Il caso Benfica

Come si può vedere andando a leggere l’albo d’oro, nella massima serie del campionato di calcio portoghese la vittoria dello scudetto è sempre stata una lotta a due tra Benfica e Porto.

Dalla stagione ‘93 al 2013 questo dualismo ha visto prevalere in maniera molto più marcata il Porto, che ha fatto suoi 14 dei 19 scudetti in palio.

Solo dal 2013 questa egemonia è stata arginata, e le ultime quattro stagioni hanno visto il ritorno al primato del Benfica. Qualcuno potrebbe pensare che la causa sia da ricercarsi in una semplice alternanza statistica, così come succede da 70 anni a questa parte. In realtà, dietro ai recenti risultati del Benfica si nasconde il grande contributo fornito dalla tecnologia, in particolare da una serie di algoritmi di Machine Learning.

Grazie alla sinergia tra un CEO “illuminato”, un gruppo di Data Scientist e un pool di Software Developer, la società portoghese ha infatti iniziato a raccogliere una mole enorme di dati su tutti i giocatori appartenenti al club (dai settori giovanili alle squadre satellite, fino alla prima squadra), tra cui parametri biometrici e fisiologici, comportamento in allenamento e stile di alimentazione. I dati sono poi stati analizzati fino alla composizione di una serie di modelli predittivi atti a comprendere l’andamento dei giocatori per massimizzare le loro performance con allenamenti altamente mirati.

I risultati sono stati oltremodo lusinghieri fin da subito. Le informazioni raccolte hanno infatti portato a un decremento degli infortuni e a un incremento del valore economico dei giocatori nonché, come già detto, alla vittoria di ben quattro titoli consecutivi.

Machine Learning e Sport

Il profondo mutamento del ciclismo professionistico

Il secondo case study da prendere in esame è legato non a un singolo episodio bensì a un singolo sport, il ciclismo.

Anzitutto, appare alquanto evidente come il ciclismo sia profondamente cambiato negli ultimi 15 anni. Basta cercare  dei video degli anni ‘90 su YouTube con le tappe montane del Giro d’Italia o del Tour de France e confrontarli con quelli più recenti per rendersi conto dell’evidenza.

Prescindendo da qualsiasi discorso legato al doping, la prima cosa che salta all'occhio è senza dubbio la diminuzione della spettacolarità. Molti meno scatti, molte debacle in meno e, soprattutto, tanti - se non tutti - corridori che indossano l’auricolare che pedalano tenendo gli occhi fissi sul mini computer personale.

A chi si deve attribuire un cambiamento così importante? Ovviamente, all'introduzione di nuove tecnologie che hanno consentito la raccolta di dati e a modelli di Machine Learning che hanno permesso di formulare previsioni accurate sulle performance sportive. Non è affatto un caso che lo sponsor di una delle più forti squadre di ciclismo professionistico abbia come main sponsor una piattaforma di analisi predittiva dei dati.

Misuratori di potenza, cardiofrequenzimetri, bilance impedenziometriche, misuratori di lattato, fitness watch, oggi, permettono di collezionare una mole smisurata di dati collegati con le singole performance. Ciò fa sì che gli atleti possano predire, con alcuni giorni in anticipo e con ragionevole certezza, quale sarà la propria performance sportiva, andando quindi a calibrare la tattica di gara migliore.

Su questo tema è molto interessante la lettura di una ricerca fatta da un’università Australiana, intitolata “A Machine Learning Approach to Predicting Winning Patterns in Track Cycling Omnium”, nella quale viene esposto  un algoritmo di Machine Learning creato da un gruppo di scienziati, allo scopo di predire la tipologia di ciclista che avrebbe vinto il decathlon del ciclismo su pista alle Olimpiadi.

Più che un indizio

Appare piuttosto evidente, insomma, che il lavoro di qualsiasi manager sportivo e trainer professionista non può più prescindere dal Machine Learning e dall'assumere competenze in data science e in data analysis. Perché il panorama dello sport professionistico è già cambiato per sempre.

CommentaDi' la tua

Il tuo indirizzo email non sarà mostrato pubblicamente. I campi obbligatori sono contrassegnati da *