La match analysis fra passato, presente e futuro

0
483

Adriano Bacconi è senza dubbio stato uno dei precursori della match analysis nel calcio, punto di riferimento di tanti tecnici e addetti ai lavori, oggi consulente di varie testate e società tecnologiche tra cui Math&Sport. Quest’ultima fortunata collaborazione parte dall’amico Mauro Berruto a cui stava raccontando il suo desiderio di scrivere un libro sulla match analysis. Devi parlare con Ottavio Crivaro di Math&Sport – gli disse – insieme stiamo facendo cose bellissime nella pallavolo. Hanno programmato un software che predice e suggerisce ciò che succederà nell’azione successiva attraverso un algoritmo matematico che analizza i dati di ogni giocatore. All’epoca si stava allestendo anche un altro tool che usava in allenamento che lo supportava nelle scelte durante la partita. Da lì è partito lo sviluppo di Virtual Coach, che analizza in tempo reale le dinamiche di gioco e genera indicatori di performance che supportano l’allenatore. La fonte sono i dati rilevati, dati posizionali dei giocatori sul campo, che alimentano gli algoritmi in cloud: sono essi stessi a processare tutti questi dati ed estrarre informazioni utili poi a staff e allenatore. E’ un elemento rivoluzionario: da un lato infatti, non ci si limita a osservare solo ciò che avviene sulla palla, ma possiamo misurare e confrontare ciò che avviene simultaneamente in tutto il campo; inoltre ogni numero è un valore oggettivo, non rilevato da un uomo, ma da modelli matematici. Vinta la sfida tecnologica, però, c’è da vincere la sfida umana. Oggi il ruolo del match analyst finisce con il calcio d’inizio della partita. L’analista studia, prepara, ritaglia video e a posteriori confronta le situazioni e analizza. Durante la partita incide ancora troppo poco e, nella migliore delle ipotesi, utilizza la camera tattica con dei ritagli video per dare un supporto visivo all’allenatore nell’intervallo: “onestamente già lo facevo io con Mister Arrigo Sacchi nel ’94. Siamo ancora lì, c’è bisogno di un salto quantico che porti ad incidere durante la partita supportando l’allenatore nei processi decisionali” ha sottolineato di recente Bacconi.
“Lavoriamo per customizzare gli algoritmi in base alle esigenze dell’allenatore. La correlazione fra diversi indicatori è la strada che dobbiamo percorrere. Ad esempio possiamo abbinare la disponibilità al passaggio con la pressione applicata dagli avversari: più i giocatori sono disponibili, più è facile l’uscita da dietro; questo indicatore dipende dalla pressione esercitata dagli avversari. In base a dove gli avversari mi vengono a pressare, capisco la zona in cui mi interessa monitorare la disponibilità dei miei. Quando gli opponenti alzano il baricentro e vengono in pressione, noi come ci comportiamo? Abbiamo coraggio e ci rendiamo disponibili? Chi dei miei giocatori si rende più disponibile? E’ uno spunto davvero interessante che poi possiamo correlare alla rischiosità dei miei passaggi, per capire chi osa di più la giocata. Sorge spontanea una domanda : come quindi si evolverà il ruolo dell’analista?
“Il data analyst è come un cuoco, i suoi ingredienti sono gli indicatori: deve preparare la ricetta giusta in funzione di cosa desidera l’allenatore. E’ importante fare affidamento sulla black box: gli algoritmi aiutano gli staff nell’interpretazione, l’intelligenza artificiale processa milioni di raw data e genera output che, funzione della gara, restituiscono all’allenatore 4-5 informazioni utili che lui mixerà con le proprie percezioni, il proprio istinto e la propria esperienza. Così si creerà una perfetta combinazione tra strategia artificiale e strategia umana”. Negli anni ’90 le aziende di tracking come Prozone assumevano i migliori ricercatori universitari e li formavano per farli diventare ottimi data analyst. Oggi i più grandi data analyst della Premier League arrivano da questo percorso. E’ necessario costruire risorse, formarle e restituire valore umano. Non si tratta solo di matematica: continuiamo a lavorare per elaborare servizi all’avanguardia, innovativi, che rispondano alle esigenze di chi li utilizzerà e ci orientiamo a formare professionisti che diventeranno i match analyst del futuro.
E allora, come sarà la data analysis del domani? “Fino ad oggi disponiamo dei dati posizionali dei giocatori e della palla. Nel prossimo futuro arriveranno anche i dati dello skeleton del giocatore che ci permetteranno di sapere l’orientamento dell’atleta: come corre, come salta, come tocca il pallone. Il nostro compito sarà creare algoritmi che ci permettano di arrivare a fare analisi cognitive: come pensa il giocatore quando fa una determinata scelta? Fa un passaggio indietro perché sa che se la passa al compagno davanti perderà il pallone o semplicemente non ha visto il compagno davanti? L’esito è uguale, ma una scelta è giusta, l’altra è sbagliata. Oggi la match analysis ci dice cosa è successo e cosa sta succedendo. Domani ci dirà perché è successo e perché sta succedendo