FG Sport

Subjetividad por objetividad

¿Qué preguntas podemos responder usando esta tecnología? Pueden ser infinitas, pero pensemos en algunas pocas que nos vuelvan más terrenal el servicio: ¿A qué jugadores de inferiores se les debe prestar atención? Damos algunos ejemplos de jugadores que fueron rechazados por opiniones de ojeadores, cuerpo técnico o directivos con fundamentos del estilo “no tiene futuro “no sirve” “este es mejor”; David Villa al Real Oviedo, Martin Palermo a San Martin de Tucumán, Javier Zanetti a independiente, Zidane al Blackburn Rovers, Ronaldo al Flamengo y a Boca, Cafu, Kaka, Ezequeil Lavezzi, Paulo Dybala y ni hablar la no apuesta de Newell ́s o River por Lionel Messi. De estos casos, existen miles. Con la IA podemos realizar un seguimiento, encontrar patrones y condiciones que nos van a ayudar en decidir a quién darle continuidad y a quien no.

La IA que lo ve todo

¿Qué jugador sub24 tiene características similares, al hoy en boca de todos, Julián Álvarez? Mediante nuestras técnicas de IA rastreamos todos los jugadores u24 de Sudamérica y encontramos que Diego Valencia muestra parámetros y métricas muy similares, lo que podría ser una apuesta interesante respaldada con datos precisos. ¿Tengo el reemplazo de un titular en mis formativas en algún jugador que cedí a préstamo o tengo que buscarlo afuera? ¿Tengo seguimiento real y respaldado con datos de esos jugadores que preste para saber si me sirven cuando vuelvan o no? Al ojo humano, se vuelve imposible tener un análisis completo de todos los jugadores que SI puede darnos la IA. Ante la partida de Borre de River, la búsqueda de su reemplazo se basó en IA. Gallardo planteo que jugador tiene características similares y se va a adaptar mejor para no sufrir la baja del colombiano. La IA respondió con Braian Romero, delantero de Defensa y Justicia, ni de los más conocidos ni de los más costosos. Solo bastó con el primer partido para demostrar que su incorporación era la indicada. Lo pago casi 3m y hoy su valor es de 5,5m en solo 6 meses.

Hallazgos internacionales

Jugadores como Lo Celso o Richarlison, fueron descubiertos gracias a la IA. Al brasilero se lo identifico al Watford cuando jugaba en Fluminense. Luego de un proceso de evaluación, Watford lo compró por 13 millones de libras y un año más tarde de haber debutado en la Premier League se lo vendieron en 55 millones al Everton. La ayuda no fue solamente identificar el talento, sino además a ayudar a generarle beneficios al club.

IA como scoutings

¿Qué pasa con el scouting? Vamos con otro ejemplo, recibimos un informe de 20 partidos variados de reserva. ¿Eso nos permite tener una conclusión real? ¿Y si ese día, tal o cual jugador tuvo un mal partido, ya queda descartado? Al ojo humano se hace imposible analizar una cierta cantidad de competencias, no solo se torna subjetivo ese análisis sino supercostoso si contemplamos salario + cargas sociales + viaticos etc del ojeador en cuestión. Para analizar en profundidad liga argentina con sus reservas, b nacional, b metro, liga chilena, brasilera, colombiana, peruana y paraguaya para poner un ejemplo ¿cuantas personas necesitamos? Desde nuestra herramienta podemos tener un seguimiento completo y adaptado a la necesidad de la institución. ¿Y si la negociación de contratos se basara en datos precisos? Sin pujas de agentes ni jugadores con prensa. Con 29 años de edad, Kevin De Bruyne lleva cerca de un año sin agente y contrató un equipo de big data para calcular su valor y negociar con el club. A través de los datos recopilados, De Bruyne pudo demostrarle al Manchester City su valor como el jugador más influyente. ¿Ahora cuento se pierde en salarios mal negociados por aquellos que no rinden al nivel esperado? ¿Ahora vayamos un poco a lo táctico, como se planea un partido? Desde el análisis con IA podemos saber que laterales quitan mejor en campo propio o campo rival, cuales llegan a línea de fondo y tienen mejor promedio de centro correctos, que volante ataca con más o menos profundidad, que delantero tiene mayor efectividad, mejor cabezazo o más gambetas efectivas. Así como tenemos nuestra información, tenemos la del rival, entonces nos va a servir para definir como formar según el equipo contrario.

La ia

que lo ve todo

Encargados en buscar jugadores basados en tus estrategias, presupuesto y calidad. Mejores Búsquedas para mejores resultados.

EL SEVILLA DE MONCHI

¿Cómo ficha el Sevilla de Monchi? Nada queda a la improvisación, como reconoce el propio director general deportivo, en cuyo radar hay 18.000 futbolistas de todo el mundo: “Hemos creado un departamento de Inteligencia Artificial (IA), Machine Learning y Big Data donde hay distintos perfiles. Destinamos diferentes recursos del club que ya estaban y hemos traído otros de fuera, de distinto origen, algunos incluso que poco tienen que ver con el fútbol”.
Y es que Monchi más que a ojeadores está incorporando a su equipo a ingenieros, matemáticos, desarrolladores, expertos en estadísticas... “El Big Data es el futuro del fútbol. No porque vayas a fichar un jugador en función de los datos, sino porque reduce el riesgo y nos ayuda a tomar decisiones”.

PROCESO DE FICHAJES

1. El Sevilla tiene detectados 18.000 futbolistas en todo el mundo que podrían ser susceptibles de fichar por el club hispalense, tanto por nivel futbolístico como por posibilidades económicas.

2. Eligen la posición a reforzar junto con el entrenador. Por ejemplo, si se busca un futbolista de banda en el perfil derecho, como ha sido en el caso de Suso, el número de candidatos se reduce de los 18.000 del radar a alrededor de 1.500 futbolistas.

3. Con el entrenador comienza la labor de definir el tipo de jugador necesario: ¿Qué características debe tener? Depende de la forma de jugar del equipo y de lo que quiera el técnico. Ya se reducen los candidatos a 500.

4. El data ayuda a encontrar el mejor perfil. “El objetivo final es que en vez de elegir entre 500 centrales hacerlo entre 30, con el apoyo del dato para tomar decisiones”, afirma Monchi.

5. Elegir al futbolista a fichar dependiendo del precio de mercado y tras hacer un análisis más profundo con el matiz personal en la decisión final. “Lo que pretendemos es rebajar la subjetividad y aumentar objetividad para reducir el error humano en 18.000 jugadores”.

CASO SEVILLA

DATA ANALYTICS

PROCESO DE SCOUTING CON IA

Descubre como mediante técnicas de Machine Learning realizamos un proceso de Scouting para encontrar un lateral izquierdo para Estudiantes de La Plata.

PROCESO DE SCOUTING CON IA

El universo de búsqueda se enfoca en jugadores de primera división que hayan jugado al menos 10 partidos en la última temporada. La inteligencia artificial nos permite el analisis masivo con datos objetivos, teniendo la posibilidad de analizar otras ligas del continente o del mundo, partidos de reserva o nuestras divisiones formativas, cosa que se escapa al ojo humano. Es decir cuanto tiempo o cuantas personas necesitamos para ver todos los partidos por ejemplo de todos los laterales por izquierda de 5 ligas.

Dejando en claro que es una herramienta complementaria, siempre vamos a necesitar el factor humano para tomar decisiones. Pero que mejor que tenes fundamentos al decidir y no solo opiniones.Utilizando nuestros propios algoritmos clasificamos el rendimiento de dichos jugadores y elaboramos un ranking de acuerdo al rendimiento de las métricas seleccionadas: Ocasiones generadas, Tiros, Pases efectivos, Pases de finalización efectivos, Centros efectivos, Balones recuperados, Recuperaciones en campo rival, Interceptaciones, Disputas en ataque ganadas, Disputas defensivas ganadas, Disputas ganadas.

Los jugadores tendrán un valor asignado formando un ranking final y además serán divididos en grupos de acuerdo a su rendimiento y posición en el ranking, está división será nombrada como CLASE e incluirá 5 valoraciones ( A-B-C-D-E). Todos los datos utilizados en nuestras métricas son provistos por INSTAT y se muestran en valores cada 90 minutos de juego.

Es importante destacar que las métricas, ponderaciones y valoraciones pueden ser modificadas de acuerdo a la necesidad de cada cliente. Esto permite la personalización de cada búsqueda contextualizando el dato a la necesidad futbolística. No es lo mismo comparar un delantero que juega en River y tiene 5 o 6 situaciones de gol por partido, que aquel que juega en Central Cordoba y puede tener 1 o 2. Lo que hacemos es llevar, por medio de tecnologia, a igualar esos contextos para que la comparacion sea real.

TOP 15

SIMILITUD DE EQUIPOS TOP 5

La tabla indica los 5 equipos más similares de acuerdo a las métricas utilizadas para la búsqueda de jugadores. Esta similitud puede ser un indicador de fácil adaptación al modelo de juego de Estudiantes.

CANDIDATOS TOP 5

Según la posición en el ranking y la similitud de los equipos, estos son los 5 candidatos para analizar.

COMPARACION DE PRECIOS ENTRE CANDIDATOS Y JUGADORES

Es importante destacar que la información final sirve como muestra de un proceso totalmente adaptable a cada necesidad.
Todo dato puede ser ponderado de acuerdo a las características que se buscan.
El ranking final o la “clase” pueden modificarse de acuerdo con cada modelo de juego o necesidad de la institución.
Nuestros informes no solo se generan en formato PDF, sino que nuestra aplicación permite trabajar de manera interactiva con los datos procesados para poder tomar mejores decisiones.

PROCESO DE SCOUTING CON IA

TOP 15

SIMILITUD DE EQUIPOS TOP 5

CANDIDATOS TOP 5

Según la posición en el ranking y la similitud de los equipos, estos son los 5 candidatos para analizar.

COMPARACION DE PRECIOS ENTRE CANDIDATOS Y JUGADORES

Introducción

La ia

que lo ve todo