El “big data” arriba al gran grup LUCA, el darrer fitxatge de Movistar Team

presentacion-movistar-team

LUCA és l’últim fitxatge del Movistar Team. No és ni un gran contrarellotgista ni un excel·lent escalador. Però sens dubte es convertirà en un dels membres més importants de l’equip. Però, ¿qui és LUCA?

LUCA és la unitat de big data de Telefónica. És una unitat global que impulsa l’ús de dades i la presa de decisions basades en ells. “Dins de LUCA hi ha esperit innovador i ganes d’explorar totes les possibilitats que ofereixen les dades a la societat“, explica Pedro Antonio d’Alarcón, Head of Big Data for Social Good de LUCA.

Telefónica volia portar una mica més enllà el concepte tradicional de patrocini. “A través d’una ferma creença en l’ús de les dades, ens vam posar a treballar conjuntament i vam decidir que el tractament de totes les dades que està generant el Movistar Team podrien ajudar a millorar el rendiment dels ciclistes individualment i el del propi equip. Amb el suport d’un dels seus entrenadors, Mikel Zabala, i de la pròpia direcció de l’equip, va sorgir aquesta idea pionera d’usar el big data en aquest esport“, prossegueix Pedro Antonio.

Ciclisme basat en dades

El ciclisme basat en dades és ja una realitat perquè disposem de moltíssima informació. La tecnologia en general, i el big data en particular, el que permet és fer-nos coneixedors de totes les variables supercomplexes que hi ha en l’esport i que interactuen entre elles“, apunta Mikel Zabala, preparador físic del Movistar Team.

_16344894_517262aa

La principal motivació per treballar amb big data en ciclisme lògicament és tenir avantatge sobre els oponents i poder vèncer-los, o d’alguna manera manejar les circumstàncies de carrera en el nostre benefici. Les dades són molt útils sobretot per analitzar situacions que han succeït en competició i així determinar quin ciclista de l’equip pot rendir a major intensitat i durant més temps, i d’aquesta manera establir els rols de cada corredor diàriament i treure partit al corredor a cent per cent sense sobrepassar els seus límits“.

El ciclisme professional és un dels esports que més dades genera. Cada corredor porta una sèrie de sensors que recullen diferent informació. Els principals són el potenciòmetre, que se situa a la zona dels pedals de la bicicleta i mesura la potència en watts, la cadència, els cicles de pedaleig, la força que s’exerceix sobre els pedals … La banda de freqüència cardíaca, una cinta situada al voltant del pit del ciclista, és un altre sensor important.

Aquests sensors envien sense fil tota la informació a un dispositiu situat al manillar, un petit ordinador amb tecnologia Garmin. Aquest mateix dispositiu porta incorporat un GPS que proporciona informació addicional sobre el perfil del recorregut. Quan finalitza cada entrenament o cada etapa d’una volta, el ciclista connecta el Garmin a un ordinador i totes les dades recollides les trasllada al núvol.

Una vegada que les dades estan exportades a internet, comença el treball de LUCA. Tenint en compte que en una etapa d’una gran volta cada ciclista pot generar al voltant de 144.000 dades, i que per tant en una gran competició parlem d’uns 3 milions de registres per corredor, el treball no és senzill.

article-LUCA-herramienta-big-data-ciencia-datos-movistar-team-2017-5890cc2773735 (1)

Quan disposem de les dades, les carreguem dins de la nostra infraestructura de big data i és aquí on comencem a aplicar tota l’analítica i generem una sèrie de gràfiques“, puntualitza Pedro Antonio. “Ho vam presentar als ciclistes i a l’equip tècnic a través de quadres de comandament: una sèrie de pàgines web que analitzen tot el que ha passat i que a més són interactives i permeten explorar i interaccionar, jugar amb filtres i canviar les condicions del que s’està veient per adaptar-ho a les preguntes que s’estan fent. Això és molt important perquè quan un entrenador, un director d’un equip o el propi ciclista veuen aquestes gràfiques, no les veuen d’una manera passiva sinó que les miren d’una manera curiosa i preguntant-se què ha passat en les diferents parts de l’etapa“.

Descriure i predir

L’anàlisi de totes aquestes dades es realitza en tres fases. La primera és la més senzilla, és la fase descriptiva, i en ella s’explica què ha passat en l’etapa. “Podem trobar una justificació per exemple a per què un corredor en un moment determinat pateix una baixada de rendiment sobtada i entendre per què ha passat“.

La segona fase és la predictiva, és a dir, s’intenta predir què farà un ciclista abans que ho faci. Aquest pronòstic resulta complex en ciclisme, ja que és un esport en el qual entren en joc una sèrie de factors difícilment controlables, com la climatologia, les caigudes … Però les dades ajuden a saber en quines condicions està competint a l’esportista.

I finalment la fase més avançada i difícil és la prescriptiva. Com que se sap el que passarà, s’actua sobre certes variables perquè passi el que es desitja que passi. “Per exemple, un ciclista durant l’any arriba a una sèrie de pics de forma i aquests pics són el moment òptim on el ciclista ha d’estar competint en una cursa com el Tour, la Vuelta o el Giro. Llavors la part prescriptiva de l’anàlisi seria manipular les variables de càrrega d’entrenament i recuperació perquè s’arribi al pic de forma just a la data en què s’ha d’arribar. Això és un exemple d’anàlisi avançat prescriptiu“, conclou Pedro Antonio.

Movistar-stage-one-cropped

A Mikel Zabala li agrada definir la intel·ligència de dades com una petita bola de vidre que ajudarà a predir el futur. “Es necessita el major nombre de dades possibles per una qüestió estadística, matemàtica. Com més gran sigui el nombre de dades millor es representarà la realitat. El big data es basa en tal quantitat de dades que l’estimació arriba a tenir uns nivells increïbles de certesa. Per exemple, és molt possible que puguem preveure una ‘pájara’ d’un corredor determinat, perquè si sabem quines prestacions pot tenir, coneixem la temperatura ambiental, si està en primera línia tirant o darrere d’un corredor beneficiant-se de l’aerodinàmica, es poden introduir totes aquestes variables i sabrem quant temps pot mantenir aquest esforç. Qui maneja aquesta informació pot utilitzar aquestes variables en el seu benefici i jugar a nivell tàctic. En l’esport, prendre aquestes decisions en el menor temps possible de forma encertada és el que determina que tinguis èxit o no el tinguis“.

Esport i tecnologia

L’esport professional ja no s’entén sense la tecnologia. La investigació al voltant de materials per aconseguir guanys marginals en els registres dels esportistes -en disciplines com la natació o el atletisme- o les eines d’arbitratge en tennis són ja una cosa habitual.

Però per a Pedro Antonio la gran revolució tecnològica serà l’ús de les dades, que fins ara no s’estaven mesurant ni recollint: “El big data ha arribat i nosaltres el que estem intentant és estar a l’avantguarda provant-ho amb el ciclisme professional. I el que revolucionarà fonamentalment és que el ciclista tindrà una altra perspectiva de si mateix, al voltant dels resultats, les seves sensacions… entrenarà i podrà veure si l’entrenament ha fet efecte en funció del que obté en una cursa. Ara podrà entendre, si no aconsegueix el que ell espera, per què és, en quins punts ha d’incidir per millorar, i això li ho diran les dades i l’anàlisi d’aquestes“.

Aquest coneixement de la informació i de les variables no només millorarà el rendiment. Al seu torn també pot afavorir aspectes com la salut, tant de l’esportista d’elit com d’usuaris del carrer. Qualsevol usuari de qualsevol nivell que porti el seu SmartWatch o el seu dispositiu electrònic podrà regular fins i tot la intensitat del seu esforç per adaptar-lo a l’objectiu que tingui, ja sigui relacionat amb la salut o amb el rendiment“, reflexiona Mikel.

Sens dubte, la tecnologia està ajudant a l’esport d’elit de tal manera que les prestacions són superiors, i la incidència sobre els resultats serà molt important. L’encant de l’esport i la seva casuística no es perdran, però a partir d’ara hi haurà una altra batalla, la de les dades, molt interessant“.

* Basat en un article publicat al Blog Think Big