Muthu Alagappan podría ser el nombre de un pivot que procede de un país asiático. Sin embargo, no es así. Es el nombre de un estudiante de Medicina que ha revolucionado la NBA a través del análisis de datos. Gracias a un software pensado para curar enfermedades complejas ha redefinido el modo en el que se posicionan y construyen los equipos de baloncesto. Miami Heat contrató sus servicios durante los últimos play-offs. ¿El resultado? El equipo de Florida ha vuelto a ganar la NBA.

Hace casi 2000 años, el médico Galeno de Pérgamo clasificó las enfermedades humanas en cuatro tipologías distintas en función de los fluidos corporales. La tecnología y la evolución de la Medicina han permitido analizar y ordenar las diversas patologías en clasificaciones mucho más complejas y precisas que van mucho más allá de Galeno. Si esto ha ocurrido en la Medicina, ¿por qué no puede suceder lo mismo con las posiciones tradicionales del baloncesto? ¿Se han quedado anticuadas las denominaciones de base, escolta, alero, ala-pívot y pívot? Con este punto de partida, Muthu Alagappan se presentó en 2012 en el evento Evolution of Sport del Sloan Sports Analytics Conference del MIT. Desde hacía unos meses trabajaba en Ayasdi, una compañía de Palo Alto (California) especializada en el análisis topológico de grandes volúmenes de datos (TDA). La topología estudia la forma de un conjunto de datos y posibilita que se pueda analizar la información a partir de nuevos puntos de vista. En este caso, el software de Ayasdi permite visualizar los datos en mapas de tres dimensiones y lo utilizan fundamentalmente médicos para profundizar en su conocimiento sobre  enfermedades como el cáncer o la diabetes. Aunque el trabajo de Alagappan se centraba en otras áreas, el joven inglés de origen indio decidió probar el programa en un sector impensable para sus mentores: la NBA.


Un viernes por la noche analizó con el software de Ayasdi las siete variables estadísticas de los jugadores de la NBA que ofrecía el portal Yahoo! Sports (puntos, rebotes, asistencias, robos, pérdidas de balón, faltas y bloqueos). Después de tres horas de trabajo, ante sus ojos se dibujó un mapa molecular en el que se mostraban varios grupos de nodos de color conectados por líneas en función de su afinidad estadística. Los nodos de color eran los jugadores en función de los datos que ofrecía Yahoo! Sports. Alagappan pensaba que los jugadores se reunirían en torno a cinco grandes grupos, como las posiciones tradicionales del baloncesto (base, escolta, alero, ala-pivot y pivot). Sin embargo, se encontró con 13 grupos bien diferenciados en los que, gracias a la estadística, podía hacer una clasificación con los mejores jugadores por posición. Pero, ¿por qué ese cambio? Hasta ahora, las posiciones de los jugadores en el campo se establecen según las cualidades subjetivas y condiciones físicas, quizá de un modo excesivamente simplificado. Alagappan ha incorporado un nuevo punto de vista que rompe con este concepto: ¿por qué no clasificar a los jugadores en distintas tipologías según lo que cuentan sus datos de juego? Sin saberlo, había abierto la caja de Pandora de la NBA.

De 5 a 10 posiciones

Alagappan no se atrevía a contar los datos a sus jefes. Cuando lo hizo, se sorprendieron por el uso que había dado a su software y le animaron a poner en valor sus descubrimientos. Lo hizo en 2012 en Evolution of Sport (EOS), el certamen con el que los especialistas del MIT premian a las ideas y los proyectos más interesantes sobre el futuro de la tecnología en el deporte. Su presentación ‘From 5 to 13: redefining the positions in basketball’, además de ganar EOS, supuso una bomba mediática que llamó la atención de managers y directores deportivos de la NBA.

El valor fundamental del trabajo de Alagappan reside en que los equipos de la NBA pueden cambiar la manera de pensar a la hora de construir sus plantillas. El objetivo es que pasen de fichar jugadores para encajarlos en las cinco posiciones tradicionales a construir nuevas posiciones basadas en los datos y así desarrollar un estilo de juego concreto. Los resultados de aplicar su análisis topológico tienen su aplicación práctica tanto en los despachos como en la cancha de juego. Por un lado, están los fichajes. La minería de datos puede descubrir al manager de un equipo jugadores casi desconocidos que ofrecen un rendimiento muy alto por un salario considerablemente inferior al de otros jugadores consagrados con datos de juego similares. A su vez, en el terreno de la estrategia, la visualización de cada jugador como un conjunto de datos interrelacionados en lugar de como un conjunto de aptitudes en una posición tradicional, permite al entrenador tomar decisiones tácticas tanto en la preparación como durante el juego.

La innovación puesta en marcha por el científico indio ha ido más allá en el último año. Ha precisado aun más su trabajo y las 13 posiciones originales han pasado a ser 10. En este tiempo, Alagappan ha introducido en sus análisis la tecnología de seguimiento personalizado de jugadores de SportVU. Un conjunto de cámaras graba y analiza sus movimientos y ofrece un millón de datos en cada partido. De este modo, a los datos estadísticos suma el análisis espacial. Con esta información, Alaggapan está trabajando en cómo las estadísticas individuales de los jugadores influyen en el resultado de un partido. Este análisis le permite determinar, por ejemplo, que los Lakers ganan siempre cuando Pau Gasol consigue un número concreto de rebotes en un tiempo determinado. Pero la teoría está dando paso a la práctica…, con muy buenos resultados. El efecto ‘Muthuball’ –como lo han bautizado los medios norteamericanos en alusión al Moneyball de Billy Beane-, se deja notar en varios equipos de la NBA. De momento, es público su trabajo con Portland Trail Blazers y Miami Heat. El equipo de Florida, a la sazón campeón de la NBA, recurrió a los análisis de Alagappan durante los últimos play-offs. Parece que los datos de Muthu se merecen un anillo de campeón.

 

Selección de artículos publicados en Metadeporte sobre Big Data en Deporte:

Puedes ver el contenido completo de este tema en tu tablet en la EDICIÓN FREE del número cero de Metadeporte. Para ello, DESCARGA GRATIS LA APP DE METADEPORTE EN TU TABLET ANDROID o DESCARGA GRATIS LA APP DE METADEPORTE EN TU IPAD

Más artículos sobre Big Data en Deporte