La Sabermetría y la Información Situacional Probabilística en Deportes con Balón

XXXXXXXXXX

La estadística brinda información relevante para la toma de decisiones basado en el

análisis e interpretación de los datos; su uso se ha masificado en diversos campos como

científicos, políticos, publicitarios, académicos, etc.; incluyendo el deportivo donde

confluyen gran cantidad de variables que son utilizadas por diversos grupos de interés para

analizar históricamente a los equipos y jugadores para poder determinar su capacidad

predictiva para diversos fines. Por lo tanto, el presente ensayo propone cuestionar los

estadísticos tanto tradicionales e innovadores como métodos explicativos y predictivos en

deportes como el béisbol y el futbol que son afectados por probabilidad del jugador en

modificar su accionar regular en función a su entorno. Bajo esta óptica, y con el objetivo de

brindar un mayor entendimiento a la propuesta, se iniciará con la definición del deporte y la

necesidad de utilizar la Sabermetría, luego se analizará dicho concepto, su utilidad en el

béisbol y la ejemplificación con un caso real, para luego analizar el concepto de Información

Situación Probabilística (ISP) y finalmente su relación predictiva en el futbol a través de un

caso real.

Según la Escuela de Negocios Deportivos UNISPORT (1992) definió al Deporte

como todas aquellas formas de actividades que, a través de una participación organizada o no,

tienen como objetivo la expresión o la mejora de la condición física y/o psíquica, el

desarrollo de las relaciones sociales y la obtención de resultados en competición de todos los

niveles; en base a esta definición Litwin y Fernandez (1982) aportaron a la evaluación del

deporte indicando los siguientes fines: (a) Proceso educativo; (b) Rendimiento; (c)

Pronóstico; (d) Clasificación; (e) Diagnóstico; (f) Motivación; (g) Investigación; estas

finalidades son válidas cuando la información recolectada fue sometida bajo los criterios del

método científico (Bunge, 1995): (a) Objetividad; (b) Confiabilidad; (c) Validez. Así, tanto el
 2

concepto como la finalidad del deporte permitió evaluarse en tres momentos: (a) Pasado,

histórico educativo del desempeño de los deportistas y la métrica del deporte en general; (b)

Presente, ajustar los desempeños en tiempo real para maximizar la efectividad deportiva; (c)

Futuro, valor predictivo a nivel interno y externo del deporte. Con estas temporalidades,

finalidades y criterios motivaron a desarrollar nuevas técnicas de análisis de datos sobre el

desempeño deportivo siendo una de ellas la Sabermetría, la cual será desarrollada a

continuación.

Para James y Wirth (citado por Martínez, J. y Martínez, L., 2010) definieron a la

Sabermetría como el análisis estadístico sobre la evidencia objetiva obtenida por técnicas

estadísticas rigurosas con el fin de medir eficazmente las actividades suscitadas en el terreno

de la competición. Dicho término – Sabermetría – fue derivado del acrónimo SABR referido

a la Sociedad para la Investigación del Béisbol Americano por sus siglas en inglés que fueron

Society for American Baseball Research (Davids, 1971); creado con el propósito de brindar

mayor información que permita comprender eficientemente el béisbol como también otros

deportes colectivos como el básquet o fútbol americano partiendo de las estadísticas

individuales de los jugadores y luego fueron integradas colectivamente sobre el registro de

los partidos ganados y perdidos en cada equipo. De este modo, para Ockerman (citado por

Soto y Gonzáles, 2015) la Sabermetría implicó que un equipo de béisbol exitoso ganó más

competencias que sus rivales – mayor anotación de carreras o una defensiva más eficiente

sobre el oponente – y motivó una mayor importancia al análisis individual del desempeño de

cada jugador que anotó la mayor cantidad de carreras; dado que en suma, lo individual

influye significativamente sobre la victoria o desempeño grupal del equipo.

Para Costa, Huber y Saccoman (2007) las funcionalidades de la Sabermetría

propuestos fueron: (a) Evaluar el desempeño del deporte durante una temporada para

determinar un ranking riguroso sobre la base estadística del deportista; (b) Comparar
 3

indicadores de jugadores en diferentes épocas; (c) Predecir el desempeño del deportista

estimando su competitividad con fines de empleo y/o para su contratación; (d) Desarrollar

indicadores a través de herramientas estadísticas más rigurosas. Profundizando el inciso (d),

Beneventano, Berger, y Weinberg (citado por Soto y Gonzáles, 2015) plantearon que los

estadísticos tradicionales fueron elaborados para tratar de soportar objetivamente con

números los juicios de valor referidos a los jugadores de béisbol, por ejemplo: (a) Promedio

de Bateo (AVG); (b) Carreras Impulsadas (RBI); (c) Bases Robadas (SB). No obstante, su

valor explicativo y predictivo de una victoria o derrota era limitado debido al contexto,

variables insuficientes e índices desactualizados que brindaba información insuficiente para

entender el desarrollo del béisbol; esto conllevó a considerar significativamente el aporte de

la informática en la recolección, almacenamiento y procesamiento de datos deportivos (Soto

y Gonzáles, 2015). Por tanto, motivó a investigadores al rediseño de nuevas herramientas y

metodologías con el propósito de evidenciar las complejas relaciones de los miles de datos

que surgen diariamente en cada competición, en dicho contexto se desarrolló la Sabermetría.

De lo expuesto anteriormente, habiéndose revisado los instrumentos tradicionales más

frecuentes del béisbol, la Sabermetría – por ejemplo – propone los siguientes estadísticos: (a)

El porcentaje de embasado (OBP), cuando el corredor se posiciona en cualquiera de las tres

bases y también mide la capacidad del bateador de no excluido del turno al bateo en todas sus

formas posibles (hits, bases por bolas, etc.); (b) Slugging (SLG), mide la eficacia del bateador

calculándose el total de bases alcanzadas sobre el total de turnos al bate. La suma de ambos

estadísticos – (a) y (b) – tuvo como resultante el estadístico OPS que evalúa la contribución

ofensiva de un bateador, similar al tradicional ratio promedio de bateo (AVG) pero más

completo dado que explicó la contribución del jugador al equipo y sólo no de manera

individual (Adler, citado por Soto y Gonzáles, 2015). Por tanto, el incremento de carreras

anotadas por el colectivo radicó en el ordenamiento apropiado de los talentos individuales a

 4

la ofensiva que por actos de heroicidad individual; también implicó asignar el jugador con

mayor probabilidad de aciertos – quien más embasa (OBP) – y quien impulsa o más eficacia

tiene en el orden al bateo de cada jugador (SLG).

Asimismo, la necesidad de evaluar de forma más integral y eficiente al jugador de

béisbol y que ello permita gestionar las relaciones económicas entre los jugadores y sus

equipos permitió a la Sabermetría proponer conceptos estadísticos innovadores para el

béisbol, como son: (a) Las carreras sobre reemplazo (RAR); (b) Las victorias por encima del

reemplazo (WAR). Según Soto y Gonzáles (2015) el WAR es un estadístico controversial ya

que integró en un solo ratio los valores ofensivos y defensivos de un jugador en una posición

específica en relación a lo demás jugadores que lo podrían reemplazar eventualmente, con el

objetivo de calcular el costo hipotético para el equipo el reemplazo de dicho jugador y cuyo

resultado – teórico – de las victorias adicionales que aportaría tener al jugador en lugar de

tener otro jugador de ligas menores en la misma posición (en teoría sería la opción más rápida

y menos costosa). Esto le permite a la gerencia del equipo conocer si el reemplazo favorece o

desfavorece el grado de victorias o derrotas al equipo y el costo de contratar a uno u otro

reemplazo sea de ligas menores o profesional; por ejemplo, si el jugador tiene un perfil

defensivo podría ser más económico reemplazarlo con un jugador de liga menor con el

mismo perfil y será más complicado reemplazarlo si se requiere un jugador con un perfil

tanto ofensivo y defensivo.

Extraída de la vida real, se documentó la película Moneyball (2011) donde Billy

Beane (Gerente General del equipo de béisbol de los Oakland Athletics) con el soporte del

analista Peter Brand revolucionaron dicho equipo de béisbol con un bajo presupuesto y

jugadores con baja probabilidad de victorias; ambos aplicaron un método estadístico para

reclutar jugadores con altos porcentajes de efectividad al embasarse sin considerar los

métodos y estadísticos clásicos de selección; sino utilizaron los pertenecientes a la

 5

Sabermetría que les permitió reclutar jugadores subvalorados por el mercado con indicadores

favorables en su puesto y no tenían el factor mediático o elitismo que los encarecía. Así, Billy

Beane clasificó al equipo a la postemporada durante cuatro años seguidos gestionándolo sin

un presupuesto exorbitante y cambió los juicios de valor sobre los jugadores a partir de esa

fecha (Merejo y Zenilman, citado por Soto y Gonzáles, 2015). En resumen, contrataron

jugadores con determinado talento a bajo precio y útiles para el equipo, esto no sólo trasmitió

la enseñanza al béisbol sino también como una estrategia empresarial, en un mercado

competitivo el Gerente debe diferenciarse de su competencia optimizando sus recursos,

aplicar estrategias eficientes y creativas.

La Sabermetría no pretende subestimar los estadísticos tradicionales, sino integrarle

nuevas herramientas de análisis que dependan más del talento propio del jugador, permitan

determinar el valor de cada jugador para su equipo internamente y frente al mercado. Para

ello, la Sabermetría se respaldó en la Big Data como elemento fundamental de volúmenes

masivos y complejos de información tanto estructurada como no estructurada, que es

recogida durante cierto período de tiempo y que requiere de métodos computacionales para

extraer conocimiento (Arcila-Calderón, Barbosa-Caro, y Cabezuelo-Lorenzo, 2016), y que

esta información contiene los siguientes atributos propuestos por Russom (2011): (a)

Volumen; (b) Velocidad; (c) Variedad; (d) Pertinencia. Como también se soportó en el Data

Mining para relacionar las bases de datos consistentes y los procesos automatizados para

predecir y planear de manera más acertada (Dhar, 2013). De esta forma, la Sabermetría no

pretendió subestimar ni tampoco aleatorizó intencionalmente los datos y/o fórmulas para

generar tendencia, favorecimiento u oportunismo como sucedió aparentemente en las ligas

Europeas de básquet ya que tienen diversos criterios para obtener los estadísticos (Martínez J.

y Martínez L., 2010). Un símil a la relación mencionada entre estadísticos tradicionales y la

Sabermetría sería la relación entre la contabilidad y las finanzas, la primera explica el pasado
 6

con exactitud, mientras que la segunda utiliza herramientas para entender el pasado y predecir

el futuro con la mayor precisión posible. A continuación se explica una visión diferente a lo

expuesto anteriormente que se denomina la Información Situacional Probabilística (ISP).

Williams (2009) investigó el uso de la información contextual por los deportistas y

como esta constituyó una habilidad perceptivo – cognitiva que les permitió efectuar acciones

anticipatorias en el deporte; y fue definido como la Información Situacional Probabilística

(ISP) donde los deportistas percibieron determinados índices visuales disponibles en la

situación deportiva para decidir su accionar, estableciéndose una relación entre el deportista,

el oponente y el ambiente a través de los procesos perceptivos. Esta información percibida en

los deportistas varió en función a: (a) La posición relativa que adoptan compañeros,

adversarios y los móviles; (b) Las frecuencias relativas de los golpeos; (c) Los puntos fuertes

y débiles del oponente; (Luís, 2017). Así, en deportes con balón, el rol del defensor será

predecir a la brevedad tanto la dirección y la velocidad del siguiente golpeo o movimiento del

rival con el balón; esta predicción se basó principalmente en el análisis e interpretación de la

información de eventos anteriores a la ejecución del oponente. Por ejemplo, la información

específica del patrón de movimiento previo al impacto con la pelota o la información

genérica relacionada con la probabilidad de sus golpeos (Abernethy, Gill, Parks y Packer,

2001).

Asimismo, Williams (citado por Luís, 2017) indicó que dicho atributo probabilístico

(ISP) proviene de la estimación personal que desarrolló el deportista entre la información

percibida y la posibilidad de aparición de un movimiento del oponente proveniente de una

aproximación más cognitiva que la información visual durante el juego; lo cual resultó de la

adaptación y plasticidad constante de los procesos perceptivo – cognitivos hacia la búsqueda

de nuevas alternativas de acción que le permitan a los deportistas anticiparse a su oponente

incluyéndose el ISP por tratarse de una información propia a cada acción de juego. Por tanto,
 7

la información percibida se asoció a un contexto de juego particular que apareció en un

momento determinado donde los deportistas aprendieron a percibir y manejar la variable

información contextual debido a los continuos movimientos de sus compañeros y oponentes,

variándose el entorno deportivo y con ello las múltiples posibilidades de acción (Araujo,

Davids y Hristovski, 2006). Por ejemplo, Navia, Van der Kamp y Ruiz (citado por Luís,

2017) encontraron en situaciones reales donde los porteros de fútbol percibieron –

subjetivamente – situaciones de alta probabilidad y se lanzaron significativamente más veces

hacia el lado correcto de la portería independientemente que puedan haber detenido el balón,

siendo el inicio de su respuesta dependiente de la ISP; por tanto, aumentó la variabilidad de

respuesta frente a un registro histórico de aciertos y errores tanto del portero como del

oponente que lo convirtió poco predictivo.

Así, el béisbol es un deporte ad hoc para las estadísticas ya que al no existir una

acción continua sino una suma de cortas acciones con cierta independencia en el juego donde:

el bateador bateó, el catcher atrapó, etc.; así un jugador con un rol asignado durante todo el

juego sin que otros jugadores lo afecten mayormente se podrá medir su desempeño y

diferenciar su rendimiento según variables cuantificables como el clima, los oponentes,

rendimiento con marcador a favor o en contra, etc.; todo ello con el soporte de la Sabermetría

(Merejo, 2013). Entonces se planteó la interrogante ¿si se puede aplicar la Sabermetría al

fútbol? Si bien los avances tecnológicos predominan en los deportes, estos tienen sus

particularidades propias que les permitió adoptar determinados conceptos estadísticos siendo

más determinante para béisbol ya que hay mayores jugadas posibles como probabilidades

posibles y el grado de aplicación en el futbol sería inferior al beisbol (Wetherman, 2014) y

por tanto su aplicación sería limitada dado que es complicado segmentar cada jugada del

futbol por ser un juego de acciones continuas como se permite en el béisbol, por ejemplo

¿cómo identificar o predecir una jugada de gol a partir de un error del oponente o un
 8

contragolpe o tiro libre o saque lateral? Con dicho análisis se revisarán a continuación

determinadas estadísticas de un futbolista de élite y el impacto en su equipo local y selección

nacional a las que pertenece.

La Sabermetría se aplicó en el fútbol pero su extensión estuvo tamizada por criterios

de jueces dado que el riesgo de error es mayor que en otros deportes e históricamente los

logros colectivos no han podido ser replicados consecutivamente por un mismo equipo vía

ceteris paribus; ya que dependieron de múltiples variables como el plantel, los rivales, el

entrenador, reemplazo o contratación de nuevos jugadores, y los intangibles psicológicos que

no se pudieron medir fehacientemente como la motivación, ansiedad, estrés, etc.; todos ellos

confluyeron y variaron las probabilidades de acierto o error en una competición (Wetherman,

2014). Según el Diario Sport (2016) el desempeño del jugador de fútbol Leonel Messi en el

equipo Barcelona FC promedió 0.87 goles por partido, mientras que en la selección

Argentina fue de 0.50 goles por partido; asimismo, en las actuales eliminatorias la selección

de fútbol Argentina no alineó a Leonel Messi tuvo una efectividad de partidos ganados del

29%, pero al alienarlo fue de 83% (Diario La Nación, 2017). Dicho jugador en liga Española

de Fútbol temporada 2016/2017 en el Barcelona FC tuvo una efectividad de partidos ganados

del 66% a comparación de no haber participado en las competiciones donde la efectividad fue

62% y que según la crítica deportiva la diferencia es poco significativa pero a nivel grupal

dicha ausencia del jugador tornó al equipo más predecible frente al rival; a ello esto se agregó

la cantidad de títulos conseguidos con el equipo Barcelona FC (28) y con su selección (2) en

dichos años, este último valor representó una efectividad del 35% de títulos conseguidos con

la selección Argentina (Diario Sport, 2016). Así, el desempeño de un jugador de élite como

Leonel Messi varió tanto en el equipo como en la selección argentina, lo cual no correspondió

a un desempeño estable y sumado a derrotas en partidos cruciales con ambos equipos generó

que diversas variables fueron analizadas para explicar dicha problemática y que según
 9

Infobae (2016) se debió a circunstancias individuales (psicológicas) que afectaron el

desempeño individual y por ende el desempeño grupal en ambos equipos, y esta variable –

psicológica – fue afectada por elementos de contexto diversos difícil de gestionar

(expectativas, hinchas, motivaciones, etc.).

En conclusión, la Sabermetría es una herramienta que implica ceñirse al método y no

permitir que prime la subjetividad, intuiciones personales, etc. para el análisis y la toma de

decisiones ex ante, durante y ex post de la competencia; considerando que este método

permite visualizar los datos de los jugadores de forma sistemática e integral dentro del

proceso y no sólo de manera individual y retrospectiva. Si bien este método es un predictor

innovador que tiene acogida en deportes con acciones discontinuas como el béisbol, básquet,

etc. no se puede obviar la habilidad del deportista en adaptarse al entorno deportivo

cambiante utilizando la información contextual para generar comportamientos adaptativos en

cada situación de juego sin necesidad de representaciones mentales previas (ISP); más aún en

deportes con acciones continuas como el fútbol donde confluyen mayor cantidad de

variables, probabilidades y formas de desarrollar la competencia. Así, las estadísticas no

juegan los partidos sino los jugadores definen los encuentros ante cada situación, rival,

ambiente, etc. con el soporte de determinados parámetros proporcionados a cada proceso de

la competencia como lo hace la Sabermetría. Un elemento pendiente de dichas estadísticas es

integrar el desempeño colectivo de tal forma que estos indicadores apunten a lo propuesto por

el padre de la Psicología Gestáltica Fritz Perls donde el todo es más importante que la suma

de las partes (Shepard, 1977) y ello necesitará que mejoren las fórmulas estadísticas para que

se integren los vacíos que existen para explicar y pronosticar los desempeños grupales e

individuales.
 10

Referencias

Abernethy, B., Gill, D. P., Parks, S. L., & Packer, S. T. (2001). Expertise and the perception

of inematic and situational probability information. Perception, 30, 233---252.

http://dx.doi.org/10.1068/p2872

Araujo, D., Davids, K., & Hristovski, R. (2006). The ecological dynamics of decision making

in sport. Psychology of Sport and Exercise, 7, 653---676.

http://dx.doi.org/10.1016/j.psychsport.2006.07.002

Arcila-Calderón, C., Barbosa-Caro, E., & Cabezuelo-Lorenzo, F. (2016). Técnicas big data.

El Profesional De La Información, 25(4), 623-631. doi:10.3145/epi.2016.jul.12

Bakshi, M. (Productor), & Miller, B. (Director). (2011). Moneyball. Estados Unidos:

Columbia Pictures.

Bunge, M. (1995). La ciencia: Su método y su filosofía. Buenos Aires, Argentina:

Sudamericana.

Costa, G., Huber, M., & Saccoman, J. (2007). Understanding sabermetrics: An introduction

to the science of baseball statistics. McFarland, NC: McFarland.

Davids, B. (1971). Society for American Baseball Research. Recuperado de: http://sabr.org/

Dhar, V. (2013). Data science and prediction. Recuperado de:

https://archive.nyu.edu/bitstream/2451/31553/2/DharDataScience.pdf

Diario La Nación. (2017). La increíble racha sin Messi. Recuperado de:

http://www.lanacion.com.ar/2000511-eliminatorias-sudamericanas-la-increible-racha-

sin-messi-cuantos-puntos-saco-la-argentina-con-su-capitan-y-cuantos-sin-el
 11

Diario Sport. (2016). Así es la vida del Barça sin Messi. Recuperado de:

http://www.sport.es/es/noticias/barca/asi-vida-del-barca-sin-messi-5402063

Diario Sport. (2016). Todos los títulos de Messi con el FC Barcelona y Argentina.

Recuperado de: http://www.sport.es/es/noticias/barca/todos-los-titulos-messi-con-

barcelona-argentina-5223945

Litwin, J. y Fernández, G. (1982). Evaluación y estadística aplicadas a la educación física y

el deporte. Buenos Aires, Argentina: Stadium.

Luis, V. (2017). La información situacional probabilística en el deporte: un meta análisis.

Revista Latinoamericana De Psicología, 49(1), 70-79. doi:10.1016/j.rlp.2016.07.001

Martínez García, J., & Martínez Caro, L. (2010). RICYDE. Revista Internacional De

Ciencias Del Deporte, 6(18), 13-36.

Merejo, F. (2013). ¿Qué es la Sabermetría? Extraído de:

http://www.sabermetrico.com/articulos/que-es-la-sabermetria/

Portal Digital INFOBAE. (2016). El análisis de los psicólogos: qué pasó por la cabeza de

Lionel Messi. Recuperado de: http://www.infobae.com/tendencias/2016/06/27/que-

paso-por-la-cabeza-de-messi-antes-de-la-final/

Russom, P. (2011). Big data analytics. Recuperado de: http://tdwi.org/research/2011/09/best-

practices-reportq4-big-data-analytics.aspx?tc=page0

Shepard, M. (1977). Fritz Perls: La Terapia Gestáltica. Buenos Aires, Argentina: Paidós.

Soto Valero, C., & González Castellanos, M. (2015). Sabermetría y nuevas tendencias en el

análisis estadístico del juego de béisbol. Retos: Nuevas perspectivas de educación

física, Deporte Y Recreación, (28), 122-127.

 12

UNISPORT (1992). Carta Europea del Deporte. Recuperado de: http://www.unisport.es/

Wetherman, C. (2014). Sabermetrics. Recuperado de:

http://www.elcristalconquetemiro.com/2014/11/identidad/editorial/sabermetrics-o-

como-aplicar-la-ciencia-al-futbol-y-la-dificultad-de-la-proxima-gran-revolucion/

Williams, A. (2009). Perceiving the intentions of others: How do skilled performers make

anticipation judgments? Progress in Brain Research, 174, 73---83.

http://dx.doi.org/10.1016/S0079-6123(09)01307-7