Actualmente, reconocer modelos de reclutamiento y trabajo directivo como el del Brighton o el Brentford en Inglaterra es bastante común. El impacto del Big Data y los análisis basados en estadísticas, números y métricas es pan de cada día. Sin embargo, hace menos de una década, estas aproximaciones para comprender y abordar el deporte rey no eran tan usuales.
De hecho, los trabajos para impulsar la unión entre el balompié y el análisis numérico del juego empezaron lentamente hasta ganarse su lugar. Y, en esa competencia para asentarse en el deporte, hay figuras de una importancia rutilante. Una de las más destacadas, siendo pionera en todo el mundo del Big Data aplicado al fútbol, es Sarah Rudd.
Te puede interesar: La pelota sí se mancha: la violencia de género y el fútbol.
Nacida en los Estados Unidos, Rudd no solo es una figura determinante en este rubro, sino que se convirtió en una de las mujeres más representativas en este ámbito, en un deporte predominantemente trabajado por hombres. Por eso, en Balón Latino, nos hemos propuesto traer su historia como analista, su impacto en uno de los mejores clubes del momento, y, sobre todo, compartir el conocimiento y experiencia que ha adquirido y socializado en estos años.
Sarah Rudd, un camino entre la academia y la comprensión del juego
Antes del 2011, Sarah Rudd dedicaba su vida al estudio y a la academia, aunque su sueño no dejaba de estar latente. Su proyecto de vincular su formación profesional con el fútbol era una tarea que no dejaba de darle vueltas en la cabeza. Sus estudios en Ciencias de la Computación en la Universidad de Columbia, su maestría en Negocios en Massachusetts, y su experiencia trabajando como ingeniera de software en Microsoft la direccionaban, sin saberlo, en lo que se convertiría en el trabajo de su vida.
Por aquella época, la pretensión de Rudd era, justamente, encontrar ese pequeño hueco en el que insertarse y desarrollar al máximo sus potencialidades. Y, curiosamente, ese hueco lo encontró gracias a una oportunidad que hoy sería impensada. La empresa StatDNA, enfocada en ofrecer servicios de análisis para equipos deportivos, abrió una parte de sus bases de datos para un concurso.
En aquella competencia, ella aprovechó su conocimiento sobre el juego para convertir los datos del fútbol brasileño en la gasolina para un modelo estadístico brillante. En pocas palabras, su trabajo consistió en construir un modelo que cuantificara el valor de peligro que tenían la situación en la que se encontraba un jugador y el grado en el que su siguiente movimiento aumentaba las probabilidades de anotar para su equipo. Es decir, encontró una combinación estadística para evaluar la variación de las probabilidades de gol según la decisión que tomaba un jugador con el balón.
Con este brillante modelo estadístico, de gran utilidad en el área de reclutamiento y análisis de un club deportivo, Sarah Rudd ingresó a StatDNA, dando un paso vital en su carrera.
Su llegada al Arsenal
Es aquí, en este punto de su carrera, cuando Sarah Rudd encuentra un hogar para su siguiente década. El Arsenal de Arsene Wenger era cliente exclusivo de StatDNA, hasta que Ivan Gazidis, director general del club, se propone comprarlo. ¿Para qué? Con el gran propósito de convertir el trabajo de la empresa en una ventaja competitiva en el mercado futbolero, teniendo su propio departamento de análisis de datos, tanto para el reclutamiento como para el rendimiento deportivo de sus equipos.
En ese instante, Sarah Rudd empieza a trabajar con el equipo inglés, convirtiéndose, posteriormente, en su Directora de Analítica y Desarrollo de Software. Con el club, esta mujer, reconocida como pionera y como una de las primeras mujeres analistas en Inglaterra y el mundo, comienza a trabajar en lo que hoy en día es común.
Sistemas de seguimiento de rendimiento, modelos computacionales basados en estadísticas deportivas, reclutamiento y evaluación deportiva basada en datos y, en últimas, la construcción de un sistema deportivo de análisis específico para el club fueron enormes victorias que tuvo Sarah en el Arsenal. Parte de sus resultados están siendo palpados actualmente, con la irrupción de jugadores fichados bajo el trabajo de su departamento. La incorporación temprana de jóvenes como Bukayo Saka, Emile Smith-Rowe o Gabriel Martinelli es un fiel ejemplo del avance deportivo de su trabajo.
Un trabajo que, aunque ella salió del club en 2021, seguirá dejando su huella en el futuro. Su rol en el Arsenal no fue meramente operativo. Por el contrario, uno de los puntos que más destaca es la perdurabilidad del trabajo y de los modelos. En el club quedaron los modelos construidos por ella y su equipo de trabajo, y quedaron los perfiles de miles de jugadores, perfiles que no existían cuando ella llegó. En este sentido, el trabajo de reclutamiento del club en los próximos años, así como su vía de análisis de rendimiento seguirá dejando sus frutos, ya sea con Mikel Arteta, el entrenador actual, o con otros nombres que vengan en los próximos años.
Una hoja de ruta para los departamentos de análisis del mundo: la sabiduría de Sarah Rudd
Recordar y contar la historia de Sarah Rudd no es solo valioso en términos anecdóticos. También es un importante ejercicio en el reconocimiento del impacto de una mujer en un deporte que, históricamente, ha estado manejado por hombres. Es, por ello, que las enseñanzas de la creadora de SRC FTBL (su start-up de consultoría para analíticas de fútbol) son el centro de este artículo, recopilando toda la sabiduría que la propia Rudd ha compartido en diversos espacios públicos.
¿El ojo de la experiencia o los crudos números?
Siempre que se pone el tema del Big Data sobre la mesa en un debate sobre fútbol, la cuestión se divide en dos ideas fundamentales. Ambas son, aparentemente, excluyentes. Por un lado, están quienes afirman que no hay dato estadístico que pueda superar al ojo de la experiencia, a la sensación futbolística. Por otro lado, están quienes confían profundamente en el análisis de los datos, los números que deja un jugador sobre el escritorio.
Este ha sido un debate de muchos años y, de hecho, la propia Rudd reconoce que fue algo con lo que se encontró al llegar al Arsenal. Por ejemplo, el proceso por el cual Gazidis logró convencer a Wenger, entrenador del club en la época, fue partiendo de esta disyuntiva. Por aquellos años, el Arsenal estaba saliendo de dos fichajes desastrosos: Marouane Chamakh y Park Chu-Young. Ambos fueron fichados como futuras estrellas para el club, pero ambos fallaron estrepitosamente. Con ello, Gazidis se plantó ante Wenger con la propuesta de fortalecer un departamento que evitaría futuros casos como el del marroquí o el surcoreano.
De esta manera, el Arsenal comenzó la transición que ya comentamos. Ahora bien, ¿en qué quedó la discusión?
Pues bien, Sarah Rudd reconoce cómo esto ha cambiado con los años: “Anteriormente, era un trabajo por separado (entre ojeadores “de sensaciones” y ojeadores de datos), y al final de peleaba por quién tenía la razón. Luego, eso fue cambiando a un ‘nosotros elegimos unos posibles objetivos, y la tarea se termina con el ojeo’. Sin embargo, ahora es un trabajo colaborativo e integrado”.
Es más, este trabajo colaborativo ha derivado en una relación que explica muy bien con un ejemplo de trabajo con el cuerpo técnico de Unai Emery. Al respecto, contó en el Podcast Training Ground, que “Al comienzo de la temporada, todo comienza pequeño [la recolección de datos de rendimiento] y con el pasar de la temporada empiezan a surgir sugerencias: ‘Tengo una duda, puedes añadir esto’, y la recolección empieza a crecer. (…) El cuerpo técnico de Emery venía de una estructura diferente en el PSG, con otras métricas, otra terminología, un lenguaje diferente”.
Por ende, el trabajo parte de un proceso de traducción y ajuste entre cuerpo técnico, scouts y el equipo de analítica, buscando encontrar el modelo preciso, que todos entiendan y que esté ajustado a las necesidades y posibilidades de todos. “Cuando se opera de esta manera, las personas sienten que el modelo es suyo. Y ese es un aspecto muy importante que tal vez no apreciaba antes”, afirma en el podcast.
Poder influir en las decisiones
Justamente, esto lleva al segundo punto clave de sus enseñanzas: el poder influir en las decisiones que se toman. El análisis de datos, la recolección de los mismos y la creación de modelos tienen muy poca utilidad si no están acompañados de un efecto directo en la toma de decisiones de los clubes. De hecho, hacer sentir a todos los involucrados que el modelo es de ellos y que está adaptado a sus necesidades es una estrategia vital para poder alcanzar la confianza.
La confianza, como en otros ámbitos de la vida, es crucial en este aspecto. Crucialmente, así fue cómo consiguió ganarse un lugar, junto con su equipo de trabajo en SRC FTBL, en la toma de decisiones del Houston Dynamo de la MLS.
El mercado del cuadro naranja para la temporada 2023 estuvo fuertemente influenciado por el trabajo de la consultora de Sarah Rudd. Un mercado que, dentro de muchas cosas, trajo grandes resultados al club, con la llegada, por ejemplo, de Ibrahim Aliyu. El delantero nigeriano llegó desde Croacia por 2 millones de euros y cerró el año siendo uno de los atacantes con más opciones de peligro generadas en Estados Unidos.
“Fui de las primeras, pero ya no estoy sola”
Aunque Sarah Rudd reconoce que nunca se sintió discriminada por ser mujer en un “mundo de hombres”, lo cierto es que la diferencia en presencias es enorme. Ella misma reconoció que, cuando dio un paso atrás para reflexionar sobre su tiempo en Arsenal, notó que era de las pocas mujeres en la industria. “Cuando te vas y tomas perspectiva, dices ‘No hay muchas mujeres en el campo en general’”.
No obstante, el paso del tiempo ha dejado marcado su efecto. Y el número de mujeres en el campo e interesadas en la industria ha aumentado. Sarah Rudd reconoce, al respecto, uno de los anhelos más importantes: “Hay, de hecho, varias mujeres involucradas en roles senior en otros deportes de los Estados Unidos. Yo nunca tuve a alguien a quien admirar, por lo que, espero poder ser un modelo para otras mujeres y que vean viable este camino profesional”.
El potencial de las matemáticas en el análisis estadístico
“Cualquiera puede decir que puede analizar los datos del fútbol, pero lo que los clubes de fútbol realmente quieren es que alguien les muestre lo que pueden hacer”, admitió en entrevista con Training Ground después de una reunión casual con Mike Forde, entonces Director de Operaciones de Fútbol del Chelsea.
El método de Rudd está basado en cadenas de Markov para evaluar el rendimiento de los jugadores, donde la probabilidad de que ocurra un evento depende solamente del evento inmediatamente anterior. “Tomé los datos y construí un modelo de cadena de Markov mirando cuál es el valor de la situación en la que se encuentra el jugador actualmente y dónde movieron la pelota”, dijo. “¿Es más probable que el equipo marque a partir de esa situación, o es menos probable? Puedes asignar números a eso, así que ¿cuánto aumentaron la probabilidad de anotar o no?”.
Eran los primeros días de estudio del fútbol, y la mayoría de los analistas de clubes aún no habían llegado a clasificar las hojas de cálculo de sus jugadores, y mucho menos a hablar de los objetivos esperados (xT). Así que cuando Rudd se subió al escenario en el Simposio de Nueva Inglaterra sobre Estadísticas Deportivas en Harvard para presentar su “Marco para el análisis táctico y la evaluación individual de la producción ofensiva en el fútbol” se estaba mudando a un territorio completamente nuevo.
“Así fue como empecé y a partir de ahí llegué a presentar en NESSIS (Simposio de Nueva Inglaterra sobre Estadísticas en Deportes) y pude charlar con Jaeson Rosenfeld (fundador y CEO de StatDNA) y decidió ofrecerme un trabajo. Supongo que así es como mi historia cierra el círculo”.
Rudd se dio cuenta de todas las probabilidades que se pueden utilizar para asignar crédito a los jugadores por un movimiento de ataque. Por ejemplo, tenemos a un volante central, un extremo y un delantero, todos involucrados en un gol. ¿Cómo deberíamos dividir el crédito por el gol entre estos tres jugadores?
Por lo general, le damos todos los aplausos al atacante por el gol y al centrocampista por la asistencia. Pero esto no es justo para el extremo que preparó toda la jugada. La respuesta es contar cuánto mejoró cada jugador la probabilidad de marcar goles. Cuando el extremo pasó al centro del campo, la probabilidad de gol aumentó del 12 % al 15 %, por lo que recibe 15-12 = 3 puntos. Cuando el centrocampista tomó el balón se aumentó la probabilidad de anotar, por lo que el mediocampista recibe 25-15=10 puntos, y cuando el delantero anota, recibe 100-25=75 puntos por completar el movimiento.
Este método también nos permite ver la diferencia entre los jugadores que simplemente aportan muchos pases gol y los que crean oportunidades. Para hacer eso, cada parte del campo de fútbol se divide en cuadrantes y se le asigna un valor basado en la probabilidad de anotar en esa posición en particular. Así que, si un jugador hace un pase que mueve la pelota desde un lugar donde es poco probable que su equipo marque, a un lugar donde es más probable que marque, entonces ha aumentado el xT a favor de su equipo. Para hacer esta predicción, debido a que el fútbol es tan aleatorio, solo se estima la probabilidad en un plazo ideal de 1, 5 o 10 segundos. Según su primer modelo: una pelota en el área (M) eventualmente resultará en un gol en el 25% de los casos y la pelota se perderá en el 75%.
Rudd hizo varias predicciones sorprendentes. Uno de ellas fue clasificar a Jordan Henderson (entonces jugaba para el Sunderland, y pronto fue fichado por el Liverpool) como uno de los 25 mejores jugadores de la Premier League en la temporada 2010-11 en el listado que destacaron otros como Luis Suárez y Carlos Tevez. En la actualidad, importantes proveedores de datos como Opta o StatsBomb emplean la métrica de amenaza esperada desarrollada por Rudd desde hace 13 años.
