Pregunta: Caso de cierre 1 Análisis en el POM de la Asociación Nacional de Baloncesto El problema Históricamente, el método principal para juzgar qué tan bien se estaba desempeñando un jugador o equipo era la “prueba de la vista”. Este término se refiere al sentimiento intuitivo que las personas con larga experiencia en un deporte adquieren al observar los partidos y

Caso de cierre 1 Análisis en el POM de la Asociación Nacional de Baloncesto El problema Históricamente, el método principal para juzgar qué tan bien se estaba desempeñando un jugador o equipo era la “prueba de la vista”. Este término se refiere al sentimiento intuitivo que las personas con larga experiencia en un deporte adquieren al observar los partidos y las prácticas. Hoy en día, los equipos deportivos profesionales utilizan análisis para proporcionar juicios basados en datos. análisis de datos multidimensionales Ver procesamiento analítico en línea (OLAP). procesamiento analítico en línea (OLAP) (o análisis de datos multidimensionales) Un conjunto de capacidades para “cortar y dividir” datos utilizando dimensiones y medidas asociadas con los datos. Análisis predictivo Un tipo de análisis empresarial que utiliza una variedad de herramientas analíticas para examinar datos recientes e históricos con el fin de detectar patrones y predecir resultados y tendencias futuros. Análisis prescriptivo Un tipo de análisis de negocios que recomienda uno o más cursos de acción y muestra el resultado probable de cada decisión. productividad La relación entre las entradas de un proceso y las salidas de ese proceso. La revolución analítica en los deportes profesionales comenzó en el béisbol, como se destaca en el libro y la película Moneyball. El béisbol es un deporte relativamente sencillo de analizar estadísticamente porque se centra en una secuencia de enfrentamientos uno a uno entre un bateador y un lanzador. Además, cada obra tiene un punto de inicio y un punto final obvios. Los estadísticos llaman a cada una de esas jugadas un “estado”. En contraste con la acción discreta de estado a estado en el béisbol, el baloncesto es un flujo constante. Los jugadores cambian instantáneamente de ataque a defensa. 152 CAPÍTULO 5 Análisis empresarial Además, independientemente de la posición de un jugador, él o ella puede estar en cualquier lugar de la cancha en cualquier momento. El juego no tiene estados, por lo que los analistas no pudieron determinar estadísticamente las probabilidades de un resultado determinado (por ejemplo, un jugador haciendo un tiro). En consecuencia, la analítica moderna se centra en la ubicación y el movimiento de los jugadores y el balón. Básicamente, la analítica en la Asociación Nacional de Baloncesto (NBA; www.nba.com) es un problema de mapeo y visualización de datos. El desafío es representar visualmente datos sobre el movimiento a través del espacio y el tiempo; es decir, hacer visibles los números. La solución El primer sistema. Kirk Goldsberry, fanático del baloncesto desde hace mucho tiempo y con un doctorado. Licenciado en geografía, se dio a la tarea de desarrollar software de análisis para el baloncesto profesional. Primero, dividió los 1,284 pies cuadrados de la cancha donde los jugadores realmente tiran (el área que se extiende desde el exterior de la línea de tres puntos (aproximadamente 25 pies) hasta la canasta) en celdas. Luego buscó datos. Fue difícil obtener los datos relevantes para un análisis preciso. Seguir a 10 jugadores en constante movimiento no es un proceso sencillo. En ESPN.com, Goldsberry encontró estadísticas de cada tiro realizado en la NBA, incluido quién realizó el tiro, desde dónde y si entró en la canasta. Luego desarrolló una base de datos con las coordenadas espaciales de los 700.000 tiros realizados en cada partido de la NBA entre 2006 y 2011. A continuación, Goldsberry analizó sus datos para generar mapas que mostraban dónde disparó un jugador determinado, con qué frecuencia y si el tiro fue bueno o no. . Goldsberry llamó a su sistema CourtVision. Este sistema reveló diferencias en los jugadores que no habían sido cuantificadas previamente. Por ejemplo, Ray Allen, uno de los mejores tiradores de la NBA, tenía varias zonas en las que acertaba un alto porcentaje de sus tiros desde la distancia de tres puntos. Sin embargo, rara vez intentó tiros de media distancia. Por primera vez, los fanáticos pudieron ver los tipos de tiros que realizaron sus jugadores favoritos, así como el valor relativo de esos tiros. Sin embargo, CourtVision no tomó en cuenta variables como quién era el defensor o qué más estaba sucediendo en la cancha. Sin embargo, el sistema de Goldsberry proporcionó a la dirección del equipo una herramienta inicial para evaluar a los jugadores. El sistema de hoy. La siguiente oportunidad para recopilar datos surgió cuando una empresa llamada Stats (www.stats.com) desarrolló una configuración de seis cámaras para baloncesto. El sistema de cámara, que ahora se emplea en los 29 estadios de la NBA, rastrea a cada jugador en la cancha durante cada juego. Por lo tanto, proporciona una visión completa de todo el juego, incluido el seguimiento de jugadores individuales y la posesión del balón. Stats ofreció sus datos a Goldsberry. Los datos eran más específicos que los que Goldsberry había obtenido de ESPN.com. Una vez que Golds Berry tuviera los datos, podría analizarlos para responder cualquier cantidad de preguntas. • Los jugadores que “atraen la defensa” pueden cuantificarse como aquellos que pasan el balón con eficacia cuando dos o más jugadores los protegen. • “Obtener un buen espacio” visualiza qué jugadores controlan qué partes de la cancha. • La “defensa con balón” evalúa la eficacia con la que un jugador defiende el balón disminuye las posibilidades de gol de su oponente. Además, el análisis de los datos de la cámara le permitió a Goldsberry comprender uno de los aspectos más difíciles del baloncesto: la defensa. Históricamente, los equipos se habían basado en contar estadísticas (por ejemplo, cuántos robos, cuántos bloqueos) para capturar el valor defensivo de un jugador. El nuevo sistema proporcionó una imagen mucho más sofisticada del juego. Goldsberry comenzó observando que el área alrededor de la canasta es el espacio más importante a defender en la cancha porque en esta área es donde los jugadores ofensivos lanzan el mayor porcentaje de edad. Por lo tanto, analizó la eficacia con la que los defensores situados a cinco pies de la canasta podían evitar que los oponentes anotaran. Encontró que el defensor promedio de la NBA permitía un porcentaje de tiro de 49,7 en esa área. Utilizando sus nuevos datos, Goldsberry identificó dos clases de defensa. En el primer tipo, los defensores bloquearon o alteraron los tiros de sus oponentes, es decir, redujeron la “eficiencia de tiro”. En la temporada 2014 de la NBA, por ejemplo, el pívot de los Indiana Pacers, Roy Hibbert, y el pívot de los Mil Waukee Bucks, Larry Sanders, lideraron la NBA, manteniendo a sus oponentes en un 38 por ciento. El segundo enfoque de la defensa fue más sutil. Goldsberry descubrió que algunos jugadores reducían la frecuencia de los tiros de sus oponentes, no sólo su eficiencia. Al comparar la tasa promedio de tiros con la tasa cuando defensores específicos protegían el área, pudo calcular cuándo disminuyó la cantidad de tiros. También en la temporada 2014 de la NBA, el mejor jugador en este tipo de defensa fue el pívot de los Houston Rockets, Dwight Howard, quien hizo que los equipos rivales dispararan un 9 por ciento menos frecuentemente alrededor de la canasta. Como los oponentes tiraban con menos frecuencia alrededor de la canasta, realizaban más tiros de media distancia, que son los tiros menos productivos en la NBA. Los resultados Goldsberry esencialmente dividió los juegos de baloncesto en períodos de tiempo y luego empleó el mismo tipo de análisis que los analistas habían estado aplicando a los estados en el béisbol. Luego podría cuantificar el valor (en términos de puntos) de cada movimiento en la cancha, desde un pase de entrada al poste (el área cercana a la canasta) hasta un tiro hacia la canasta. Estos análisis crearon un nuevo método para evaluar todo lo que hace un jugador y un equipo. Consideremos un ejemplo, los Houston Rockets. Utilizando los resultados de su software de análisis, el equipo rara vez realiza tiros en salto de dos puntos de larga distancia, porque los Rockets creen que este tipo de tiro se encuentra entre las peores estrategias del baloncesto. Los tiros están demasiado lejos de la canasta para ser una oportunidad de anotar con alta probabilidad, pero no lo suficientemente lejos (detrás de la línea de tres puntos) para recibir un punto extra por el riesgo de realizar un tiro aún más largo. Los análisis están impactando no sólo a los Rockets, sino también a toda la NBA. Por ejemplo, en enero de 2015, el análisis de datos de la NBA reveló que los jugadores intentaron más tiros de tres puntos que tiros libres. De hecho, tres tiros de tres puntos definen el giro hacia la analítica en la NBA. No es una coincidencia que los Golden State Warriors, campeones de la NBA en 2015, fueran el mejor equipo de la liga en tiros de tres puntos durante la temporada regular. Fuentes: Compilado de “Equipos de la NBA que tienen departamento de análisis”, NBAStuffer.com, 17 de agosto de 2015; T. Ross, “Bienvenido a Smarter Basketball”, The Atlantic, 25 de junio de 2015; K. Mehta, “Data and the NBA: A Slam Dunk Approach to Basketball”, umbel.com, 22 de junio de 2015; C. Benjamin, “Las 4 falacias de NBA Analytics”, Men's Journal, 3 de junio de 2015; S. Hammer, “La clave del análisis para el éxito de la NBA moderna”, The Miscellany News, 6 de mayo de 2015; M. Lawrence, “Big Data's Air-Ball: Cinco preguntas sobre jugadores que NBA Analytics no puede responder”, Forbes, 27 de febrero de 2015; B. Alamar, “The Inside Man: NBA Analytics”, ESPN.com, 25 de febrero de 2015; M. McClusky, “La búsqueda de este tipo de rastrear cada tiro en la NBA cambió el baloncesto para siempre”, Wired, noviembre de 2014; T. Moynihan, “El nuevo centro de control de alta tecnología de la NBA es el sueño de todo aficionado al baloncesto”, Wired, 28 de octubre de 2014; R. Simmons, “Golden State Warriors a la vanguardia del análisis de datos de la NBA”, SFGate, 14 de septiembre de 2014; B. Holmes, “Nueva era de análisis de la NBA: ¿ventaja o sobrecarga?” El Boston Globe, 30 de marzo de 2014; D. Oliver, “Cómo los números han cambiado la NBA”, ESPN.com, 15 de noviembre de 2013; www.nba.com, consultado el 25 de agosto de 2015. Caso cerrado 2 153 Preguntas 3. Proporcione un ejemplo del uso de análisis prescriptivo para un equipo de la NBA que utiliza el sistema de Goldberry. 1. Proporcione un ejemplo del uso de análisis descriptivo para un equipo de la NBA que utiliza el sistema de Goldberry. 4. ¿Cuáles son las ventajas y desventajas del sistema de Goldsberry para los jugadores de la NBA? Proporcione ejemplos específicos para respaldar su respuesta. 2. Proporcione un ejemplo del uso de análisis predictivo para un equipo de la NBA que utiliza el sistema de Goldberry.