Análisis inteligente de datos (#DataAnalysis #BusinessIntelligence) como herramienta aplicado al #futbol

Sevilla Noviembre 2016

El 70% del éxito en un campo de

#football se debe al TALENTO y el 30% restante a como se prepara y optimiza

el talento. Simon Wilson. Manager ofstrategic performance at

Manchester City Fc

Son necesarias las preguntas correctas para hacerlos dinámicos. Es necesario

saber qué se espera de la información que se dispone.

Los datos en sí mismo no son dinámicos, ni inteligentes. Son

estáticos.

Sobre los principios y subprincipios de nuestro modelo de juego tanto grupal

como individual.

#DataAnalysis

Debilidades en la gestión de los datos……

Fuentes de datos internas limitadasTiempo

Mayoría analítica descriptivaPreparación datos lento

No acceso a todos los datosSubjetividad ojeador

¿Cómo convertimos estas grandes cantidades de datos en una ventaja

competitiva para un Cuerpo Técnico?.....

#BusinessIntelligence#Businessintelligence es un proceso interactivo para explotar y analizar información estructurada sobre un área, para descubrir

tendencias y patrones

Ventajas con #BusinessIntelligence en la gestión de los datos…..

Tiempo Rapidez

Acceso total a toda la informaciónModelización predictiva

Paralelización de procesosObjetividad matemática

Análisis descriptivo“Que ocurrió”

OBTENCIÓN DE AUTOMATISMOS O PATRONES DE JUEGOS MEDIANTE TÉCNICAS DE ANÁLISIS INTELIGENTE DE DATOS

OBJETIVOS MÉTODOS

• Encontrar patrones de juego que el equipo repita con asiduidad (Automatismos) tanto en saque de balón de su campo como en jugadas ofensivas en campo contrario.

• Facilitar la labor de técnicos y analistas añadiendo objetividad matemática en sus valoraciones y disminuyendo su carga de trabajo en visionado de encuentros.

• Permitir el establecimiento de estrategias competitivas aportando conocimiento propio y sobre el rival.

• Los datos proporcionan información de cada evento individualmente.

• Será necesario unir todos aquellos consecutivos para formar una jugada: Comenzando en campo propio (automatismos de saque de balón). Realizadas en campo contrario (automatismos ofensivos).

• Se establecerá un criterio para considerar dos jugadas como “similares”.

• Se buscará el número de veces que jugadas similares aparecen en los datos de 20 partidos ordenándolas por su frecuencia.

• Mediante el algoritmo, es posible conocer las jugadas más repetidas por un equipo en el número de partidos que desee en pocos segundos.

• El tratamiento de los datos respeta la fiabilidad de los mismos plasmando por tanto resultados totalmente reales.

• La técnica de visualización utilizada para la presentación de los resultados permite reconocer patrones de juego propios o del rival.

Patrones de juego dectados en la selección alemana de fútbol en campo propio y contrario:

RESULTADOS

CONCLUSIONES

El proceso de intentar descubrir patrones en grandes volúmenes de conjuntos de datos.

Análisis predictivo“Que puede ocurrir”

Predicción de zona de destino en tiros a portería utilizando técnicas de ía de datosOBJETIVOS MÉTODOS

• Uso de herramientas de análisis inteligente de datos para la obtención de patrones de actuación en el destino de los tiros a puerta.

• A partir de los datos de cada evento de un encuentro tomados por la empresa OPTA, se analizarán mediante técnicas de minería de datos los disparos a puerta extrayendo en qué situaciones se producen y el destino en la portería rival de los mismo.

• Así, es posible determinar qué parámetros son más influyentes y establecer estrategias de colocación del guardameta y defensa.

Se aplican técnicas de inteligencia artificial (minería de datos) a 20 partidos de la selección alemana de fútbol para obtener patrones en el destino de los disparos a puerta de los lanzadores habituales:

•A partir de los datos por evento de OPTA, obtención de subtablas almacenando en la misma fila el evento disparo a puerta así como el siguiente a este que contendrá el destino.

•Selección de los modelos apropiados para la obtención de patrones (calsificación supervisada) ⇨ Redes Neuronales (RBF), Redes Bayesianas.

• Ajuste de los parámetros propios de cada modelo en busca de la máxima precisión.

•Evaluación de la precisión de cada modelo mediante matriz de confusión (número de aciertos y “gravedad” de los errores).

•Visualización de los resultados para su uso en toma de decisiones de posicionamiento de guardameta y defensa.

• Palao & López-Montero (2003). Relationship between efficacy, laterality of foot strike, and shot zone Relationship between efficacy, laterality of foot strike, and shot zone of the penalty in relation to competition level in soccer. International Journal of Sport Science.

• ANTON, J. y Cols. (1989). Entrenamiento Deportivo. Unisport, Málaga.• Oña Sicilia (1994). Las estrategias atencionales y anticipatorias bajo la

respuesta de atención motora. Revista de la Federación Española de Asociaciones de Psicología

• Britos, P., Hossian, A., García-Martinez, R. y Sierra, E. (2005). Minería de Datos Basada en Sistemas Inteligentes, Nueva Librería.

• Chen, M.; Han J. y Yu P. (1996). Data Mining: An Overview from Database Perspective. IEEE Transactions on Knowledge and Data Engineering.

Es posible establecer relaciones entre variables como la zona de tiro o el minuto de juego con el destino de los tiros a puerta, si bien estos son distintos para cada deportista.• No es relevante que el jugador provenga de jugada individual o de asistencia.• Tanto las boleas como los tiros con la pierna no habitual no pueden ser tenidos en cuenta para modelar el

comportamiento del lanzador. Este hecho se debe a que suponen hechos con menor presencia en los datos y por tanto se les asigna una entropía/probabilidad menor.

• La zona de tiro muestra gran relevancia al estar claramente relacionado con la técnica individual del lanzador (postura, fisiología,…).

• El minuto del encuentro es seleccionado por ambos métodos como variable de importancia. Ésta puede explicarse por la influencia del cansancio acumulado en el futbolístico en su tendencia.

REFERENCIAS

RESULTADOS: Tiros a puerta de Andre Schurrle

CONCLUSIONES

Minuto Evento Jugador X Y Pierna Jugada Individual

Volea Destino

1 Disparo Müller 80 48 Derecha NO NO Izquierda 3 Disparo Müller 85 33 Derecha SI NO Decha 4 Disparo Müller 86 32 Izquierda NO NO Decha 7 Disparo Müller 89 51 Derecha NO SI Centro 11 Disparo Müller 78 52 Derecha SI NO Izquierda

Izquierda Centro Derecha Predicho 4 0 1 Izquierda 1 6 0 Centro 1 1 2 Derecha

Izquierda Centro Derecha Predicho 4 1 0 Izquierda 2 5 0 Centro 1 2 2 Derecha

Minutos anteriores al 52

Minutos Posteriores al 52

Red BayesianaRed Neuronal RBF

Precisión: 75% Precisión: 68,75 %

Ejemplos…..

Predicción de zona de destino en tiros a portería utilizando técnicas de minería de datos.

Obtención de automatismos o patrones de juegos mediante técnicas de análisis inteligente de datos

Mediante análisis inteligente de datos ver la influencia de los condicionantes personales en la regularidad del

rendimiento deportivo

Proveedores #SoftwareBI

http://217.127.186.93/hub/my/work

#DataScientist / #Dataanalyst

¿Que es?#Dataanalyst #DataScientist es un experto que resuelve problemas….

haciendo uso del análisis de datos (principalmente con herramientas estadísticas,

informáticas y conocimiento del juego) y ayuda a la extracción de conclusiones.

¿Qué perfil tienen un #DataScientist?

+ +

#Futbol, un juego dinámico e impredecible, pero con

patrones constantes y predecibles.

Analizan el juego desde la objetividad matemática y

no la subjetividad del ojeador.

Read more at http://www.arsenal.com

Muchas Gracias

Contacto: @AjBlancoRamos ajblancoramos@gmail.com