Analítica avanzada en baloncesto

Escrito por Iván Fernández y Edgar Paz

Iván y Edgar son analistas de baloncesto y fundadores de Pick StatsGal

La estadística siempre ha estado estrechamente relacionada con el baloncesto. Siempre ha existido un interés global por saber quién era el jugador con más puntos, cuántos rebotes podía capturar un equipo... pero todas estas cifras básicas a veces eran difíciles de traducir al impacto real de los jugadores en un equipo o para medir la calidad de un equipo. ¿Es realmente mejor el ataque de un equipo que anota 90 puntos por partido que el de uno que anota 80 puntos por partido?

La introducción de la estadística avanzada en el baloncesto, el concepto de baloncesto como un juego de turnos y la definición de métricas como el ritmo para medir la posesión en un partido aportaron una nueva visión de las estadísticas. Posteriormente, se añadieron los modelos de regresión matemática para ver el impacto real de un jugador en un equipo, y las estadísticas basadas en diferentes combinaciones de jugadores permitieron a los cuerpos técnicos evaluar el rendimiento de sus equipos y jugadores con mucha más precisión.

El poder de la estadística ha sido tan grande que se ha expandido en las ligas más importantes del mundo, incorporando también nuevas tecnologías para registrar la mayor cantidad de información posible para su posterior análisis. Y la razón de esta expansión es que los resultados han demostrado ser tan exitosos que han cambiado la forma en que los equipos diseñan sus jugadas, centrándose en conseguir tiros de tres puntos abiertos en situaciones de «catch and shoot», o en cómo usar el bloqueo y continuación para obtener ventajas.

Los equipos que ganan campeonatos dedican más esfuerzo a estos análisis cada año, ya que este esfuerzo genera una ventaja competitiva y les permite alcanzar sus objetivos y títulos.

Es en la NBA donde la analítica avanzada ha tenido un mayor impacto y es allí donde se han desarrollado algunas de las métricas más innovadoras, que nosotros hemos podido aplicar al baloncesto FIBA también, por ejemplo el APM (Adjusted Plus Minus) y el RAPM (Regularized Adjusted Plus Minus). El APM estima la influencia de un jugador en el margen de puntos del equipo mediante regresión matemática tomando el margen de puntos de cada combinación de jugadores que participó en cada posesión y aplicando métodos matemáticos para la regresión.

Como método mejorado al APM está el RAPM que trata de corregir el overfitting propio de la regresión usada en el APM, que influye especialmente en jugadores con muestras pequeñas introduciendo un sesgo en los resultados finales. Para más detalle sobre APM y RAPM, consultar Adjusted Plus-Minus: An Idea Whose Time Has Come por Steve Ilardi y Measuring How NBA Players Help Their Teams Win por Dan T. Rosenbaum.

Es importante mencionar que el volumen de datos para este tipo de regresiones en baloncesto FIBA es habitualmente mucho menor que el volumen de datos que hay en la NBA—82 partidos x temporada; 48 min por partido—, donde muchas veces se usan incluso datos de varias temporadas consecutivas para eliminar el sesgo de muestras pequeñas por lo que hay que darle el valor relativo que tienen a este tipo de métricas aplicadas a un número de partidos limitados.

Otra métrica de gran interés que hemos podido aplicar al baloncesto FIBA es el Box Plus/Minus (BPM), desarrollada por Daniel Myers para Basketball Reference. El BPM, a diferencia del APM y RAPM, está basado en estadísticas del Boxscore tanto individuales como de equipo que se usan para calcular la contribución de un jugador. A estas estadísticas del Boxscore se les aplican distintos coeficientes y se ponderan y operan entre ellas hasta obtener el valor final. El uso de los coeficientes y la forma de operar las estadísticas del boxscore entre ellas no se diseñó de forma subjetiva o aleatoria, sino que se calcularon de forma que los resultados finales de la métrica se aproximasen lo máximo posible al RAPM de los jugadores calculado sobre una muestra de 14 temporadas.

También hemos aplicado otras métricas destinadas a análisis de apartados específicos del juego, como por ejemplo el BoxCreation y el Offensive Load, creadas por Ben Taylor para Backpicks que tratan de medir la capacidad de generación y el uso del jugador de una forma distinta al tradicional USG% al incluir también esos datos de capacidad de generación.

El uso de estas y otras métricas, pero sobre todo el análisis visual, la variedad de herramientas externas, o el diseño de informes adecuados a las necesidades del cuerpo técnico se han convertido hoy en día en imprescindibles para cualquier equipo de baloncesto para cumplir sus objetivos.