{"id":26048,"date":"2022-12-13T12:09:03","date_gmt":"2022-12-13T12:09:03","guid":{"rendered":"https:\/\/mioti.es\/?p=26048"},"modified":"2026-03-27T09:43:31","modified_gmt":"2026-03-27T09:43:31","slug":"como-aplicar-data-science-al-deporte","status":"publish","type":"post","link":"https:\/\/mioti.es\/es\/como-aplicar-data-science-al-deporte\/","title":{"rendered":"\u00bfC\u00f3mo aplicar Data Science al deporte?"},"content":{"rendered":"

El Data Science<\/strong> o ciencia de los datos<\/strong> es una de las habilidades tecnol\u00f3gicas m\u00e1s demandadas actualmente a nivel tanto nacional como internacional.<\/p>\n

Entre los muchos sectores en los que esta tecnolog\u00eda ha impactado especialmente en los \u00faltimos a\u00f1os, se encuentra el \u00e1mbito deportivo, en el que herramientas como la visi\u00f3n artificial<\/strong> <\/em>o los wereables<\/strong><\/em>, est\u00e1n marcando un antes y un despu\u00e9s.<\/p>\n

\"Banner<\/a><\/p>\n

\u00bfQu\u00e9 es el Data Science?<\/strong><\/h2>\n

El Data Science<\/strong> es un campo interdisciplinario que involucra m\u00e9todos cient\u00edficos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas. En pocas palabras, nos ayuda a responder preguntas complejas a trav\u00e9s del an\u00e1lisis de los datos.<\/strong><\/p>\n

Tipos de algoritmos<\/h3>\n

Mediante la recogida de datos y la creaci\u00f3n de un dataset<\/em> se entrenar\u00e1 a un algoritmo, con el objetivo de obtener un modelo para predecir nuevos datos.<\/p>\n

Existen diferentes algoritmos involucrados en este tipo de procesos, que pueden dividirse en tres tipos en funci\u00f3n de c\u00f3mo son capaces de aprender:<\/p>\n

    \n
  1. Algoritmos de aprendizaje<\/strong> supervisado<\/strong>. Son los que necesitan aprender comportamientos para poder trabajar por s\u00ed mismos. Es decir, les tenemos que ense\u00f1ar c\u00f3mo procesar los datos.<\/li>\n
  2. Algoritmos de aprendizaje<\/strong> no supervisado<\/strong>. Descubren cosas por s\u00ed mismos y son muy \u00fatiles para detectar comportamientos poco comunes y anomal\u00edas. Este tipo de inteligencia es muy interesante para, por ejemplo, el sector sanitario, ya que permite detectar comportamientos extra\u00f1os en las constantes vitales.<\/li>\n
  3. Algoritmos de aprendizaje por refuerzo<\/strong>. Son los que prueban y juegan con diferentes variables y van simulando resultados. Enfocados al mundo del deporte, son muy interesantes para, entre otras cosas, probar diferentes alineaciones y simular el resultado que podr\u00edan generar las diferentes posibilidades.<\/li>\n<\/ol>\n

    El Data Science y el deporte<\/strong><\/h2>\n

    La ciencia de datos en los clubes de f\u00fatbol<\/h3>\n

    Como hemos mencionado, el Data Science<\/strong> es una herramienta muy poderosa y cada vez m\u00e1s visible en el mundo del deporte. Los clubes de futbol espa\u00f1oles de m\u00e1s renombre ya tienen equipos especializados en esta materia.<\/p>\n

    Por ejemplo, el Real Madrid<\/strong> cuenta con un proyecto enfocado a esta tecnolog\u00eda llamado Next<\/strong><\/a>, y el F.C. Barcelona<\/strong> con otro llamado Innovation Hub<\/strong><\/a>. Este \u00faltimo organiz\u00f3 un congreso recientemente cuyo claim<\/em> era \u201cDon\u2019t trust, but verify with data\u201d, lo que deja ver la creciente confianza que los clubes deportivos est\u00e1n poniendo en el data science<\/em>.<\/p>\n

    La gran pregunta sobre la posibilidad de justificar decisiones con datos en el mundo del deporte es si existe suficiente informaci\u00f3n para ello. Como defiende el exfutbolista y CEO de Olocip<\/strong><\/a>, Esteban<\/strong> Granero,<\/strong><\/a><\/p>\n

    \u201cexisten datos suficientes, pero la mayor\u00eda no est\u00e1n liberalizados. Nosotros utilizamos los datos a los que podemos acceder y est\u00e1n en el mercado\u201d.<\/em><\/p>\n

     <\/p>\n

    \"Esteban<\/p>\n

    Actualmente en el mercado del recogimiento de datos en el mundo del deporte destaca el uso de los wearables<\/em><\/strong>, dispositivos capaces de medir constantes vitales \u2013 como la respiraci\u00f3n o las pulsaciones en tiempo real y de la visi\u00f3n artificial \u2013, que siguen a los jugadores para ver cu\u00e1les son sus movimientos y comportamientos.<\/p>\n

    \u00c1reas de uso de los datos en el \u00e1mbito deportivo<\/h3>\n

    Durante la masterclass<\/strong> sobre \u00abcomo el Data Science est\u00e1 cambiando el mundo del deporte\u00bb<\/strong>, Carlos Picazo<\/strong><\/a>, especialista en este \u00e1mbito y profesor de MIOTI<\/a>, destaca cinco \u00e1reas donde los datos se usan de manera intensiva en el \u00e1mbito deportivo:<\/p>\n

      \n
    1. Scouting de deportistas<\/strong>. El mercado de los fichajes mueve cifras astron\u00f3micas, por lo que la previsi\u00f3n de fraudes y la ayuda en las decisiones basadas en datos puede ahorrar grand\u00edsimas cifras a los clubes.<\/li>\n
    2. Entrenamiento<\/strong>. La monitorizaci\u00f3n en los entrenamientos mediante wearables<\/em> es ya una realidad que permite analizar y mejorar el rendimiento y la capacidad f\u00edsica de los jugadores.<\/li>\n
    3. An\u00e1lisis de competiciones<\/strong>. Mediante la extracci\u00f3n de datos de los diferentes jugadores en competiciones, lo que en muchos casos permite prever comportamientos que pueden dar una gran ventaja en el juego.<\/li>\n
    4. Ayudas de arbitrajes<\/strong>. Actualmente contamos, entre otros, con el conocido ojo de halc\u00f3n, un gran avance para el mundo del tenis que, mediante una grabaci\u00f3n de la trayectoria de la pelota, un algoritmo interpreta casi sin error d\u00f3nde ha votado.<\/li>\n
    5. Predecir lesiones<\/strong> es una de las aplicaciones m\u00e1s demandadas, ya que mediante la medici\u00f3n de las constantes y de comportamientos an\u00f3malos se pueden predecir lesiones de los jugadores.<\/li>\n<\/ol>\n