LOGIN
Per anni, anzi per decenni, l'intuito dei grandi protagonisti, allenatori e manager, ha guidato il gioco del calcio. Ma l'intuito può condurre ad interpretazioni errate, e come in un effetto domino un'interpretazione errata determina scelte errate che implicano risultati negativi; la rivoluzione dei big data sta tutta qui: evitare il maggior numero di scelte errate, con ripercussioni positive a catena su tutti gli altri passaggi.
Il calcio di oggi - ma anche quello di ieri - non può più prescindere dai big data. L'apporto di machine learning ed elaborazioni correlate è recente ma non recentissimo.
Risale al 2013 il libro diventato poi un best seller The Numbers Game: Why Everything you know about Football is Wrong, Il gioco dei numeri: perché tutto quello che sai sul calcio è sbagliato, il quale rende di dominio pubblico un'innovazione che nel momento della pubblicazione del libro aveva già cessato di essere una novità assoluta.
La rivoluzione del calcio targata Opta e Stats
Basti pensare del resto che Opta, una delle società ad aver applicato per prime il machine learning al calcio, e forse per questo anche una delle più note se non la più nota in assoluto, è stata fondata nel 1996 con la fusione tra Opta Sportsdata e SportingStatz e da subito inizia a lavorare con la Premier League per l'utilizzo di Opta Index, un nuovo sistema di valutazione, mentre nel 2005 Opta comincia a lavorare in Germania e adotta metodologie di analisi dei dati sempre più all'avanguardia per il mondo del calcio di allora.
Il principio di azione che guida Opta ma anche Stats - probabilmente i più grandi database di statistiche sportive - è, nei fatti, banale: raccogliere quanti più dati possibile.
Esistono poi due categorie principali all'interno delle quali confluiscono: la raccolta degli avvenimenti di gioco - in pratica tutti i tocchi palla e le decisioni arbitrali - ed il tracciamento di ogni movimento di ciascun calciatore in campo, il che permette di dedurre distanza percorsa e velocità. Quello di cui sono capaci queste aziende non ha praticamente limiti, perché riescono a raccogliere dati da partite di calcio potenzialmente di qualsiasi epoca: è sufficiente che sia stato trasmesso in TV. Si può intuire facilmente come la quantità di dati che ne deriva sia letteralmente enorme.
Big data e calcio: la gestione dei club sportivi
.jpg)
Dati, numeri, che dimostrano quanto sia falsa l'equazione "più spendi, maggiori saranno le probabilità di vincita", che ha tenuto banco per anni e che in diversi casi continua ad essere di attualità. Aprire il portafogli per ingaggiare i calciatori migliori in circolazione non assicura la vittoria nelle competizioni. Anzi. The Numbers Game dimostra tramite analisi dei big data come gli investimenti sui settori giovanili per migliorare gli elementi del vivaio assicuri nella maggior parte dei casi risultati migliori rispetto a quelli che si otterrebbero ingaggiando i più bravi, e che l'allenatore - contrariamente a quanto si crede spesso - influisce solamente per il 15% dei risultati ottenuti dai suoi calciatori.
Già, perché la preparazione dei match è già in mano ai big data.
Antonio Gagliardi, Head of Match Analysis per la nazionale di calcio italiana, ha ammesso che essi "hanno già un ruolo dominante nella preparazione fisico-atletica: tutti gli allenamenti sono monitorati, così come le partite; alimentando un database collettivo e individuale di chilometri percorsi, accelerazioni, potenza metabolica. Questi dati sono utilizzati quotidianamente per capire i diversi carichi di lavoro a cui sottoporre i diversi giocatori in squadra". Alcune scelte sono dunque caldeggiate dalle statistiche e dai big data, ed anche se la scelta finale è sempre "umana" hanno contribuito a regalare un tocco di scienza ad uno sport come il calcio che è contraddistinto dalla casualità degli eventi.
Big data e calcio oggi: l'esempio di Inghilterra ad Euro 2020
Di recente Wired UK ha documentato come l'incontro di Euro 2020 valido per i quarti di finale tra Inghilterra e Germania - vinto 2-0 dagli inglesi - sia stato preparato attraverso una meticolosa preparazione che ha coinvolto machine learning e big data. Niente a che vedere con le banali informazioni di base sulle partite di calcio di dieci o venti anni fa, negli ultimi cinque anni il progresso tecnologico ha abbattuto i costi del tracciamento rendendo più semplice per società e federazioni tracciare i movimenti di ciascun calciatore durante i 90 minuti.
Il risultato è che se in precedenza da una partita venivano fuori tre o quattromila informazioni, adesso se ne cavano quattro milioni visto che è possibile tracciare più volte al secondo la posizione di tutti e ventidue i calciatori all'interno del rettangolo verde. E dalla conta sono esclusi i dati estrapolati dalle sessioni di allenamento, quelli su nutrizione, grado di idratazione, carico di lavoro, eccetera.
"Storicamente è mancata ai team la capacità di analizzare e comprendere quei dati", ha dichiarato un addetto ai lavori. Non è semplice neppure adesso: con la mole di dati attualmente disponibili la vera sfida è isolare ciò che è rilevante e ciò che invece non lo è. "Siamo pieni di dati, e la vera sfida è trovare ciò che è davvero rilevante", ha confessato l'allenatore dell'Inghilterra Southgate. “In molti altri sport, se fai X, Y, Z, vinci. Nel calcio abbiamo incontri a basso punteggio caratterizzati da molti eventi casuali".
