que trabajan con él compilan todo un paquete informativo. A veces sus consejos contradicen lo que pensaría alguien que solamente ve el video de los partidos. Graham y su equipo, por ejemplo, podrían reportar con video que un volante por la izquierda manda varios tiros con fuerza por encima de la defensa rival y hacia la portería, pero los datos indican que los disparos con menos fuerza del delantero derecho, si está bien posicionado, resultan en goles con mayor frecuencia. Suena como una conclusión básica, pero en el futbol es casi revolucionaria.

La mayor responsabilidad de Graham es ayudar al Liverpool a determinar a qué jugadores contratar. Lo hace al meter los datos sobre sus partidos en sus fórmulas. Lo que no hace es evaluar a los jugadores a partir de videos suyos. “No me gusta verlo, te sesga”, afirmó. Graham quiere que el club en el que trabaja gane pero también quiere una validación para sus juicios estadísticos. “Para todos estos jugadores se han discutido los méritos relativos”, dijo. “Y si les va mal lo siento como una afrenta personal. Si creo que alguien es un buen futbolista de verdad de verdad quiero que le vaya bien”.

En Melwood, el complejo de entrenamiento del club ubicado en un vecindario residencial de Liverpool, Graham trabaja desde una habitación de muros blancos al final del pasillo donde están ubicados también los entrenadores y la cafetería.

Tim Waskett, quien estudió astrofísica, se sienta a la izquierda de Graham. Cerca está Dafydd Steele, excampeón de ajedrez juvenil con un posgrado en matemática que antes trabajaba para la industria energética. Will Spearman es la contratación más reciente del departamento y tiene un historial igual de inesperado. Creció en Texas, donde hizo un doctorado en física de altas energías en la Universidad de Harvard; después trabajó en Ginebra, en el CERN (la organización de investigación nuclear), donde los científicos verificaron la existencia de la partícula subatómica bosón de Higgs. La tesis de Spearman fue la primera en dar una medida precisa del ancho de la partícula y, posiblemente, la primera en dar la de su masa.

Puede que otro club reclute a un analista como Graham o Steele o Wisket, tal vez hasta a Spearman. Pero es casi imposible imaginarse que fueran contratados los cuatro por un club que no sea Liverpool.

Spearman no hace prácticamente nada del trabajo que llegó a manos de Klopp esta temporada y tampoco se involucra en la contratación de jugadores. Su mandato es algo más etéreo: sabe lo suficiente del deporte, relativamente poco, como para intentar cambiarlo.

“Estamos empezando a hacernos la pregunta: ‘¿Por qué no intentamos jugar el fut de otra manera?’”, dijo Graham. El futbol es la suma de miles de acciones individuales, pero el modelo de Graham solo puede evaluar pases, disparos y movimientos del balón que son descargables del resumen de un partido. “Todavía hay limitaciones fundamentales para los datos que tenemos”, explicó. “Es como seguir viendo por un lente que está nublado”. Al concentrarse en que la versión matemática refleje más lo que sucede en el campo —no solo que un defensa dio pase a un medio, sino con qué velocidad de golpe y cómo se recibió ese pase— Spearman quiere encontrar cómo quitar la niebla.

Está desarrollando un modelo que usa revisión por video y asigna puntajes a todo lo que le pasa en el partido a todos, hasta cuando no están cerca del balón. Eso incluye momentos como que un zaguero corra por la banda para que un defensa rival tenga que elegir entre cuál de dos jugadores cubrir, o que un delantero se ponga en posición enfrente de un portero para intentar recibir un pase hasta cuando el pase le queda muy arriba. “Cada acción, cuánto valor añade, qué tan bien la desempeñan”, dijo Spearman. “Cuando tienes eso puedes empezar a crear nuevos enfoques”. Sería posible planear toda la jugada, como en la NFL.

Aunque primero Liverpool necesita idear cómo vencer al Tottenham este domingo. Al igual que los Oakland A’s , el club todavía no gana un título con este enfoque. Si sufre una derrota en la final, junto con su segunda posición en la Liga Premier, alguien podría interpretarlo como confirmación de que el análisis de datos solo puede hacer tanto.

Y es que si el futbol fuera una cosecha, solo necesitarían meter los datos en un algoritmo para saber qué hacer. Pero el deporte es suficientemente impredecible para mantenerse fascinante, lleno de planes perfectos frustrados por las imperfecciones de quienes salen a la cancha a cumplirlos y socavados por las vicisitudes de la suerte.

Claro que de eso se trata la probabilidad. Hasta cuando se calculan cuidadosamente las posibilidades, y las opciones son sopesadas con atención, puede colarse un número equivocado. El equipo que gana no siempre es el que tiene los cálculos más elegantes o el que fue predicho por los modelos.

Eso tal vez frustre a los analistas, pero también es lo que hace al juego bonito tan hermoso.

Este artículo fue adaptado de un reportaje de The New York Times Magazine.

Deja una respuesta

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