¿Alguna vez te ha ido muy bien en tu carrera profesional, éxito tras éxito y de repente todo se esfuma?
Bueno, a David Ortiz le fue así, este bateador exitoso pasó de participar cinco veces en el Juego de las Estrellas de las Grandes Ligas, ganar un premio al jugador más valioso y ayudar a acabar con la mala racha de 86 años sin campeonatos en Boston; a una muy mala racha en su carrera que parecía que había llegado la hora de su salida de este deporte, su promedio de bateo se desplomó 68 puntos, su porcentaje en base 76 puntos, su porcentaje de golpes fuertes 114 puntos. ¡No me queda duda que la carrera de David estaba pasando por muy mala racha! ¿Crees que el Big Data pudiera salvar su carrera?
Era el fin de su carrera, pero los datos tenían la última palabra.
Todos estaban seguros que su carrera estaba llegando a su fin pero la ciencia de datos predijo lo contrario.
El estadístico Nate Silver dio a conocer un nuevo modelo, al que llamó PECOTA, para predecir el rendimiento de los jugadores.
Se hizo una búsqueda de dobles, creando una base de datos con todos los jugadores de la historia de las Grandes Ligas de Béisbol, más de 18.000 hombres. Tomando en cuenta datos como altura, edad y posición; jonrones, promedios de bateo, carreras y eliminaciones para cada año en activo. Después, se buscaron los 20 jugadores más parecidos a Ortiz hasta ese momento, aquellos que jugaron como él cuando tenían 24, 25, 26, 27, 28, 29, 30, 31, 32 y 33 años. En otras palabras, buscaron sus dobles. Luego se vio cómo progresaron las carreras de los dobles de Ortiz.
¿Cómo se recuperó este gran jugador?
Todo parecía ir muy mal ¿no crees?, pero los dobles inspiraron una predicción muy diferente sobre el futuro de Ortiz. Los dobles de Ortiz incluían a Jorge Posada y Jim Thome, dos jugadores que comenzaron sus carreras lentamente;
aceleraron de manera increíble, con una gran potencia, al final de la veintena; y luego tuvieron dificultades poco después de los 30 años.
Con estos estudios se predijo cómo le iría a Ortiz basándose en cómo les había ido a los
dobles. Y se halló lo siguiente: los dobles habían recuperado sus capacidades.
La búsqueda del doble, el mejor método para predecir el desempeño de los beisbolistas, recomendaba que Boston tuviera paciencia con Ortiz. Y así fue.. En 2010, el promedio de Ortiz subió a .270. Bateó 32 jonrones y pasó a formar parte del equipo de las estrellas. Participó en cuatro Juegos de las Estrellas consecutivos. También fue votado el jugador más valioso de la Serie Mundial. Parece que nuestro amigo beisbolista logró resucitar su carrera gracias al Big Data.
Nuestros Dobles
Y a todo esto, quizá te preguntas cómo funciona la búsqueda de doble. Pues, te cuento brevemente que la búsqueda se centra en el pequeño subconjunto de personas más similares a una persona determinada. Y, como todas las ampliaciones, mejora a medida que se dispone de más datos.
¿Y esto como me sirve a mí? Ciertamente lo mejor de esto es que la búsqueda de dobles también puede ser aplicada a cualquier otro campo además del deporte. ¡No hay límites!
Últimamente me he preguntado si yo también tendría un doble.
¿Podría encontrar a la persona que compartiera más intereses conmigo?.
Supongamos que busco a mi doble en un conjunto de datos de cientos de millones de personas. Entonces podría encontrar a alguien que fuera verdaderamente parecido a mí.¿Increíble no?
¿Crees que tu también tengas un doble que permita predecir el futuro de tu carrera?
Si te interesa conocer más sobre el Big Data y el deporte, da clic aquí.
