Archivo de la etiqueta: nba

The Last Dance: la versión que cuentan los datos

Antes de comenzar debo confesarles que soy un apasionado jugador y fanático del basketball desde que tenía 6 años. Me tocó ver, junto a mi padre, aquella temporada 1997-1998 donde Michael Jordan y los Chicago Bulls coronan su último baile (The Last Dance, en iglés) con un 6to título para Jordan, la segunda racha de 3 títulos al hilo para el equipo y una espectacular historia de 6 títulos en 8 años para la franquicia. Ahora bien, para quien no lo sepa, el famoso documental de ESPN transmitido también por Netflix y titulado “The Last Dance” relata los detalles de esta incansable hazaña de los Bulls desde 1984, cuando seleccionan a Michael Jordan en el draft, pasando por su primer título en la temporada 1990-1991 y hasta cerrar con broche de oro toda una era. Si bien el documental ha tenido un tremendo impacto, también ha desatado la polémica alrededor de Jordan desde distintos ángulos: su forma de ser, su trato con los demás, hasta cuestionar su título honorario de mejor jugador de todos los tiempos (Greatest of All Time o GOAT, por sus siglas en ingles). En esta columna vamos a dejar de lado el fanatismo, las opiniones y los sentimientos para utilizar analítica deportiva (Sports Analytics) y relatar la versión que cuentan los datos acerca del último baile. Si quieres saber que es sports analytics puedes visitar nuestro blog anterior. Si quieres enterarte como se está aplicando sports analytics en el Club de Futbol Monterrey puedes escuchar el más reciente episodio de nuestro podcast #CaféDeDatos.

free_Suscriber

El punto de partida de este análisis nace de la polémica que argumenta que la serie tiene un sesgo hacia el papel de Michael Jordan, mientras que deja “en las sombras” algunas aportaciones importantes de los distintos actores a su alrededor. Como amantes de los datos y la estadística entendemos que el resultado de cualquier situación depende de un modelo o de una formula con distintos factores y variables. En este caso el éxito de los Bulls se debe a un conjunto de cosas: desde el dueño, el gerente general, el entrenador, la ofensiva en triangulo, el talento individual de los jugadores, el juego colectivo, etc. Incluso el mismo Michael tiene una frase icónica que dice: “El talento gana partidos, pero el trabajo en equipo y la inteligencia ganan campeonatos”. Así que, veamos que dicen los datos acerca del “peso” de la variable Jordan en la ecuación del éxito de los Bulls y su último baile.

datlas_mx_the_last_dance_espn_netflix

Abril 27 de 1997 Chicago vs Washington juego número 2 de la primera ronda de play-offs de la temporada. Michael anota 55 puntos, empatando su récord de anotación desde que volviera del retiro en 1995. Tan solo en el último periodo anotó 20 de los 23 puntos del equipo. Acostumbrados a lo increíble, para muchos esta fue solo otra hazaña, pero es justo aquí donde se esconde el indicio del “efecto Jordan” para los Bulls y para el baloncesto de esa época. Más allá de lo que su marca personal de anotación representaba en el resultado final, lo impresionante es que anotó tan solo un tiro de 3 puntos y 10 puntos desde la línea de tiro libre, es decir, anotó 42 puntos en tiros de campo (con valor de 2 puntos) o media distancia, como también se les llama. ¿Y qué con esto? El secreto se llama eficiencia. En ese partido Jordan solo necesito 35 tiros para obtener los 55 puntos, mientras que el resto del equipo anotó 54 puntos tras 43 tiros.

datlas_mx_the_last_dance_mj_nbc

Mapeo de tiros en ese partido, elaborado por la NBC (Puntos rojos: tiros anotados. Puntos azules: tiros errados)

En paralelo, ese año la NBA (National Basketball Association, en inglés) comenzó a registrar datos estimados de ubicación de disparo X-Y. Así es como sabemos que mientras Jordan lideró la liga en anotaciones durante la temporada 1996-1997, terminó siendo el #57 en puntos en la pintura y #54 en tiros de 3 por juego. Nuevamente, el secreto de Jordan fue su dominio del juego desde la media distancia (definido aquí como cualquier intento entre 8 pies del borde y la línea de 3 puntos).

En 1984 cuando Michael fue seleccionado en el draft la NBA era dominada por tamaño y fuerza, 16 de los últimos 20 ganadores al galardón de jugador más valioso (MVP por sus siglas en ingles) eran centros. No había un solo guardia (posición de MJ) que hubiera ganado ese título. Jordan no solo vino a anotar muchos puntos, ganar títulos y llevar a sus colegas al límite, Michael llegó a revolucionar el juego, el dominio de la media distancia fue la clave.

Desde el punto de vista estadístico alguien podría argumentar que quizá esto se debe a la cantidad de tiros que realizaba desde esa distancia, pero Michael fuera de haber sido el más activo realizando este tipo de tiros, también fue el más eficiente. Durante la temporada 1996-1997 Glen “Big Dog” Robinson terminó segundo en el ranking de tiradores de media distancia, anotando 391 tiros. Jordan quedó en primera posición, con 547 tiros, 40% más que su sucesor.

Los datos de tiros revelan dos puntos fascinantes: MJ fue el mejor anotador de su época, pero también un tirador hiper eficiente. Este mapeo de los tiros lo demuestra, los puntos rojos representan una eficiencia superior al promedio de la liga.

datlas_mx_the_last_dance_mj_96-97_shots_percentage

He aquí la “razón” que dan los datos para que se hable con mayor preponderancia de MJ dentro del documental. Sin duda no lo hizo solo, pero si fue la variable más importante para llevar a los Bulls a hacer historia en esa época.

Por otro lado, los datos hablan también de la relevancia de estos “otros factores”. De los 59 jugadores de la NBA que intentaron al menos 300 tiros de media distancia esa temporada, Jordan ocupó el tercer lugar en eficiencia general, alcanzando el 49.5% en más de 1,100 intentos. Solo Chris Mullin y Vinny Del Negro fueron más precisos. Reggie Miller, comúnmente considerado como el mejor tirador de esa época, hizo el 42.4% de sus 484 tiros de media distancia esa temporada. Sí, Miller intentó 484 mientras Jordan anotó 547. En 1997 en la NBA literalmente estaba Michael Jordan y luego el resto.

datlas_mx_the_last_dance_mid_range_shooters_nba

Ahora bien, Mullin jugó con los Warriors de Golden State y Del Negro jugó para los Spurs de San Antonio durante la temporada 1996-1997, pero ninguno de los 2 equipos pudo siquiera calificar a los playoffs. ¿Qué quiere decir esto? Como bien lo dice Michael “…el trabajo en equipo y la inteligencia ganan campeonatos”. Durante los playoffs esa temporada hubo grandes aportaciones por parte de los compañeros de Mike. En la primera ronda contra Washington, en el juego número 3 Tony Kukoc sale de la banca a jugar 26 minutos, contra los 42 minutos de juego de Mike y lográ anotar 4 de 7 tiros de campo terminando con un 57% de eficiencia frente a 44% de Jordan. Durante el juego 6 de las finales Steve Kerr con solo 25 minutos de juego frente a los 43 minutos de MJ registró una eficiencia de 60% en tiros de campo comparada con el 42% de Michael y logró un 50% de tiros de 3 puntos, incluyendo el último triple para poner a los Bulls arriba en el marcador y consolidar la victoria y el titulo esa temporada. En ese partido Jordan tuvo solo 25% de eficiencia en tiros de 3 puntos.

Así que sin duda no se trata solo de Mike, este es un juego de equipo. El mismo da crédito a colegas como Scottie Pipen y Dennis Rodman en multiples ocasiones durante el documental. Los datos muestras incluso como otras personalidades como Kerr y Kukoc aportaron valor en momentos y situaciones claves que lograron consolidar la historia de ese mítico ultimo baile.

datlas_mx_the_last_dance_chicago_bulls_team_1998

Finalmente, no queremos cerrar sin dar un salto al presente y abordar como es que el juego que en 1984 era dominado en la pintura y que tras 1998 fue llevado a la media distancia, durante estos últimos años parece ser un juego en donde todos quieren tirar de 3 puntos. Pero para comparar manzanas con manzanas hemos de tomar a un guardia que también haya ganado múltiples títulos de MVP en los últimos años: James Harden. Quien sea fanático del baloncesto entenderá inmediatamente las diferencias, pero veámoslo desde el punto de vista de los datos: tomemos la ubicación de los tiros de Jordan en sus últimas dos temporadas y pongámoslo al lado de la ubicación de los tiros de James en sus últimas dos campañas.

datlas_mx_the_last_dance_mj_james_harden_shot_locations

Interesante, ¿no? así es como descubrimos la versión que cuentan los datos acerca de la historia de la NBA, de Michael Jordan, los Bulls de Chicago y la forma en que se jugaba baloncesto en esa época. El último baile no fue solo Jordan, fue un poco de todo, pero el catalizador fue sin duda Mike. La forma en que revolucionó el juego será una marca imborrable. Su aportación fuera de la cancha hizo también que el deporte, la imagen y la relevancia de la liga creciera de manera exponencial. Sin duda una historia digna de película, pero con un reparto tan importante como el protagonista.

Hasta aquí la columna de hoy, ¿ya viste The Last Dance? Cuéntanos tu opinión en nuestras redes sociales

@DatlasMX

 

Fuentes:

Hablemos de Sport Analytics, 5 aplicaciones de data science en el deporte – Datlas research

En vísperas del evento de MIT SLOAN SPORT ANALYTICS y centrados en la conversación de la intervención de tecnologías en los próximos eventos olímpicos dedicaremos esta columna a hablar de “Sport Analytics” o analítica aplicada en deportes. Para ser más específicos, al uso de los datos y analítica avanzada en deportes y cómo esto ha tenido efecto en el espectáculo, competencia y deporte.

Datlas_barra_suscribir

Como principal inspiración, hace un par de días se viralizó una imagen en la red de cómo el básquetbol, el deporte ráfaga, ha cambiado en los últimos 20 años. O al menos las ubicaciones de los tiros más recurrentes. Una imagen dice más que mil palabras, pero para los apasionados del juego hay un enorme cambio en la disciplina hacia impulsar los tiros de tres ¿Por qué? Los equipos que han sido campeones en los últimos 10 años tiran más de 3 puntos ¿Casualidad o coincidencia? Cualquiera que sea la respuesta, las implicaciones en el espectáculo, las prácticas de los jugadores y la estrategia de los entrenadores son relevantes a estudiar.

Datlas_Basquetbol

Similar a esta situación de la NBA, la liga de básquetbol de Estados Unidos, la analítica está presente en casi todos los deportes. Por esto motivamos una investigación y compartimos los hallazgos alrededor de las 5 prácticas más frecuentes de aplicaciones de analítica entre los equipos y organizaciones deportivas.

 

1) Entender mejor las posiciones y patrones de movimiento de sus competidores

El pase de diapositivas requiere JavaScript.

La liga de fútbol mexicana integró a los entrenamientos y partidos GPS a los jugadores, en la NBA se revisan los videos para generar mapas de calor de movimientos. El hockey también integra sensores de movimiento e impacto. Las integraciones de equipos de tecnología en jugadores y deportistas han sido más frecuentes que en el campo. Cuando no existen sensores, se realizan revisiones a partidos que terminan siendo estadísticas en bases de datos que áreas de inteligencia deportiva analizarán.

 

2) Ser más eficientes en tiros, batazos, raquetazos… dependiendo del contexto

El pase de diapositivas requiere JavaScript.

Con principales aplicaciones en el beisbol, el juego se ha vuelvo adaptable al competidor y la situación del juego. Decisiones dinámicas sobre dónde ubicar a las “bases” para tener mejor probabilidad de un “out” son calculadas. De manera similar en el “Tenis”, la plataforma de visualización de datos ESRI, facilita visualizaciones de juegos profesionales para tener lectura de cual es el traslado de la bola durante un juego.

 

3) Prevenir lesiones y personalizar entrenamientos

El pase de diapositivas requiere JavaScript.

 

Los jugadores en ligas profesionales no son económicos. El mercado del deporte llega a sueldos exorbitantes. En ese sentido la condición física y de salud en la que estos jugadores están disponibles para competir representa un activo financiero para sus equipos. Este tipo de analítica ocurre tras bambalinas, durante los entrenamientos y otorgando más puntos de información a los preparadores físicos para personalizar todo tipo de entrenamiento dado la fatiga muscular y retos a futuro de los deportistas.

4) Brindarles una mejor experiencia a las AFICIONES y espectadores

El pase de diapositivas requiere JavaScript.

 

Siguiendo el ejemplo de la NFL, en el continente americano, o el Tae-kwon-do, en Asia, hay aplicaciones tecnológicas que capturan y visualizan información para mantener a los espectadores al filo de su butaca. Al mismo tiempo esto comienza a jugar más relevancia en el diseño de experiencia del juego. El limite es la creativad y los presupuestos, los mejores equipos han encontrado formas de colaborar con startups, universidades y centros de investigación para estos desarrollos.

5) Mejorar los diseños y la interacción con los estadios 

Datlas_stadiums

Finalmente, si en tu siguiente visita al estadio o complejo deportivo te invitan a participar en una encuesta, que no te sorprenda, probablemente es que están buscando que mejore el servicio del equipo.  La consulta constante a la afición sobre su experiencia viene acompañado de lograr mayores asistencias al estadio y tomar mejores decisiones de espectáculo.

Datlas_barra_suscribir

En general, hace 5 años intervenir con analytics el deporte era novedad. Hoy en día es más que una necesidad. Las referencias de atención en innovación es el “Barcelona Innovation HUB”, en experiencia de estadios “Cowboys”, en recolección de datos “Bases de datos de equipos de beisból” y en inteligencia deportiva podremos monitorear a las ligas de fútbol profesionales donde ya existen más de 25 proveedores de información globales.

Hasta aqui la columna de hoy, compártenos tus expectativas sobre los siguientes pasos en la analítica para el deporte. Califica si para ti esto ha mejorado o afectado el espectáculo de alguna forma.  Si te interesa conocer más de analítica sé de los primeros 100 usuarios en recibir nuestro “DATA PLAYBOOK VOL. II” completamente gratis. Da click aqui  sigue las intrucciones.

El pase de diapositivas requiere JavaScript.

Fuentes investigadas para el blog: