VISUALIZACIÓN DEL FÚTBOL: CAPTURAR EL CAOS Y CULTIVAR CONTEXTOS

Introducción

La visualización de datos o lo que comúnmente se menciona como «data viz» es una herramienta que traduce tendencias de una manera muy efectiva, al utilizar gráficos (Weissgerber et al., 2015). Esta es un área emergente en la ciencia, ya que la presentación de datos como figuras gráficas es el modo más potente utilizado para interpretar hallazgos (Weissgerber et al., 2015, 2019). Hay disponibles otras formas visuales que pueden ser estéticamente atractivas e inmersivas, en particular al utilizar vídeos. Estas incluyen gráficos llamativos de telestración [extracción de streaming] de vídeo que pueden atraer la atención selectiva a la información relevante. Recientemente se ha vuelto popular, ya que la cantidad de información que se le presenta a las personas todos los días ha aumentado de manera exponencial, mientras que el tiempo para interpretarla ha disminuido (Lacome et al., 2018). Esto es especialmente evidente en el fútbol de élite, ya que se espera que el staff técnico reduzca de manera significativa el tiempo para el análisis después de cada partido, usando datos y vídeos como su principal vehículo de análisis y comunicación. Esto representa un riesgo que puede crear problemas de sobreinformación, por lo que se debe tener cuidado para evitar que los entrenadores ya ocupados, se vean expuestos a una avalancha de datos y vídeos en los que tengan que visualizar e interpretar. Las implicaciones de los elementos visuales del fútbol como información son enormes, dado el valor añadido que proveen.

Primera técnica de visualización del fútbol: Data Viz

Aplicar el data viz a un contexto futbolístico es más fácil en la teoría que en la práctica. El personal técnico debe atraer y hacer que el equipo de entrenadores se sumen a esta iniciativa. Esto es especialmente importante, ya que los entrenadores son los usuarios finales y en definitiva decidirán si les sirve, ya que el entrenador moderno tiene innumerables compromisos, donde el tiempo es un bien esencial. Así, una regla general es que el data viz debe añadir el máximo de valor para el tiempo disponible. Otra consideración es la relevancia del data viz para el usuario final con un enfoque de «ingeniería inversa». Es una opción potencial para hacer énfasis con el staff sobre temas en el campo del rendimiento importantes. Esto asegurará que la «compra» tenga más posibilidades de éxito y que los entrenadores se sientan parte del proceso. Lo ideal sería que el entrenador pueda iniciar el proceso con una pregunta. El Data viz en la Figura 1 se basa en la pregunta: ‘¿Cómo impacta un cambio en el sistema táctico de los perfiles táctico-físicos de jugadores seleccionados?’ En especial, al desplegar defensores laterales como carrileros (WB) o usándolos como centrales tradicionales (FB). Este ejemplo no solo representa la carrera general de alta intensidad de este escenario sino también la divide en subgrupos de carreras de alta velocidad y carreras en diferentes colores para profundizar en los detalles. La imagen de abajo representa su frecuencia de carrera de alta intensidad en relación con las zonas del campo como un mapa de calor con el contexto de acciones seleccionadas. En un instante, esto le informa al entrenador de cualquier diferencia entre los defensores externos basada en cambios tácticos (por ejemplo, alguna diferencia en las distancias absolutas y el número de esfuerzos, pero principalmente el área desplegada y el contexto de acciones técnicas/tácticas). Sin embargo, se necesitan presentar los datos longitudinales para una imagen más completa y se necesita añadir a la narrativa la variación de un partido al otro, de modo que uno pueda distinguir la señal del ruido (Bush et al., 2015; Carling et al., 2016). Esto es importante, ya que nuestro grupo ha descubierto que las tendencias de los datos de abajo son diferentes de un conjunto de datos más grandes y los patrones son muy específicos a cada partido y equipo. Hemos experimentado diferentes perfiles para los dos defensores laterales en el mismo equipo. Por ejemplo, uno cubre una distancia sustancial de mayor alta intensidad en posesión, mientras que el otro produce más sin posesión. Es esencial que las características individuales y las sinergias entre compañeros de equipo sean identificadas y visualizadas por los entrenadores.

tra pregunta planteada por el staff, está conectado con la contextualización de la carga externa. Los datos de seguimiento tienden a aplicarse como distancias físicas aisladas y esta limitación ha sido mencionada previamente (Bradley and Ade, 2018; Bradley et al., 2018, 2019). Este tipo de pensamiento vertical está opuesto al pensamiento lateral usado en la ciencia (De Bono, 2016). Sin embargo, el último es vital para crear análisis. El data viz en la Figura 2 se basó en la pregunta: ‘¿Podemos visualizar no solo «QUÉ» esfuerzos intensos producen los jugadores, sino, los que son más importante y «POR QUÉ» se producen?’ Dado el rápido cambio de este tipo de trabajo, esta visualización es particularmente cruda, pero efectiva, ya que codifica por colores las intensas acciones de un delantero en la Premier League inglesa, en su contexto táctico ‘primario’ (por ejemplo, algunos son híbridos). Esto incluye acciones tales como «desbordar/penetrar», «cerrar/presionar» y «entradas en el área». Como estas categorías se basan en el lenguaje de entrenamiento y son acciones universales en el fútbol, los resultados han tenido aceptación. Para ayudar a medir los cambios en la velocidad, cada flecha en la Figura 2 representa un período de 1 segundo de alta intensidad.

La figura 2 ilustra que el delantero realizó ~45% de sus acciones premeditadas en la forma de «desbordar/penetrar» y «cerrar/presionar» que son muy deseables para el estilo de juego de su equipo. «Cerrar/presionar» en la parte alta del campo en el primer tiempo es muy evidente. Ya que él es un delantero, se puede visualizar cómo ha intentado «clavar» y retrasar al(los) jugador(es) contrario(s) en la esquina para permitir que sus compañeros de equipo apoyen la presión. La mayoría de los esfuerzos son de naturaleza muy corta y explosiva. «Moverse para recibir/aprovechar el espacio» compuso hasta ~20% de todos sus esfuerzos y produjo sus carreras más largas del partido en esta categoría. Esto ocurrió durante un contraataque desde un tiro de esquina contrario en el primer tiempo, en el cual se ubicó para recibir el balón antes de que fuese interceptado por los contrarios. Es interesante resaltar la acción «moverse para recibir/aprovechar el espacio» con un círculo punteado azul, ya que le llevó a recibir un pase fuera del área antes de disparar para marcar.

El delantero produjo una sola acción intensa en la categoría de «entradas al área», en la cual cambió la jugada, adelantándose por un costado para que el carrilero tire el centro. Después del pase, rápidamente aceleró hacia el área, pero a medida que se acercó a ella disminuyó la velocidad anticipando el centro. Aunque solo se registraron tres episodios de «conducción del balón» de alta intensidad para este jugador, dos de las tres son de interés, ya que la «conducción del balón» más larga fue nuevamente durante otro contraataque, a partir de un tiro de esquina contrario. La acción más adelantada de «conducción del balón» fue cuando regateó para entrar al área a alta intensidad antes de rematar a puerta. El staff técnico valoró positivamente este comportamiento generoso por parte del delantero en el primer tiempo, ya que hizo una larga «carrera de recuperación» para intercambiarse por un compañero fuera de posición. Todo esto añade una clara narrativa a su rendimiento, al revelar el perfil de carrera que existe debido a su rol táctico en el equipo, más que distancias unidimensionales «ciegas» que tienen un contexto limitado (Bradley et al., 2018). Esta distancia intencional podría ser valiosa para los profesionales, ya que no necesariamente quieren determinar qué jugadores cubren más/menos distancia, sino más bien cómo cada uno cumple sus obligaciones en relación con un rival específico/filosofía de equipo. Los datos físicos contextualizados que fusionan las carreras de alta intensidad con los propósitos tácticos de la acción pueden confirmar que los jugadores están cumpliendo con la táctica. Estos elementos visuales no solo proveen un análisis rápido, sino también pueden ser utilizados para crear tareas de entrenamiento específicos o patrones de ejercicios en jugadores lesionados (Ade et al., 2016).

Técnica de visualización del fútbol 2: Telestración de vídeos

Tradicionalmente, la telestración era una técnica usada exclusivamente por los presentadores de televisión para dibujar o sobreponer gráficos en los vídeos (Reiffel, 1968). La habilidad de los presentadores para atraer de manera selectiva la atención de la audiencia hacia la información más relevante, a través de gráficos, ha hecho que esta técnica sea popular (Pingali et al., 2001; Zhou y Liu, 2010). Debido al éxito en las transmisiones, la telestración de vídeos se ha filtrado a los departamentos de análisis de rendimiento de la mayoría de los clubes de fútbol de élite. Se utiliza un conjunto de softwares especializados, tales como Viz Libero de VIZRT, Coach Paint de Chyron Hego, Sports Graphics de Piero, tactical Pro de RT y Animate de KlipDraw.

Estos son una parte integral de las sesiones de análisis de vídeos con jugadores y entrenadores. Esto es especialmente cierto cuando se necesitan ideas para que se haga un análisis del rival o en las revisiones pospartido de una forma visual y atractiva. Los analistas de rendimiento típicamente visualizarán la forma del equipo, el movimiento del jugador y la dinámica táctica durante diferentes fases del juego, utilizando un conjunto de herramientas de telestración personalizadas. Todo esto llama a la atención de los jugadores y de los entrenadores, pero finalmente esto es para asegurar que ocurra algún aprendizaje para ayudar a los rendimientos individuales y colectivos. Aunque la mayoría de los clubes sienten intuitivamente que con el videoanálisis tradicional tiene lugar el aprendizaje y la reflexión (Groom & Cushion, 2005), esto todavía tiene que ser demostrado científicamente usando la telestración. Normalmente el entrenador lo aprueba, siempre y cuando los elementos visuales estén añadiendo valor y para ello es vital el uso de gráficos en un contexto correcto. Abajo se pueden encontrar herramientas comunes de una de las ofertas de software más avanzada del mercado (Viz Libero).

Herramientas comunes de Viz

Los aspectos más poderosos de la telestración de vídeos es la habilidad para integrar elementos del rendimiento táctico, técnico y físico simultáneamente de una manera dinámica y visual. La investigación ha identificado cuánto mejora nuestra comprensión del rendimiento futbolístico y unificar estas facetas y la traducción a la práctica (Bradley et al., 2019; Bradley & Ade, 2018; Ade et al., 2016). Sin embargo, la telestración de vídeos podría mejorar nuestra comprensión de los rendimientos futbolísticos en una mayor medida comparada con otras técnicas, dado que los vídeos son el medio que los entrenadores y jugadores más usan y prefieren.

Por ejemplo, la Figura 3A muestra la distancia del delantero (elementos técnicos y físicos), mientras que simultáneamente sigue el movimiento de alta velocidad de sus compañeros hacia el área (elementos tácticos y físicos). La forma de la defensa se visualiza al utilizar una herramienta de línea defensiva (elemento táctico). Otro ejemplo en la Figura 3B ilustra el uso combinado de un triángulo defensivo para simbolizar la compactibilidad, mientras que un rayo de luz y una flecha roja muestran el movimiento ofensivo. Aquí se visualiza claramente una opción viable de pase abierto con una flecha negra que significa el espacio a lo largo del carril. Como la mayoría de las situaciones de gol suceden a velocidad (Fraude et al., 2012), estas se pueden hacer más lentas y agrandarlas para permitir la extracción de más información. La Figura 3C muestra a un jugador controlando un balón con habilidad. La lupa captura la acción técnica que genera una oportunidad para un compañero. Todas estas telestraciones personalizadas podrían proveer múltiples fuentes de información, dependiendo del contexto aplicado. En un contexto de análisis del rival, el entrenador y los jugadores obtienen información de las fortalezas del equipo ofensivo, particularmente el movimiento de ataque. En un contexto de revisión postpartido, se podría criticar la compactibilidad de la unidad defensiva durante las transiciones rápidas. Wright et al. (2012) demostraron que el videoanálisis tradicional ayudaba a los entrenadores con la planificación a corto y a largo plazo. Como la telestración añade gráficos para ayudar a la atención selectiva, posiblemente sea superior al videoanálisis tradicional.

Herramientas avanzadas de viz

La importancia dada al videoanálisis por la mayoría de los clubes podría asociarse con una habilidad para ayudar al proceso de correcciones (Wright et al. 2012). Específicamente, ayuda a identificar limitaciones individuales, colectivas y permite comentar para corregirlas (Lyle 2002, Hodges & Franks 2004). Así, las funciones de telestración avanzadas de los movimientos de los jugadores, vuelo en 3D y la integración de datos podrían mejorar este proceso. Las Figuras 4A-B muestran múltiples jugadores y el movimiento que idealmente deberían haber hecho. Por ejemplo, el pase al portero resulta en un despeje. Las opciones potenciales de pases se resaltan en azul (Figura 4A) y el posicionamiento virtual (Figura 4B). Esto podría ayudar el proceso de feedback, ya que las secuencias incorrectas y correctas se visualizan una detrás de la otra.

Otra ventaja que tiene la telestración sobre el videoanálisis tradicional es el modo vuelo en 3D que se puede emplear mientras que simultaneamente se usan gráficos. Esto puede combinar perspectivas durante varias situaciones del juego y ayudar al aprendizaje y las correcciones. La Figura 5A resalta un centro desde un lateral y se visualiza la línea defensiva. A medida que la perspectiva de la cámara cambia en la Figura 5B, se provee más información sobre la trayectoria del centro en relación con la forma defensiva y los movimientos de los atacantes.

El usuario también puede integrar datos en el vídeo, a partir de fuentes externas (datos de seguimiento y del evento). Por ejemplo, se pueden usar datos de seguimiento de los jugadores y del equipo completo para generar mapas de calor (Figura 6). El uso de mapas de calor para proveer más contexto puede ser valioso para los profesionales, ya que se resaltan puntos calientes de actividad por todo el campo durante el partido, que atraen la atención visual y proveen un contexto añadido a los movimientos de los jugadores y al posicionamiento colectivo de un equipo.

Resumen

En el fútbol moderno, el staff técnico puede utilizar varias metodologías para mejorar la visualización de datos o vídeos. El data viz es ideal para incorporar a los entrenadores, ya que puede traducir de forma efectiva la dirección del rendimiento para el usuario. Además, hace esto de una forma eficiente en cuanto al tiempo y añade una narrativa a los números, especialmente si se usa un enfoque de «ingeniería inversa». Esto es de gran ayuda al reducir sustancialmente el tiempo para el análisis y cuando se necesita que los datos estén simplificados, pero que aún sean informativos. La telestración de vídeos podría incluso tener un papel más importante en el fútbol, dado que el vídeo es el medio que prefieren los entrenadores y jugadores. Al añadir una visualización común y avanzada al vídeo, podría mejorar la información específica extraída por los jugadores y entrenadores, y mejorar el proceso de feedback.

Dr. Paul S Bradley: Consultor de Ciencias del Fútbol (paulbradley94@yahoo.co.uk)

Dr. Wonwoo Ju: Dr. Investigador de Ciencias del Fútbol en LJMU

Sr. Andy Laws: Científico de computación en LJMU

Sr. Antonio Gómez-Díaz: Preparador físico del primer equipo en el FC Barcelona

Sr. Andrés Martín-García: Preparador físico del Sub-19 en el FC Barcelona

Dr. Mark Evans: Científico de datos e informática

Referencias

Ade J, Fitzpatrick J, Bradley PS. (2016). High-intensity efforts in elite soccer matches and associated movement patterns, technical skills and tactical actions. Information for position-specific training drills. J Sports Sci. 34, 2205-2214.

Bradley, PS and Ade, JD. (2018). Are current physical match performance metrics in elite soccer fit for purpose or is the adoption of an integrated approach needed? Int J Sports Physiol Perform. 13, 656-664.

Bradley PS, Evans M, Laws A and Ade, J. (2018). ‘Context is King’ when Interpreting Match Physical Performances. Football Med & Perform. 24, 43-45

Bradley, PS, Martin-Garcia, A, Ade, JD and Gomez-Diaz, A (2019). Position Specific & Positional Play Training in Elite Football: Context Matters. Football Med & Perform. 29, 31-35.

Bush, MD, Archer, DT, Hogg, R, and Bradley, PS. (2015). Factors influencing physical and technical variability in the English Premier League. Int J Sports Physiol Perform. 10, 865-872.

Carling C, Bradley PS, McCall, Dupont G. (2016). Match-to-match variability in high-speed running activity in a professional soccer team. J Sports Sci. 34, 2215-2223.

De Bono E. (2016). Lateral Thinking: A Textbook of Creativity. London: Penguin General.

Faude O, Koch T, Meyer T. (2012). Straight sprinting is the most frequent action in goal situations in professional football. J Sports Sci. 30, 625-31.

Groom R & Cushion C. (2005). Using of Video Based Coaching with Players: A Case Study. Int J Perform Anal Sport. 5, 40-46.

Hodges, NJ, and Frank IM. (2004). The nature of feedback, In: Hughes MD and

Franks IM, (Eds.) Notational Analysis of Sport. London: E. & F.N.Spon.

Lacome M, Simpson BM, Buchheit M. (2018). Part 2: Increasing Coach ‘Buy-in’ with Good Data Visualisation. Aspetar Sports Med J. 16, 64-66.

Lyle, J. (2002). Sports coaching concepts: a framework for coaches behaviour, London: Routledge.

Pingali G, Opalach A, Jean Y, Carlbom I. (2001). Visualization of sports using motion trajectories: providing insights into performance, style, and strategy. Proceedings Visualization. VIS ’01., San Diego, CA, USA. 75-544.

Reiffel L. (1968). Superimposed Dynamic Television Display System. United States Patent 3617630.

Weissgerber TL, Milic NM, Winham SJ,Garovic VD. (2015). Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm. PLoSBiol. 13, e1002128.

Weissgerber TL, Winham SJ, Heinzen EP, Milin-Lazovic JS, Garcia-Valencia O, Bukumiric Z, Savic MD, Garovic VD, Milic NM. (2019). Reveal, Don’t Conceal: Transforming Data Visualization to Improve Transparency. Circulation. 140, 1506-1518.

Wright C, Atkin S & Jones B. (2012). An analysis of elite coaches’ engagement with performance analysis services (match, notational analysis and technique analysis). Int J Perform Anal Sport. 12, 436-451.

Zhou Q, Liu D. (2010). Interactive visual content sharing and telestration: A novel network multimedia service. 14th International Conference on Intelligence in Next Generation Networks, Berlin, 1-6.