Prevedere le mosse degli avversari? Ipotizzare l’esito di un match in base a caratteristiche tecniche, infortuni, condizioni meteo e preparazione degli atleti? In questo alcuni allenatori sono bravissimi, non solo nel calcio. La tecnologia tuttavia potrebbe fornire loro un valido contributo scendendo in campo con algoritmi, software e app. Se avete pensato alle solite statistiche, in voga già da molti anni e che molto spesso non ci azzeccano, siete fuori strada. Un algoritmo è per definizione un procedimento che risolve un determinato problema attraverso un numero finito di passaggi elementari; e proprio questi algoritmi, con capacità di calcolo sempre più avanzate, sono in grado di estrapolare notevoli informazioni utili sul singolo giocatore e quindi di fornire un giudizio completo su una squadra semplicemente sulla base del filmato di una partita o di un allenamento.
Le applicazioni in merito sono svariate e non solo nel calcio: miglioramento del gesto tecnico del volley; ottimizzazione delle forme di scafi e vele per le imbarcazioni leggere nelle regate; previsione in tempo reale del gioco degli avversari nel calcio; scelta dei costumi utili a minimizzare le turbolenze dell’acqua nel nuoto.
Un valido esempio sono i progetti Openship e OpenViewship, a cura dei ricercatori della Sissa, per monitorare il funzionamento della vela, aumentare la velocità e la tenuta di un’imbarcazione in mare durante le regate: l’algoritmo prende in considerazione dati precedentemente inseriti e i vincoli costruttivi imposti dal regolamento della competizione. Avere un quadro dettagliato di come si muoverà la barca in mare e di come reagirà la vela in determinate condizioni di vento aiuterà a capire quale strategia affrontare per vincere la competizione. E’ così che le equazioni del matematico Alfio Quarteroni del Politecnico di Milano hanno contribuito al successo del team Alinghi nelle edizioni di Coppa America del 2003 e del 2007.
Quanto al calcio le variabili da tenere in considerazione sono tante, una fra tutte il numero di elementi da monitorare: 22 giocatori si muovono in campo in modo imprevedibile e che mutano a seconda delle condizioni del campo o del meteo. Ci stanno provando Paolo Cintia e Luca Pappalardo del Dipartimento di Informatica all’Università di Pisa. Come? Tenendo conto di un fattore rilevante in uno sport come il calcio: il possesso palla. La squadra che riesce a fare più passaggi ha maggiore probabilità di vittoria. L’algoritmo dei ricercatori pisani, un progetto dal nome evocativo “Big Data Tales”, ha studiato quattro campionati di diverse leghe europee relative alla stagione 2013-2014.
“Le applicazioni pratiche dei nostri lavori”, spiega lo stesso Paolo Cintia, “sono rivolte a tutte le figure dello staff tecnico di una squadra, dal preparatore atletico al direttore sportivo, includendo anche il tattico/match analyst. Lavoriamo allo sviluppo di metodi che siano di supporto a queste figure, ad esempio all’analisi dei dati GPS degli allenamenti per prevenire l’insorgere degli infortuni. Oltre a questo abbiamo recentemente sviluppato (è in attesa di pubblicazione e il preprint sarà disponibile a breve) un algoritmo per la valutazione della performance di un calciatore, validandolo insieme all’azienda leader nello scouting di calciatori (Wyscout). Sul fronte tattico, stiamo applicando tecniche di sequencing ai dati raccolti durante le partite, in modo da poter rappresentare il Dna di una squadra, ovvero i modi tipici con cui sviluppa l’azione e affronta l’azione avversaria. Quest’ultima applicazione è stata già presentata all’Hackathon organizzato da FIGC, risultando l’idea vincitrice”.
Ma come funziona nella pratica? L’algoritmo, che ha preso in considerazione alcuni campionati del passato, assegnava i 3 punti alla squadra che faceva più passaggi: ad esempio la Juventus di Antonio Conte che conquistò lo scudetto con 102 punti, ha vinto anche secondo l’algoritmo con uno scarto di 10 punti. Sebbene l’algoritmo sia riuscito anche a individuare la squadra più forte, il Real Madrid di Carlo Ancelotti, ha presentato alcune pecche dal momento che il possesso palla non è un indice assoluto di vittoria: il Verona di Luca Toni giocava molto in contropiede aggiudicandosi diverse vittorie anche senza un gran possesso palla o contrariamente l’Inter, dal gioco alto e intenso, non concretizzava. Due circostanze che sono sfuggite all’algoritmo ma che i ricercatori hanno riequilibrato con un indice di efficienza in difesa e attacco chiamato “Pezzali Score“, in onore del brano La dura legge del Gol.
Anche se le opportunità di business sono ancora da verificare, Cintia ha le idee chiare: “All’interno del progetto europeo SoBigdata – di cui facciamo parte – stiamo iniziando a lavorare a un business plan, con l’obiettivo di creare un’azienda spinoff del progetto di ricerca. Ad oggi non abbiamo ancora iniziato l’attività di trasferimento tecnologico. In questi anni ci siamo concentrati soprattuto sulla ricerca di nuovi approcci scientifici al “problema” calcio. Abbiamo collaborato con professionisti (medici sportivi, preparatori atletici, match Analyst e tattici), così da capire quali sono i problemi aperti e quelli che possono beneficiare dell’apporto dei dati sempre più precisi e dettagliati attualmente a disposizione di ogni staff”.
Insomma, la ricerca in questo settore continua, ma intanto il Liverpool ha assunto un fisico con dottorato a Cambridge e il Barcellona sta allestendo un laboratorio di ricerca in “Matematica dello Sport”, segno che i club contano anche sulla scienza per vincere.
Per altri contenuti iscriviti alla newsletter di Forbes.it CLICCANDO QUI .
Forbes.it è anche su WhatsApp: puoi iscriverti al canale CLICCANDO QUI .
