Cómo el deporte moderno se ha convertido en una disciplina de números

El fútbol que jugó Zidane no tenía xG. El que disputó Ronaldo Nazário no medía el PPDA de la presión rival. Y el que protagonizó Cruyff no sabía cuántos metros de alta intensidad había recorrido su mediapunta en los primeros cuarenta y cinco minutos. Sin embargo, todos ellos eran capaces de tomar decisiones extraordinarias en fracciones de segundo, de leer el juego con una anticipación que ningún sistema de tracking podría haberles enseñado y de generar actuaciones que siguen siendo referencia medio siglo después de que se produjeran.

La pregunta que el deporte moderno lleva años intentando responder es cuánto pueden los números mejorar lo que el talento ya sabe hacer por sí solo, y cuándo empiezan a entorpecerlo.

La revolución silenciosa del análisis deportivo

La transformación del deporte profesional en una disciplina cuantitativa no ocurrió de un día para otro. Fue un proceso gradual que tuvo su punto de inflexión en el béisbol estadounidense, cuando Billy Beane y el Oakland Athletics demostraron en la temporada 2002 que era posible construir un equipo competitivo con un presupuesto limitado utilizando métricas estadísticas que el mercado todavía no había aprendido a valorar correctamente.

La historia la popularizó Michael Lewis en Moneyball, y desde entonces la cultura del análisis cuantitativo se ha extendido a prácticamente todos los deportes de equipo con una velocidad que sigue acelerándose.

El fútbol fue el último de los grandes deportes en rendirse a los números, y su resistencia era comprensible. La naturaleza fluida del juego, con pocos eventos discretos y un altísimo componente de varianza, hacía que las estadísticas convencionales, goles, asistencias, minutos jugados, capturasen de manera incompleta lo que realmente ocurría sobre el césped.

Un delantero que marcaba veinte goles podía ser menos valioso que otro que marcaba doce si el contexto de las ocasiones, la calidad de los rivales y el impacto sobre el rendimiento colectivo del equipo se medían con precisión suficiente. Pero esa precisión tardó en llegar.

Las métricas que han cambiado cómo se entiende el fútbol

La irrupción del Expected Goals como estándar de análisis marcó el momento en que el fútbol admitió definitivamente que los números podían decir algo que el ojo entrenado no siempre veía. Asignar a cada ocasión de gol una probabilidad de conversión basada en variables objetivas, distancia, ángulo, tipo de acción, permitió separar el rendimiento real de un equipo de su resultado en un partido concreto, y esa separación cambió los términos del debate sobre lo que significa jugar bien o mal.

El Levante UD ha sido un ejemplo particularmente interesante de cómo las métricas avanzadas pueden revelar realidades que el marcador esconde. Temporadas en las que el equipo granota acumuló xG positivos sostenidos sin que los resultados lo reflejaran fueron seguidas de correcciones estadísticas que los analistas anticiparon pero que la narrativa mediática convencional no supo leer con la misma anticipación. La regularidad con que el análisis estadístico anticipa tendencias que la tabla de clasificación tarda en incorporar es una de las razones más sólidas para tomarse en serio las métricas avanzadas como herramienta de comprensión del juego.

El tracking de jugadores y los datos de posicionamiento

La siguiente frontera del análisis deportivo, más allá de las métricas basadas en eventos, es la que trabaja con datos de posicionamiento en tiempo real. Los sistemas de tracking que registran la posición de cada jugador veinticinco veces por segundo generan volúmenes de información que los modelos convencionales no pueden procesar pero que los algoritmos de machine learning están comenzando a convertir en análisis accionables.

El espacio que ocupa cada equipo en distintas fases del partido, la velocidad de transición entre defensa y ataque, los patrones de movimiento sin balón que crean ventajas posicionales que el análisis del balón no puede capturar: estas dimensiones del juego, que los mejores entrenadores intuían y comunicaban con metáforas y conceptos tácticos, son ahora cuantificables con una precisión que permite comparar sistemáticamente entre miles de partidos y jugadores de ligas de todo el mundo.

El aficionado analítico y las apuestas deportivas

Esta cultura del dato no ha quedado confinada a los despachos de los departamentos de análisis de los clubes profesionales. Ha llegado también al aficionado comprometido, que hoy tiene acceso a plataformas de estadísticas que hace una década eran territorio exclusivo de los analistas profesionales.

El seguidor del Levante que consulta el xG del último partido antes de debatir si el equipo mereció el resultado, que compara el PPDA de su equipo con el de los rivales directos o que analiza las estadísticas de duelos individuales antes de valorar el rendimiento de un jugador específico está ejerciendo un tipo de pensamiento analítico que enriquece su comprensión del juego de manera genuina.

Esa misma capacidad analítica tiene valor en otros contextos donde el conocimiento del deporte se traduce en predicciones formalizadas. Las plataformas de apuesta online ofrecen mercados donde el aficionado que domina las métricas avanzadas puede encontrar discrepancias entre la probabilidad implícita en las cuotas y la probabilidad real que el análisis estadístico sugiere.

Un equipo que ha acumulado un xG positivo sostenido durante varias jornadas pero cuyos resultados no lo reflejan todavía es exactamente el tipo de situación donde el análisis estadístico puede proporcionar una ventaja informativa real frente a los modelos generales del operador.

Los límites del número y la irreducibilidad del talento

La tentación de concluir que el análisis cuantitativo lo puede todo en el deporte moderno merece una corrección importante. Los números son extraordinariamente útiles para identificar tendencias, comparar rendimientos y anticipar correcciones estadísticas. Son mucho menos útiles para capturar la naturaleza del talento excepcional, esa capacidad que tienen los mejores jugadores de resolver situaciones que ningún modelo predictivo ha visto antes de la manera exacta que el momento requiere.

Ningún sistema de tracking habría predicho el gol de Zidane en Glasgow. Ningún modelo de Expected Goals habría asignado a ese remate de volea en el área grande la probabilidad de conversión que merece en manos de cualquier jugador que no sea Zidane.

El talento genuino viola las probabilidades de maneras que el análisis estadístico puede registrar después pero nunca anticipar, y esa irreducibilidad es la razón por la que el deporte seguirá siendo fascinante mucho tiempo después de que los modelos de predicción hayan alcanzado niveles de precisión que hoy parecen inalcanzables.

Los números han mejorado el fútbol. Lo han hecho más justo en la identificación del talento, más riguroso en la evaluación del rendimiento y más honesto en la narrativa sobre qué equipos merecen sus resultados. Pero no lo han agotado. Y eso es, en el fondo, la mejor noticia que el aficionado puede recibir.