Toma de decisiones basada en datos en el fútbol: juzgar el proceso, no el resultado

Se suele describir la toma de decisiones basada en datos en el fútbol como una cuestión de tener más números. Lo difícil es decidir qué hacer con una probabilidad una vez que se tiene. Un pronóstico que le da a un equipo un 40% de opciones de ganar es una afirmación de que el equipo pierde más veces de las que gana, pero también de que gana en una parte nada desdeñable de los casos. Una junta directiva que solo escucha el resultado juzgará la decisión por el marcador y sacará la lección equivocada la mitad de las veces.

La disciplina básica consiste en evaluar la decisión con lo que se sabía en el momento de tomarla. Dar descanso a un central cansado antes de una semana cargada de partidos, fijar un objetivo de puntos o elegir una intensidad de presión ante un rival más fuerte pueden ser decisiones sensatas y acabar mal, porque el partido tiene un componente aleatorio enorme. Un buen hábito de reunión es escribir en una sola hoja, antes del pitido inicial, la decisión, las probabilidades que se manejaban y el razonamiento. Después, se revisa primero la hoja y luego el marcador. Si el razonamiento era bueno y el resultado fue malo, se anota y no se cambia nada. Si el razonamiento era débil y el resultado fue bueno, se señala, porque una victoria afortunada enseña el mismo mal hábito que una derrota con mala suerte.

Las juntas directivas necesitan que las expectativas se expresen en rangos. En lugar de una única posición final en la liga, conviene pedir el abanico de resultados plausibles y qué porción de ese abanico se considera aceptable. Esto protege tanto al entrenador como al directivo: una temporada que termina en la parte baja de un rango publicado en agosto abre una conversación distinta a la de una que termina fuera de él. Las probabilidades también vuelven concretos los debates sobre la rotación de la plantilla. Si en un partido ya se parte como gran favorito según los datos, el coste de descansar a un jugador clave es menor que en un encuentro valorado como parejo, y el cuerpo técnico puede decirlo con cifras en vez de por intuición.

¿Cómo saber si un pronóstico o un producto de datos es bueno? Hay que empezar por las preguntas que son fáciles de hacer y difíciles de falsear. ¿Es público el historial y conserva la última predicción antes del pitido inicial, en lugar de una anterior más favorecedora? ¿Se evalúa con una definición declarada de resultado? ¿Informa de la tasa base, es decir, de lo que habría logrado una regla ingenua sobre los mismos partidos? ¿Y dice con qué frecuencia fallan sus predicciones más seguras? La calibración es la prueba central: de todas las predicciones hechas en torno al 70%, unas siete de cada diez deberían cumplirse, y las otras tres son el sistema funcionando, no averiándose. Un pronóstico que nunca falla al 70% está mal calibrado, no es brillante.

Un ejemplo práctico muestra cómo leer un historial así. Kickwise publica una probabilidad para victoria local, empate y victoria visitante, construida a partir de la lectura que hace un modelo de lenguaje de los datos del partido, combinada con el consenso del mercado cuando existen cuotas de las casas de apuestas, y se actualiza cuando se confirman las alineaciones. Su historial público conserva la última predicción hecha antes del pitido inicial y la evalúa con el resultado tras 90 minutos más la prórroga, si la hubo. En los últimos 90 días, las predicciones con una confianza del 65% o superior acertaron 150 veces de 184 (82%), mientras que el equipo local ganó el 62% de esos partidos, de modo que apostar siempre por el local habría dado un 62%. La comparación con la regla ingenua es lo que da sentido al 82%.

Ese mismo historial muestra también por qué una ventana corta no es un veredicto. En los últimos 30 días, sumando todos los niveles de confianza, acertó 504 de 881 predicciones (57%), con un Brier de 0,56 frente a 0,636 de una referencia que asigna a cada partido las propias tasas de victoria local, empate y victoria visitante de la muestra. En los últimos 7 días fueron 159 de 295 (54%), con un Brier de 0,572 frente a 0,642. El Brier premia las probabilidades que fueron a la vez seguras y correctas, y cuanto más bajo, mejor, así que superar la referencia en ambas ventanas importa más que el porcentaje que luce en el titular. La oscilación entre el 57% y el 54% es lo que parece una semana de fútbol, y los límites declarados se mantienen: el empate es el resultado más difícil de acertar, los amistosos y los partidos con pocos datos son casi una moneda al aire, y una predicción del 70% sigue esperándose que falle unas tres veces de cada diez.

¿Dónde deja de ser útil esto? Las probabilidades no dicen qué hacer, solo cuánta incertidumbre hay, y dicen poco sobre un único partido cuando la muestra es pequeña. No pueden sustituir el criterio de un entrenador que sabe que un jugador arrastra un golpe que nunca llegó a un parte médico. Son más débiles precisamente donde los datos son más escasos. Y un pronóstico pensado para resultados de partidos no debe estirarse hasta convertirse en una afirmación sobre el valor a largo plazo de un jugador o la calidad de un entrenador.

Para la reunión del cuerpo técnico, tres hábitos cargan con casi todo el peso. Registrar la probabilidad antes del partido, no después. Revisar las decisiones en lotes de muchos partidos y no de un solo fin de semana, para que la suerte tenga espacio para compensarse. Y mantener un punto fijo del orden del día que pregunte cuáles de las decisiones del mes pasado volveríamos a tomar con la misma información. Ese punto, repetido, es cómo se manifiesta en la práctica el análisis de datos en el fútbol: no en un pronóstico concreto, sino en una sala que ha aprendido a distinguir una buena decisión de un buen resultado.