Carolina Marín y el poder del ‘big data’ en el deporte

Carolina Marín permanece en silencio, inmóvil en la oscuridad de la sala. A la señal del fotógrafo, la campeona olímpica y tricampeona del mundo en bádminton da un salto, eleva su raqueta y golpea con furia. Una metralleta de flashes captura cada instante. Bajo el parpadeo cegador, su cuerpo enlaza un movimiento detrás de otro, como si fuera un autómata. Repite la operación hasta en 16 ocasiones. Siempre con la precisión con la que una bailarina realizaría su coreografía. No es una máq...

Carolina Marín permanece en silencio, inmóvil en la oscuridad de la sala. A la señal del fotógrafo, la campeona olímpica y tricampeona del mundo en bádminton da un salto, eleva su raqueta y golpea con furia. Una metralleta de flashes captura cada instante. Bajo el parpadeo cegador, su cuerpo enlaza un movimiento detrás de otro, como si fuera un autómata. Repite la operación hasta en 16 ocasiones. Siempre con la precisión con la que una bailarina realizaría su coreografía. No es una máquina, pero hay algo de robótico en sus perfectas ejecuciones. También en su forma de trabajar. Se apoya en las estadísticas matemáticas, la analítica avanzada y la inteligencia artificial (IA) para mejorar su técnica y moldear sus entrenamientos. “Sobre todo me ayudan a conocer los puntos débiles de mis rivales y a adaptar el plan de juego a cada contrincante”, dice la onubense, de 27 años. Cuando empezó, en 2006, apenas unos pocos creían en las ventajas de los datos. Hoy, con las nuevas tecnologías, la sofisticación de los programas y la precisión de las respuestas, todos se han subido a la ola. El big data y cuanto lo rodea se han convertido en una herramienta indispensable para el deporte de élite.

Marín tenía 14 años cuando dejó su Huelva natal, se separó de su familia y se instaló en el Centro de Alto Rendimiento de Madrid, dispuesta a convertirse en jugadora profesional de bádminton. Para entonces, el denominado big data ya había revolucionado sectores como la banca o la publicidad —aquello empezó en los noventa del siglo pasado—. En el deporte, sin embargo, su uso se limitaba al mundo de las apuestas y las audiencias: ofrecer al público datos estadísticos en los directos (porcentaje de canastas/goles/home run de un jugador, un equipo, etcétera). Eso explica que los pioneros en integrarlo en sus estrategias fueran deportes de masas como el baloncesto —la NBA tiene una larga tradición de recopilación de datos con empresas especializadas como Second Spectrum— o el béisbol. Fue ese deporte el que marcó el verdadero punto de inflexión. En 2002, los Atléticos de Oakland basaron sus estrategias de juego y sus fichajes en estadísticas y predicciones matemáticas. Les tomaron por locos, pero ese mismo año batieron un récord histórico con 20 victorias consecutivas y se clasificaron para los play off tras lustros de decadencia. Una historia que recoge el filme Moneyball (2011), protagonizado por Brad Pitt.

La filosofía de Moneyball se propagó como la pólvora, aunque pocos se atrevían entonces a utilizarla. En 2004, los Boston Red Sox se proclamaron campeones tras casi un siglo sin conseguirlo; el equipo británico de ciclismo en pista se subió al carro y cuatro años después logró 14 medallas en los Juegos de Pekín, 10 más que en los anteriores; y Fernando Rivas, que acababa de aterrizar como entrenador de la Federación Española de Bádminton ese mismo 2004, se convirtió en uno de los pioneros de España en usarlos. “Carolina ha sido nuestro conejillo de Indias. Con ella hemos experimentando a lo largo de estos años”. Premio Nacional del Deporte 2014 y Medalla de Oro de la Real Orden del Mérito Deportivo 2016, parece que no le está yendo mal.

En deporte, los datos proceden en su mayoría del análisis de vídeo. Rivas intenta sumar el número de horas que han dedicado a ello, pero el cálculo se le plantea imposible. “A un analista experimentado, una hora de vídeo le lleva hora y 45 minutos…”, arranca. “Hay que ver el partido y anotar absolutamente todo: quién saca, cómo saca, su posición en pista en ese instante, cómo se hace el pase… Después importamos las anotaciones a un Excel y hacemos tablas dinámicas para buscar patrones”.

Hasta hace poco, ese acceso a los datos dependía enormemente de la capacidad de inversión de cada equipo. Inversión en tiempo, como en el caso de Rivas y Marín: “Hemos dedicado más horas a recoger y analizar los datos y a hacer gráficos que a entrenar. Y mira que horas de entrenamiento echamos muchas”, ríe Rivas. O inversión en dinero. El mercado del análisis deportivo movió en 2020 más de 920 millones de euros, según Grand View Research, y se estima que para 2025 ascienda a 3.380 millones. Empresas como Stats Perform (antes Opta) se dedican a la recopilación y venta de datos deportivos —líder mundial en rugby, críquet y fútbol— desde principios de siglo.

En el pequeño pueblo pesquero de Aveiro (Portugal) tienen un edificio enorme en el que más de 400 analistas de vídeo trabajan 24 horas al día para poder anotar los datos de todos los partidos que se juegan en los distintos deportes y lugares del mundo. Se necesitan tres personas para cada encuentro: uno anota todo lo que hace el equipo local, otro lo que hace el visitante y un tercero para control de calidad. “Los precios de los paquetes de datos pueden ir de los 7.000 a los 100.000 euros al año, según lo que busque el cliente: si quieren el bruto de datos, los quieren ya procesados o quieren solo el software para procesarlos…”, estima Daniele Trombetta, ejecutivo de ventas de la compañía, que trabaja con 22 equipos de fútbol de LaLiga, incluidos gigantes como el Barça o el Madrid, y con todos los de la liga italiana (son proveedores oficiales). Reconocen que desde que empezaron hasta ahora no ha cambiado demasiado la forma de recoger los datos o la cantidad de ellos, sino el modo de procesarlos. “Ese es el gran cambio”, aclara Chechu Fernández, ejecutivo de cuentas de Stats. “Gracias a las nuevas tecnologías y la inteligencia artificial, han mejorado la velocidad, la variedad y la precisión”.

Esa es la diferencia sustancial que Fernando Rivas ha notado. En 2014 Marín se coronó campeona del mundo. Era la primera vez que una española se hacía con el título, dominado siempre por las potencias asiáticas. Ya entonces los datos estaban ahí. “Recuerdo que el día antes los tres entrenadores lo pasamos analizando partidos de la contrincante [la china Li Xuerui], preparando recortes de vídeo, tablas y gráficos para Carolina. Estuvimos hasta las cuatro de la madrugada”, dice Rivas, sentado en el CAR, frente a su ordenador. Hoy, gracias a la adquisición de programas de análisis automatizado que les ofrece Telefónica, han podido reducir el tiempo que dedican a recoger datos, pero, sobre todo, el que dedican a analizarlos. “Nosotros le damos el punto de sofisticación al trabajo que ellos vienen haciendo ya desde hace años”, explica Pedro de Alarcón, responsable del departamento de analítica deportiva de Telefónica. “Eso es lo realmente interesante en su caso. Porque ellos tienen un histórico de datos, tanto de Carolina como de sus contrincantes, impresionante y que en bádminton probablemente nadie tenga”, cuenta. En estos años, Rivas y su equipo han analizado más de 240.000 partidos. De cada uno de ellos se extraen una media de 52.000 datos, lo que supone unos 12.500 millones con los que trabajar. “Es ahí donde entran los algoritmos: un conjunto de programas informáticos que analizan los datos de forma autónoma para encontrar patrones”, explica De Alarcón. “Nuestro software se ha adaptado a las necesidades específicas de Carolina para encontrar en esa información las respuestas que busca”. Pero el avance va más allá: “A partir de los vídeos reales de los partidos analizados y teniendo en cuenta los datos, podemos recrear con realidad virtual el partido que quieran contra la contrincante que quieran. De esa manera, Carolina puede visualizar el partido para el que se está preparando antes de jugarlo”, concluye.

Marín memoriza e interioriza los gráficos tan a fondo que sobre la pista casi intuye lo que la jugadora al otro lado de la red va a hacer antes de que lo haga. No es una certeza, pero sabe que cuando su contrincante está en determinada zona de la pista y lanza el volante de una forma concreta, tiende a hacer un movimiento particular en la siguiente jugada. Eso le permite prever ciertas situaciones y adelantarse a ellas. Si uno la observa durante un torneo e imagina su cabeza llena de números, resulta sencillo empatizar con la seriedad de su rostro. “A veces, los miedos e inseguridades aparecen en la pista y vuelves a tus patrones, pero para eso tengo a mi entrenador, para recordarme lo que tengo que hacer”, dice la deportista. Conoce sus propias debilidades, así que en los entrenamientos previos practica la manera de convertir una jugada desfavorable en una favorable. “Si Carolina suele fallar cuando el volante le llega de tal manera y se hace fuerte cuando golpea de tal otra, y lo sabemos por las estadísticas, no siempre es fácil corregir lo primero, pero podemos practicar para que, cuando se dé esa situación, ella sepa cómo revertirla y crear un entorno favorable donde pueda explotar sus fortalezas”, explica Rivas.

En la nueva era de los datos, Movistar apoya a sus deportistas de élite patrocinados con proyectos de analítica avanzada y machine learning adaptados a las necesidades de cada uno. Además de con Marín en bádminton, trabajan con el Estudiantes de baloncesto, el Movistar Team de ciclismo o la Rafa Nadal Academy en tenis. Y no son los únicos. La Federación Española de Atletismo acaba de invertir este 2021, con apoyo de una ayuda europea, un millón de euros para digitalización de big data. LaLiga ha invertido más de 200 millones de euros en los últimos seis años en un enorme proyecto de digitalización, inteligencia artificial y analítica dirigido por José Carlos Franco. Entre todas las iniciativas, una se centra en la parte deportiva: han creado una plataforma en la que los clubes tienen acceso a un exhaustivo estudio estadístico de sus jugadores y resultados elaborado por Mediacoach, el departamento propio en el que trabajan matemáticos, físicos y analistas deportivos. “Los equipos pueden ver sus estadísticas y las de sus contrincantes”, explica Roberto López del Campo, coordinador de Mediacoach. “Democratizamos el dato para que haya igualdad de condiciones”.

Las posibilidades que ofrecen esas estadísticas y variables son casi ilimitadas. Ya no se trata del promedio de goles que mete un futbolista o la media de triples de un jugador de baloncesto. Ni siquiera de detectar errores que un ciclista o un atleta tiende a cometer para corregirlos. A Marín le controlan incluso los ciclos y fases del sueño. “Mi preparador físico, Guillermo, con esos datos ve cómo he dormido, si he recuperado o no y le transmite esa información a Fernando”, cuenta la también cuatro veces campeona de Europa. “Basándose en eso, él puede planificar mis ejercicios del día”. Muchas mañanas entrena conectada a un acelerómetro que le colocan en la cintura. El pequeño aparato recibe y envía por bluetooth la información en el acto. “Medimos cuánta fatiga está acumulando. Incluso podemos programarlo para que cuando haya un 20%, o el porcentaje que sea, de pérdida de desplazamiento nos salte un aviso”, explica Rivas. “Eso hace más eficiente el trabajo diario y nos ayuda a prevenir posibles lesiones”.

En deportes de equipo también utilizan los datos para prever lesiones o para adaptar ciertas partes del entrenamiento, pero no tanto a la hora de definir la táctica de un partido: al ser deportes con varios jugadores que interactúan entre sí, las variables son infinitas. Pedro de Alarcón, el analista de Telefónica, explica que con el Movistar Estudiantes de baloncesto suele usar los datos para cuestiones como el ojeo de jugadores. Miguel Ortega, director de operaciones del equipo, habla de la aplicación donde acumulan las estadísticas de los jugadores de varias ligas europeas para cuando necesitan fichar a un “especialista”. “Ponemos las características que necesitamos para cubrir ese puesto (determinadas estadísticas, cualidades…) de acuerdo con el precio que podemos asumir y eso nos permite reducir la lista a unos 20. Y ya con ellos hacemos el trabajo de campo, indagando sobre la personalidad, el estilo y la actitud”. Factores que los datos no pueden medir y que son tanto o más importantes, según coinciden expertos y entrenadores.

“Los factores humanos que no se pueden medir, como el carácter o la autoconfianza, son determinantes en el éxito deportivo”, advierte López del Campo, de Mediacoach. Y pone un ejemplo: “Tú puedes tener a un portero con unas estadísticas de parada elevadísimas, pero, si en el minuto 1 le meten un gol y se desmotiva, baja su rendimiento”. Lo mismo sucede en baloncesto. El Estudiantes recurre mucho a las cifras en “el clutch time” (los últimos minutos). “Son clave en el resultado final y la presión es muy alta. Con los datos, no buscas al jugador que más encesta o rebotea, sino al que, siendo bueno en esos campos, estadísticamente es también el que tiene la cabeza más fría en momentos de tensión”, resume Miguel Ortega.

Cuando a Marín le miden el sueño, el objetivo no es solo controlar su descanso para definir la intensidad del entrenamiento, sino acumular un histórico de datos para, en el medio plazo, tener estadísticas más precisas sobre cómo afecta el tipo y duración de descanso a su cuerpo y también a su mente (estado de ánimo, nivel de concentración…). Algo similar pero más amplio están haciendo en la Rafa Nadal Academy, según cuenta De Alarcón: “Como los chavales van allí al colegio, miden su rendimiento académico, sus hábitos nutricionales, sus estadísticas de entrenamiento y de competición, sus datos médicos y fisioterapéuticos y hasta su estado de ánimo. Esto último lo anotan los propios alumnos en una aplicación cada día. Y aunque esos datos son en un 90% manuales, ofrecen información muy valiosa, porque ayudan a establecer a largo plazo una relación entre el estado anímico y el rendimiento deportivo”. Un primer intento por evaluar la fortaleza mental y la evolución de los niños a medida que maduran. Estos experimentos que intentan ir más allá de lo deportivo es hacia donde apuntan las nuevas líneas de investigación de la analítica avanzada y la IA en el deporte de élite.

Carolina Marín salta por última vez ante la señal del fotógrafo. Se acerca al ordenador y dice con sobriedad: “¡Ahora sí! El salto es perfecto. La caída está bien…”. Analiza minuciosamente cada movimiento congelado en la imagen. Es lo que lleva haciendo toda su vida. Leer e interpretar los datos en la pantalla para alcanzar la perfección. “El big data puede marcar la diferencia entre el oro y la plata, pero la clave es la fortaleza mental”, dice Rivas. Marín lo sabe bien. “Puedo porque pienso que puedo”, dice. Es su mantra. El que se repite a sí misma una y otra vez. Dentro y fuera de la pista. Acaba de superar el año más duro de su carrera y de su vida —en enero de 2020 se rompió el ligamento cruzado anterior y estuvo siete meses fuera de la pista, luego llegó la pandemia y en julio falleció su padre después de varios meses de lucha tras un accidente laboral— y ha vuelto a los torneos con esa entereza que la caracteriza. Ha ganado tres de los cuatro últimos en los que ha participado. Y no piensa detenerse hasta alcanzar su objetivo: convertirse en la mejor jugadora de bádminton de la historia. Está a una medalla olímpica de conseguirlo. Este verano, en Tokio, podría tener su gran oportunidad. “Puedo porque pienso que puedo”.