MINERÍA DE DATOS EN EL DEPORTE PROFESIONAL

INTELIGENCIA EN REDES DE COMUNICACIONES
MINERÍA DE DATOS EN EL DEPORTE
PROFESIONAL
Jorge Carrasco Troitiño
NIA 100029724
Grupo 91-5
Ingeniería Superior de Telecomunicación
Minería de Datos en el deporte
Inteligencia en Redes de Comunicaciones
INTRODUCCIÓN:
Las técnicas de minería de datos son aquellas que pretenden descubrir
conocimiento oculto a partir de grandes volúmenes de datos. Hoy en día resulta un
apoyo esencial en muchas organizaciones(empresas, clubes profesionales deportivos,
universidades, gobiernos...) en el momento de tomar decisiones.
La información hoy en día es un bien muy preciado, considerada como
patrimonial por las organizaciones, por lo que su pérdida total o parcial ocasiona graves
perjuicios. Por eso mismo es por lo que debe ser protegida, pero tambien debe ser
explotada.
De entre toda la información que se almancena podemos distinguir tres tipos
desde el punto de vista cualitativo: la información que se almacena pero luego nunca se
lee, la información que sí que se lee, orientada a consultas dirigidas, y por último
aquella información que se guarda y posteriormente se analiza (este tipo el que
proporciona en conjunto un verdadero conocimiento). Será necesario contar con
herramientas y medios para explotar este tipo de información.
Así, la minería de datos surge como una tecnología que trata de ayudar a
comprender el vasto contenido de una base de datos. Los datos de por sí son una materia
bruta y es cuando el usuario les da algún significado cuando se convierten en
información, finalmente el conocimiento se obtendrá al analizar y relacionar dicha
información. La minería de datos trabajará en busca de patrones, comportamientos,
agrupaciones, secuencias, tendencias o asociaciones que puedan generar algún modelo
que nos permita conocer mejor el dominio de datos para ayudar a una posible toma de
decisión.
En realidad, la minería de datos sería una etapa dentro de lo que se conoce como
Extracción de Conocimiento en Bases de Datos (KDD), pero a nivel comercial se suele
usar indistintamente un término u otro para referirse a lo mismo. Se trata básicamente
de la identificación de un conocimiento a partir de unas bases de datos que aporten una
ayuda de cara a la toma de decisiones.
-1-
Minería de Datos en el deporte
Inteligencia en Redes de Comunicaciones
APLICACIONES:
Podemos decir que un proceso de Data Mining se compone de cuatro etapas
principales:
1.- Determinación de los objetivos.
2.- Preprocesamiento de los datos: alrededor del 70% del tiempo total de
un proyecto de minería de datos.
3.- Determinación del modelo: los datos se analizan estadísticamente, se
visualizan y finalmente se utilizan algoritmos desarrollados en diferentes áreas de la
Inteligencia Artificial.
4.- Análisis de los resultados: El cliente determina si le aportan algo.
El ámbito de aplicación de la minería de datos es muy amplio, aquí vamos a
hablar de su aportación al mundo de los deportes profesionales, pero podemos reseñar
brevemente estas otras aplicaciones:
-
A nivel gubernamental: Por ejemplo el análisis que el FBI hace de las bases
de datos comerciales para la detección de redes terroristas.
-
A nivel empresarial: Como por ejemplo los sistemas de detección de fraudes
en las tarjetas de crédito, estudios de mercado, predicción de resultados
comerciales...
-
A nivel académico: Estudios acerca de las actividades de un determinado
sector del alumnado.
-
A nivel científico: Como por ejemplo el proyecto SKYCAT que se llevó a
cabo para la toma y clasificación de imágenes del cielo.
MINERÍA DE DATOS EN EL DEPORTE PROFESIONAL:
Como hemos visto, la minería de datos se emplea allá donde haya una enorme
cantidad de información de la que sacar conocimientos y conclusiones. El deporte
profesional también cuenta con esta faceta.
-2-
Minería de Datos en el deporte
Inteligencia en Redes de Comunicaciones
En cualquier deporte, competición, equipo, hay que llevar cuenta de una
cantidad considerable de datos y por supuesto, será de interés poder sacar conclusiones,
información útil de toda esa cantidad de datos, así podríamos poner los siguientes
ejemplos:
-
En una liga profesional puede interesar llevar cuenta de los jugadores que
participan en ella, acompañando a cada jugador de información tal como el número de
goles/puntos que lleva, el número de expulsiones/tarjetas que arrastra... para poder así
sacar conclusiones o ayudar a la toma de decisiones por parte de los equipos de cara a la
siguiente jornada o temporada.
-
De la misma forma, a nivel de equipo puede interesar llevar un control
informatizado de los lesionados que tiene actualmente el equipo de manera que los
entrenadores o los médicos puedan decidir al respecto.
-
Otro ejemplo podría ser el almacenamiento de todo tipo de características o
estadísticas asociadas a cada jugador de una competición de manera que un entrenador
pueda acceder a ellas y, a partir de los datos observados en sus rivales, aplicar la
estrategia más adecuada para ganar el siguiente encuentro.
Dos ejemplos concretos de la aplicación de técnicas de minería de datos en el
mundo del deporte son los siguientes:
AC Milán:
El club italiano utiliza redes neuronales para prevenir lesiones y optimizar el
acondicionamiento de cada atleta. Lo que puede ayudar a seleccionar el fichaje de un
posible jugador o a alertar al médico del equipo de una posible lesión. El sistema es
alimentado por datos de cada jugador, relacionados con su rendimiento, alimentación y
respuesta a estímulos externos, que se obtienen y analizan cada quince días. El jugador
lleva a cabo determinadas actividades que son monitoreadas por veinticuatro sensores
conectados al cuerpo y que transmiten señales de radio que posteriormente son
almacenadas en una base de datos. Actualmente el sistema dispone de 5.000 casos
registrados que permiten predecir alguna posible lesión. Con ello, el club intenta ahorrar
-3-
Minería de Datos en el deporte
Inteligencia en Redes de Comunicaciones
dinero evitando comprar jugadores que presenten una alta probabilidad de lesión, lo que
haría incluso renegociar su contrato. Por otra parte, el sistema pretende saber si una
determinada lesión se relaciona con el estilo de juego de un país concreto donde se
practica el fútbol.
NBA:
El Advanced Scout es un software que emplea técnicas de minería de datos que
han desarrollado investigadores de IBM para detectar patrones estadísticos y eventos. Se
trata de una herramienta orientada a un objetivo muy específico: analizar el juego de los
equipos de la NBA, ayudar a los entrenadores a aislar eventos que no detectan cuando
observan el juego en vivo o en película.
El software utiliza todos los registros guardados de cada evento en cada juego:
pases, encestes, rebotes y doble marcaje a un jugador por el equipo contrario, entre
otros, pudiendo usarse en conjunto con las grabaciones de los partidos. Asimismo,
Advanced Scout analiza los movimientos de los jugadores para ayudar a los
entrenadores a preparar los partidos y las estrategias.
Un resultado interesante fue el observado por los entrenadores de los Knicks de
Nueva York. El doble marcaje a un jugador puede generalmente dar la oportunidad a
otro jugador de encestar más fácilmente. Sin embargo, cuando los Bulls de Chicago
jugaban contra los Knicks, se encontró que el porcentaje de encestes después de que al
centro de los Knicks, Patrick Ewing, le hicieran doble marcaje era extremadamente
bajo, indicando que los Knicks no reaccionaban correctamente a los dobles marcajes.
Para saber el porqué, el cuerpo de entrenadores estudió cuidadosamente todas las
películas de juegos contra Chicago. Observaron que los jugadores de Chicago rompían
su doble marcaje muy rápido de tal forma que podían tapar al encestador libre de los
Knicks antes de prepararse para efectuar su tiro. Con este conocimiento, los
entrenadores crearon estrategias alternativas para tratar con el doble marcaje.
Otro caso de aplicación efectiva de este software lo encontramos en el análisis
jugada a jugada del partido disputado entre los New York Knicks y los Cleveland
Cavaliers que reveló que cuando Mark Price jugaba en posición defensiva, John
-4-
Minería de Datos en el deporte
Inteligencia en Redes de Comunicaciones
Williams intentó cuatro tiros en salto y logró encestar los cuatro. El Advanced Scout no
solo encontró esto sino que tambien explicó que esto era interesante porque difería
considerablemente de la media de porcentaje de tiro del 49.3% que los Cavaliers
tuvieron durante aquel partido. De esta manera si el entrenador quería encontrar el fallo
acudiría directamente a ver los vídeos de estas situaciones en lugar de estar buscando el
fallo durante horas de visualización de vídeos.
IBM ofreció el Advanced Scout a la NBA, que se convirtió así en un
patrocinador corporativo. La NBA dio a sus veintinueve equipos la oportunidad de
aplicarlo y actualmente la mayoría de ellos lo están haciendo hasta el momento
obteniendo descubrimientos interesantes.
CONCLUSIONES:
Dado que la capacidad de almacenamiento ha crecido en los últimos años de
manera exponencial pero no así la capacidad de clasificación y procesado de datos, las
tecnologías de minaría de datos se presentan como algo indispensable de cara a la
gestión eficaz de bases de datos complejas.
Las herramientas dedicadas a la minería de datos dependen de su aplicación
concreta en muchas ocasiones, y este es el caso de los deportes profesionales, que con el
objetivo de obtener información privilegiada para redireccionar la estrategia de un club
en un ámbito determinado permite mejorar la gestión del equipo, optimizar su
economía, mejorar el nivel y rendimiento deportivo del equipo, prevenir de lesiones en
sus jugadores...
Bibliografía:
http://www.daedalus.es/AreasMD-E.php
http://www.uoc.edu/web/esp/art/uoc/molina1102/molina1102.html
http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/palace/dataminin
g.htm
-5-