ArticlePDF Available

Big Data en el Futbol. El Nuevo Juego

Authors:

Abstract

This article explores the impact of the introduction of Big Data into the internal processes and decision making of football 1 teams, evaluating its relevance in business administration and strategy, as well as in the technical management of players and teams.
22 istmo / ANÁLISIS
Big Data
en el futbol
El nuevo juego*
istmo 23
Vivimos una era de ciencia e innovación, animada por la búsqueda
de metas de alto impacto y nuevas formas de diferenciarse de la
competencia. El futbol no es la excepción.
SILVIA CACHO-ELIZONDO Y JOSÉ-DOMINGO LÁZARO ÁLVAREZ
En 2003, el magnate ruso Román Abramó-
vich compró por 200 millones de euros el
Chelsea, equipo futbolista radicado en la
ciudad de Londres. Esta inversión empresarial,
justificada por la oportunidad de adquirir una
plantilla competitiva, un estadio propio, dos ho-
teles y un centro de diversiones, revolucionó la
industria del entretenimiento. La compra suscitó
el interés de grandes consorcios empresariales
-así como de emprendedores acomodados- para
participar activamente en la gestión de entida-
des deportivas, lugar que tradicionalmente ha-
bían ocupado los empresarios locales de fuerte
vinculación emocional con el club y la ciudad.
Este fenómeno de adquisición se extendería
años después a otros equipos de futbol como el
Manchester City FC, Arsenal FC, Liverpool FC,
Valencia CF, AC Milan, FC Internazionale Milano
o París Saint-Germain FC, AS Mónaco, entre
otros. La irrupción de estos nuevos actores su-
puso una innovación radical en el modelo de ne-
gocio de las organizaciones de entretenimiento
que modificó por completo el modo de competir
y obligó a una profesionalización rápida y pro-
funda de entidades ya establecidas; aquellas
constituidas como asociación (FC Barcelona,
Real Madrid o Athletic de Bilbao) o todavía pro-
piedad de empresarios locales (Juventus FC, FC
Oporto o Club Atlético de Madrid).
Ante este nuevo panorama, muchos equipos de
futbol decidieron apostar por la Big Data como un
elemento diferenciador para competir con éxito en
el nuevo escenario global. Destacaron los esfuerzos
realizados por el FC Barcelona o el estado de Qatar,
quienes a través del FC Barcelona Innovation Hub
y de la Aspire Academy dieron un paso más allá:
establecer todo un ecosistema colaborativo.
En nuestro país cabe señalar que los equipos
de la Liga MX disponen de sofisticados soft-
wares y dispositivos para medir el desempeño
de sus futbolistas. A colación, el Centro de In-
novación Tecnológica (Citec) dispone del Labo-
ratorio Tecnológico de la Liga MX, el cual, por
cada partido, almacena datos en la nube por un
tamaño de 15 gigabytes. Toma en cuenta esta-
dísticas, imágenes, videos, diagramas y mapas
de calor; material que es canalizado a los clubes
para su posterior interpretación.
DATOS Y ANALÍTICA: SÍ ES NEGOCIO
La Big Data encarna la frontera que hay que re-
correr para hacer efectiva una administración
moderna, profesional y eficiente de las organi-
zaciones que se enfrentan al desafío del trata-
miento de su información.
Los ingresos globales generados por Big Data
y análisis de negocios alcanzaron la cifra de
189.1 billones de dólares en 2019 que repre-
senta, desde 2018, 36% de los ingresos de todo
el software desarrollado. En este concepto, tan
solo IBM ingresó 2.66 billones de dólares, lo que
lo colocó como el mayor distribuidor mundial de
hardware, software y servicios de Big Data.
Por otro lado, un análisis de la firma Frost &
Sullivan determinó que el mercado de Big Data y
Analítica (BDA) en América Latina generó ingre-
sos por 2.9 mil millones en 2017. Actualmente,
Brasil se encuentra a la delantera en LATAM, pues
cuenta con 46.7% de las ventas totales. Le siguen
México con 26.7%; Colombia 7.9%; Chile 6.9%; Ar-
gentina 5.6%; y Perú 2.4%. Para 2023 se espera que
el ingreso llegue a 8.5 mil millones, a una tasa de
crecimiento compuesta anual de 19.2%.
La aplicación práctica de Big Data en los proce-
sos internos de un negocio tradicional se puede
percibir en actividades orientadas a generar aho-
rros y potenciar el valor agregado, tales como la
optimización de carteras de clientes y de inventa-
rios en el punto de venta, así como el análisis de
tendencias en internet para la gestión del porta-
folio de bienes y servicios, personalización de la
publicidad, análisis de los momentos de verdad y
otras muchas acciones mercantiles.
El Big Data tiene sin duda un alcance prepon-
derante en la mejora de la experiencia de cliente
al dinamizar la oferta comercial, transformar los
canales comerciales, modernizar la red de comu-
nicaciones con los clientes e incrementar la efi-
cacia y eficiencia de los procesos y operaciones.
De tal modo, estamos frente a una revolución
en el manejo y gestión a cargo de la alta dirección
de empresas que transformó profundamente el
método de toma de decisiones y revistió este pro-
ceso directivo de una nueva dimensión científica
-fuertemente analítica y plagada de indicadores-
capaz no solo de identificar correlaciones y es-
tablecer relaciones de causalidad, sino también
una innovación
radical en el modelo
de negocio de las
organizaciones de
entretenimiento
modificó por
completo el modo
de competir.
24 istmo / ANÁLISIS
forjar una convergencia de información a través
de fuentes independientes que presentan conclu-
siones útiles y rentables en un plazo de tiempo
extraordinariamente breve.
¿Y EN EL FUTBOL?
La tecnología de análisis de datos fue empleada
con éxito por la selección mexicana de futbol en
su encuentro clasificatorio para el Mundial de
Brasil 2014 contra Nueva Zelanda, y posterior-
mente por Alemania en amistosos previos a la
competencia y también durante la misma.
popularizó el análisis de datos en el deporte, con
la publicación de Moneyball: The Art of Winning
an Unfair Game (Michael Lewis), que narra el
éxito de Billy Beane, el entrenador de béisbol
del equipo Oakland Athletics, quien con ayuda
de las estadísticas logró que su equipo incre-
mentara inesperadamente la cantidad de parti-
dos ganados durante la temporada 2002.
La captación de datos evolucionó exponen-
cialmente con la aparición de la tecnología
wearable, la cual hace referencia al conjunto
de aparatos y dispositivos electrónicos que se
Línea del tiempo con los
hitos más destacados del
Big Data
en
el deporte
Fundación de
la empresa SAP
(originariamente:
Systemanalyse
und Program-
mentwicklung)
19691969
Hamilton lanza
el Pulsar P1,
primer reloj
wearable
19721972
Lanzamiento de
Excel por Microsoft
Corporation
Publicación del libro
The Bill James Historical
Baseball Abstract
19851985
Catapult Sports
desarrolla su
primer prototipo
experimental de
chaleco
wearable
20002000
Apertura del Milan
Lab a cargo del AC
Milan para reducir las
lesiones físicas
Éxito estadístico del
equipo de beisbol,
Oakland Athletic
20022002
Nike y Apple
lanzan la
aplicación
Nike+ para
entrenamiento
personal
20062006
Ese mismo año, la compañía de software
SAP firmó un acuerdo con el equipo alemán
de futbol, Bayern de Múnich, para mejorar el
rendimiento físico y la salud de su plantilla. Me-
diante sus nuevas aplicaciones, la firma analiza
en tiempo real el video del partido y distintos
indicadores del mismo, como el porcentaje de
pases acertados, la potencia o velocidad actual
de los disparos y la distancia recorrida por cada
jugador. Al final, genera informes en tiempo real
que facilitan el trabajo al técnico a la hora de
tomar decisiones. Pero fue en 2003 cuando se
istmo 25
incorporan en alguna parte de nuestro cuerpo.
El ejemplo más claro es el chaleco que visten
algunos equipos deportivos durante los entrena-
mientos y partidos y que disponen de sensores
GPS, acelerómetros, giroscopios, cardiómetro,
medidor de oxígeno o medidor de impactos.
De entre otras cuestiones, estos dispositivos
permiten medir estadísticas como las siguientes:
Cuantificar la fatiga y el desgaste muscular,
para prevenir lesiones musculares.
En esta línea, se pueden identificar seis principa-
les áreas donde la Big Data transforma y facilita
la toma de decisiones en el mundo del futbol:
1. Decisiones técnicas
2. Análisis predictivo
3. Comercialización de eventos
4. Comercios y servicios públicos alrededor
del lugar del evento deportivo
5. Eficiencia de recursos
6. Predicción del clima
Cuantificar variables como la velocidad o
la distancia recorrida, para medir el rendi-
miento del jugador.
Hacer un mapa de calor de las zonas del
campo por las que el jugador se traslada,
para establecer patrones de movimiento
precisos.
Cuantificar el estrés físico que sufre el
cuerpo a través de los impactos, con el fin
de prevenir lesiones articulares.
El FC Barcelona
implementa el
sistema informático
COR (Conocimiento,
organización y
rendimiento)
20102010
Utilización de
estadísticas por la
Selección Mexicana
de futbol
Golden State
Warriors instala
un sistema de
cámaras para
mejorar su defensa
20132013
Federación Alemana
de Futbol contrata
SAP y gana el
Mundial de Brasil
Acuerdo del
Real Madrid
con Microsoft
20142014
El Tour de Francia
obtiene datos en
tiempo real de
las bicicletas,
sincronizando toda
la información
20152015
SAP lanza SAP
Sports One para
futbol en diversos
países de América
Latina
Club América de
México contrata
SAP Sports One
20162016
Creación por parte del
FCB Barcelona del Barça
Innovation
El equipo de beisbol,
Houston Astros se alzó con
el título de liga gracias a
un complejo sistema de
análisis de datos
20172017
Los Philadelphia
Eagles ganan el
Super Bowl con
nuevo sistema
de información
20182018
26 istmo / ANÁLISIS
No obstante, en el deporte lo importante no son
los datos en sí, sino el valor que pueden tener al
ser procesados. Por ejemplo, en un entrenamiento
de una hora se capturan y analizan 77.7 millones
de puntos de datos por lo que discriminar lo rele-
vante de lo irrelevante es la auténtica clave.
FLORECE LA CULTURA DE LOS DATOS
La introducción de la Big Data en el futbol ha
revolucionado toda la industria. Mejoró la capa-
cidad de los jugadores al tiempo que les ayuda
a incrementar su rendimiento y da oportunidad
al cuerpo técnico de predecir y tomar decisiones
relevantes con relación a su plantilla. Igualmente,
es innegable que su irrupción supuso un impacto
en el manejo de información y permitió reali-
zar evaluaciones exhaustivas como nunca. Esto
ayuda en la prevención de lesiones y enfermeda-
des, al tiempo que hace visibles factores y varia-
bles que en el pasado no se tomaban en cuenta.
De entre otras cuestiones, la Big Data tendrá
una repercusión determinante en tres aspectos:
1. Detección y crecimiento del capital hu-
mano (tanto técnico como directivo)
2. Optimización de las operaciones internas
(ahorros y eficiencia)
3. Transformación de la experiencia del con-
sumidor y de las empresas (co-creación de
valor con los espectadores y patrocinadores)
Nos hallamos en una fase avanzada del floreci-
miento de la cultura de los datos para impulsar la
modernización del proceso de toma de decisiones.
Ésta es una época de ciencia e innovación que em-
pujará una renovada ambición por el éxito empre-
sarial, que se sustenta en la búsqueda de metas
de alto impacto a través del análisis de datos. Para
esto se requerirá llevar a cabo actividades diná-
micas soportadas en una medición exacta, rápida,
útil y rentable mediante indicadores y métricas
que nunca habían existido y que ahora están al
alcance de las organizaciones. ⁄
BI G DATA:
¿QUÉ ES?
En 2003, el economista
estadounidense Francis X.
Diebold popularizó el concepto
de
Big Data
para hacer referencia
a grandes cantidades de datos
de distintos orígenes, junto con
las técnicas necesarias para su
recolección, almacenamiento,
gestión y análisis.
La
Big Data
se puede generar
a partir de una pluralidad de
fuentes:
clics
en internet,
transacciones comerciales
digitales, envío de correos
electrónicos, comunicaciones
vía mensajería instantánea,
contenido escrito o audiovisual
elaborado por el usuario a través
de redes sociales, así como
datos procedentes de sensores
inteligentes y de cualquier
otro dispositivo conectado a
internet -desde
wearables
hasta
terminales de realidad virtual y
realidad aumentada.
Aunque existen otros procesos
empleados para el levantamiento
de información, a la
Big Data
la
distinguen cinco atributos:
• Veracidad
• Velocidad
• Valor
• Variedad
• Volumen
Silvia Cacho-Elizondo
Es profesora del área de Comercialización y
directora Académica de Programas In-Company
en IPADE Business School.
José-Domingo Lázaro Álvarez
Es profesor de ICAMI y consejero de HEZA
Consultoría Integral, Mau Pacific, Basañez
Consulting, Grupo Insa y Talento Líder.
Baerg, A. (2016). “Big Data, Sport, and the Digital Divide: Theorizing How Athletes Might Respond to Big Data Monito-
ring”. Journal of Sport & Social Issues. 41(1).
Frost and Sullivan´s. (2018). “Latin American Big Data and Analytics (BDA) market”.
George, G.; Haas, M.; Pentland, A. (2014). “Big Data and Management”. The Academy of Management Journal, 57(2),
321-326.
Jiang, F. and Leung, C.; (2015). “A Data Analityc Algorithm for Managing, Querying, and Processing Uncertain Big Data
in Cloud Environments”. Algorithms, 8(4), 1175-1194.
Koutroumpis, P. and Leiponen, A. (2013). “Understanding the value of (big) data”. In Proceedings of 2013 IEEE international
conference on Big Data. 38–42. Silicon Valley, CA, October 6–9, 2013. Los Alamitos, CA: IEEE Computer Society Press
Liu, S. (2019) “Big Data - Statistics & Facts”. Statista
Martin, D.; López-de-Ipiña, D.; Alzua-Sorzabal, A.; Lamsfus, C.; Torres-Manzanera, E. (2013). “A methodology and a web
platform for the collaborative development of context-aware systems”. Sensors, v. 13, n. 5, pp. 6032-6053.
McAfee, A.; Brynjolfsson, E.; (2012). “Big Data: the management revolution”. Harvard Business Review, 90(10), 60.
McKinsey Global Institute. (2011). “Big Data: The next frontier for innovation, competition, and productivity”. Lexington,
KY: McKinsey & Company
Saumyadipta Pyne, B.L.S.; Prakasa Rao, S.B. Rao. (2016). “Big Data Analytics: Methods and Applications”. Springer
REFERENCIAS
* Este artículo es un extracto de una investigación más amplia de Silvia Cacho-Elizondo y José-Domingo Lázaro Álvarez,
que fue presentado en la 19ª International Maketing Trends Conference en París, del 16 al 18 de enero de 2019.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Big data are everywhere as high volumes of varieties of valuable precise and uncertain data can be easily collected or generated at high velocity in various real-life applications. Embedded in these big data are rich sets of useful information and knowledge. To mine these big data and to discover useful information and knowledge, we present a data analytic algorithm in this article. Our algorithm manages, queries, and processes uncertain big data in cloud environments. More specifically, it manages transactions of uncertain big data, allows users to query these big data by specifying constraints expressing their interests, and processes the user-specified constraints to discover useful information and knowledge from the uncertain big data. As each item in every transaction in these uncertain big data is associated with an existential probability value expressing the likelihood of that item to be present in a particular transaction, computation could be intensive. Our algorithm uses the MapReduce model on a cloud environment for effective data analytics on these uncertain big data. Experimental results show the effectiveness of our data analytic algorithm for managing, querying, and processing uncertain big data in cloud environments.
Article
Full-text available
The authors reflect on management of big data by organizations. They comment on service level agreements (SLA) which define the nature and quality of information technology services and mention big data-sharing agreements tend to be poorly structured and informal. They reflect on the methodologies of analyzing big data and state it is easy to get false correlations when using typical statistical tools in analyzing big data. They talk about the use of big data in management and behavior research.
Article
Full-text available
Information and services personalization is essential for an optimal user experience. Systems have to be able to acquire data about the user's context, process them in order to identify the user's situation and finally, adapt the functionality of the system to that situation, but the development of context-aware systems is complex. Data coming from distributed and heterogeneous sources have to be acquired, processed and managed. Several programming frameworks have been proposed in order to simplify the development of context-aware systems. These frameworks offer high-level application programming interfaces for programmers that complicate the involvement of domain experts in the development life-cycle. The participation of users that do not have programming skills but are experts in the application domain can speed up and improve the development process of these kinds of systems. Apart from that, there is a lack of methodologies to guide the development process. This article presents as main contributions, the implementation and evaluation of a web platform and a methodology to collaboratively develop context-aware systems by programmers and domain experts.
Article
This article considers the relationship between Big Data and the athlete. Where Beer and Hutchins have focused on Big Data and sport, this article concentrates on the athlete’s potential response to Big Data monitoring. Drawing on the work of Andrejevic, and Kennedy and Moss, the project speaks to the Big Data–athlete relation through the theoretical framework of the digital divide. It describes Big Data and its relation to the digital divide before tracing out how athletes might respond to Big Data monitoring by presenting concerns about privacy and/or embracing a quantified self. Considering these responses provides a starting point for further work on how athletes should treat Big Data and its implications for sport.
Conference Paper
This paper acts as a primer on an economic outlook at the value and pricing of big data. We introduce a simple taxonomy, discuss rights to access and analyze the case of big data as a common pool resource.
Big Data: The next frontier for innovation, competition, and productivity
  • Mckinsey Global Institute
McKinsey Global Institute. (2011). "Big Data: The next frontier for innovation, competition, and productivity". Lexington, KY: McKinsey & Company
Es profesora del área de Comercialización y directora Académica de Programas In-Company en IPADE Business School
  • Silvia Cacho-Elizondo
Silvia Cacho-Elizondo Es profesora del área de Comercialización y directora Académica de Programas In-Company en IPADE Business School.
Lázaro Álvarez Es profesor de ICAMI y consejero de HEZA Consultoría Integral
  • José-Domingo
José-Domingo Lázaro Álvarez Es profesor de ICAMI y consejero de HEZA Consultoría Integral, Mau Pacific, Basañez Consulting, Grupo Insa y Talento Líder.