I Big data che aiutano gli atleti e il business

Partiamo dalla fine: i dati non sono infallibili. Colpa di Alvaro Morata, centravanti spagnolo della Juventus. Il suo gol al Santiago Bernabeu, mercoledì scorso, ha mandato i bianconeri in finale di Champions League. Con tanti saluti a Microsoft e ai suoi modelli predittivi. Bing, il motore di ricerca di casa Gates, aveva infatti pronosticato che a passare il turno sarebbe stato il Real Madrid di Carlo Ancellotti. Errato!

Eppure l'utilizzo dei Big Data per le previsioni in ambito sportivo è una realtà che si sta consolidando fortemente. La variabile ingestibile, quella prettamente umana, rimarrà per sempre tale. Ed è una fortuna. Ma le analisi diventeranno sempre più profonde, dettagliate, chirurgiche.

L'applicazione dei grandi dati nello sport, di fatto apre due scenari interessantissimi. Scenari che in un futuro molto prossimo (e in parte è già così, nda) catalizzeranno attenzioni importanti e investimenti a molti zeri. Il primo, quello puramente professionale, riguarda il miglioramento delle performance sportive da parte degli atleti. Il secondo, più associato agli eventi, è quello relativo alla possibilità di avere modelli predittivi sempre più efficaci, da applicare anche al mercato delle scommesse sportive.

I DATI NEGLI ALLENAMENTI

La Germania di Joachim Löw, redentrice del titolo di campione del Mondo, è stata la prima squadra a utilizzare i Big Data in fase di allenamento e preparazione della partita. Registrazioni video ad altissima definizione collegate a software in grado di generare migliaia di dati al secondo sono capaci di fornire a un allenatore particolari dettagliatissimi per ogni singolo calciatore: i chilometri percorsi, le accelerazioni, i tiri, i passaggi sbagliati, le aree coperte e quelle più vulnerabili. E se vi piacciono i numeri, sappiate che tre centrali difensivi generano fino 300 mila dati al minuto. Analizzarli aiuta a raggiungere la perfezione.

Ma è così anche in altri sport: dal tennis al basket, dal baseball al volley. Rafa Nadal, campionissimo del tennis moderno, utilizza una racchetta iper connessa. Grazie a un microchip integrato nel manico e a una serie di sensori installati lungo il piatto corde, ogni suo colpo viene registrato. E valutare quanto sia profondo il tuo servizio, o quanto sia ingestibile il tuo top-spin diventa un gioco da ragazzi. Un'applicazione simile la si trova anche nel baseball, con i sensori montati all'interno delle mazze. L'obiettivo è chiaro: la perfezione.

I DATI NELLE PREVISIONI

Prevedere il risultato di un evento sportivo non è certo la cosa più semplice del mondo.

Se non fosse così, il mercato miliardario delle scommesse sportive non avrebbe motivo di esistere. E anche lo sport agonistico perderebbe il suo appeal. Anzi, in soccorso a tutto questo, c'è anche un libro molto interessante scritto da due autori americani: Chris Anderson e David Sally. Il loro “The Numbers Game – Why Everything You Know About Football is Wrong” dice, senza troppi giri di parole, che più o meno il 50% del risultato di una singola partita è dettato dalla fortuna. E spesso può bastare un passaggio maldestro a determinare il risultato di una partita, di una stagione. Eppure l'applicazione dei Big Data in questo senso sta diventando una tendenza molto diffusa. Dicevamo in apertura che Bing, il motore di ricerca di Microsoft, ha usato l'analisi dei dati per le sue predizioni circa la Champions League. Prima di fallire il pronostico di Real-Juve, Bing aveva predetto correttamente 3 risultati su 4 nei quarti di finale. E si era comportato bene anche ai recenti mondiali di calcio in Brasile, dove aveva indovinato 15 pronostici su 16 partite. Per ottenere risultati comunque così vicini alla precisione, gli algoritmi utilizzati fanno leva sui dati statistici, ma anche sul sentiment che arriva direttamente dal web. Una delle tecniche più diffuse è il “Machine Learning”, un apprendimento automatico che permette di estrarre in tempo reale sempre più dettagli: dagli infortuni alle squalifiche, dalle scelte del modulo alla propensione offensiva (o difensiva) di un team.

Ai recenti mondiali di calcio - chi per lavoro, chi per diletto – i modelli predittivi si sprecavano: da istituti bancari come Goldman Sachs a Deutsche Bank, fino alle industrie dei videogiochi come Ea Sports. Quest'ultima, che alla fine è risultata l'unica big company ad offrire la predizione vincente, ha ottenuto il suo modello in un modo del tutto singolare: ha simulato, su Fifa14, il campionato del Mondo. Cioè ha fatto giocare le partite al suo computer. E a vincere i Mondiali è stata proprio la Germania.

Ma il vero business nel business è quello dei bookmakers. Le case delle scommesse, specie quelle inglesi come Paddy Power, sono state fra le prime a utilizzare i Big Data nel gioco. Un inferno di numeri e statistiche dal quale spuntano fuori le quote per ogni evento. Rimane la variabile umana. E quella, almeno per adesso, è incontrollabile. La speranza è che rimanga così ancora per molto tempo.

©RIPRODUZIONE RISERVATA