Nello sport di alto livello, la tecnologia è ormai diventata uno strumento essenziale per misurare le prestazioni di atlete e atleti. Per farlo gli strumenti tecnologici di avanguardia utilizzano la matematica e la fisica, due discipline che permettono di costruire modelli accurati che simulano la realtà e così facendo forniscono al personale tecnico metriche avanzate per l’analisi tecnico-tattica e atletica, mirate al miglioramento delle prestazioni.

È importante sottolineare che vanno messi a disposizione di atleti e staff tecnici strumenti facili da usare, che non modifichino le abitudini di allenamento e che forniscano automaticamente informazioni rapide ed essenziali, spesso sottoforma di report sintetici con le indicazioni più rilevanti. Negli ultimi anni, i rapidi progressi nella tecnologia hanno rivoluzionato il modo in cui i dati vengono raccolti, automatizzando questo processo e minimizzando la necessità di intervento umano. Grazie a registrazioni video di alta qualità e all’avanzamento dell’apprendimento automatico (machine learning), della computer vision e dell’intelligenza artificiale, la raccolta di dati ha assunto una nuova dimensione.

Questo articolo offre una panoramica delle fonti di dati più utilizzate nello sport di alto livello e delle loro applicazioni fondamentali.

Riprese video

I video sono probabilmente la fonte di dati più comune per le organizzazioni sportive di tutti i livelli. A partire dagli anni Novanta, le società hanno iniziato a dotarsi di sistemi di telecamere fisse e/o mobili per registrare gare e allenamenti. Il video infatti è uno strumento molto utile per comunicare con gli atleti e renderli consapevoli del proprio gesto tecnico o delle azioni che compiono in campo.

Gli atleti che praticano sport come baseball, cricket, softball o golf sfruttano i risultati che si possono ottenere dalle riprese video per analisi biomeccaniche, finalizzate al miglioramento della tecnica individuale. Grazie alla computer vision, un campo dell’intelligenza artificiale che consente ai computer di ricavare informazioni da immagini e video, è possibile estrarre dati sul movimento degli atleti senza bisogno di sensori sul corpo. La “stima della postura” (pose estimation) è una tecnica di computer vision per tracciare i movimenti di una persona o di un oggetto, identificando in automatico dei “punti chiave” (key points). Sulla base di questi punti chiave è possibile confrontare vari movimenti e posture, durante diverse ripetizioni. Queste analisi sono utili per sensibilizzare l’atleta sui suoi punti di forza e debolezza, in modo da preparare allenamenti mirati.

Dati di tracking ottico

Nel calcio, nel basket e nell’hockey di alto livello, gli stadi sono dotati di sistemi avanzati di telecamere per estrarre, sempre sfruttando la computer vision e l’intelligenza artificiale, i cosiddetti dati di tracking ottico. Questi dati descrivono le coordinate (x, y) di tutti i giocatori e del pallone in ogni istante, come se fossero disposti su un piano cartesiano. Le tecnologie di tracking ottico individuano la posizione di atleti e palla almeno 10 volte al secondo e sono molto accurate: l’errore è tipicamente inferiore al metro. Alla fine della partita si ottiene un dataset molto ricco: per una partita di calcio ci sono più di tre milioni di punti.

​

Grazie a questi dati si possono costruire metriche per valutare, da un lato, le performance atletiche dei giocatori e le loro capacità di occupare spazi e muoversi in modo efficace, dall’altro le performance della squadra come collettivo. In tal senso, negli sport di squadra, l’analisi tattica dell’avversario è uno strumento sempre più adottato dalle società di alto livello per affrontare sia le competizioni nazionali che quelle internazionali: l’obiettivo è individuare i punti di forza e debolezza, le tendenze e gli schemi ricorrenti. I dati di tracking ottico consentono di fare tutto questo in modo preciso e completo, proprio perché includono i dati di tutti i giocatori e della palla.

Dati a evento

I dati cosiddetti “a evento” consistono in annotazioni manuali, fatte inizialmente da un membro dello staff chiamato “scout”: descrivono gli eventi individuali durante una partita e associano una valutazione soggettiva. Sono dati comunemente raccolti nel calcio, nel basket e nella pallavolo: gli scout usano schemi di annotazione, in tempo reale durante la gara, per descrivere le azioni e segnare sui loro taccuini delle potenziali contromisure da adottare nelle fasi successive dell’incontro. Dopo la partita fanno una revisione dettagliata, in modo da estrarre un report statistico completo.

Se da un lato questa fonte di dati è apprezzata dagli allenatori perché consente di raccogliere informazioni personalizzate, in linea con la propria filosofia di gioco, dall’altro è fondamentale stabilire regole condivise di rilevazione e valutazione. In generale non esistono convenzioni o pratiche standard in questo campo, visto che questa fonte di dati risente di una componente soggettiva.

​

L’importanza di porsi “le domande giuste” e interpretare “le risposte” correttamente

Adottando tecnologie innovative, uno dei valori aggiunti è l’oggettività con cui vengono generati i dati perché non sono dati legati all’interpretazione di un osservatore. Quando si tratta di precisione, per esempio, i sistemi di tracking ottico generalmente forniscono dati più affidabili e precisi grazie alla loro configurazione con telecamere dedicate. D’altra parte, ogni tipo di dati ha i propri vantaggi e svantaggi, non solo in termini di accuratezza. Mettere insieme diverse fonti di dati della stessa gara permette di costruire un dataset più ricco per ottenere una visione completa delle prestazioni, che contestualizza aspetti tecnici, tattici e atletici.

Gli staff tecnici e gli atleti dovrebbero considerare attentamente le loro esigenze e risorse quando decidono quale tipo di tecnologia adottare. Non tutti i dati consentono di rispondere a ogni domanda: conoscendo i vantaggi e gli svantaggi di ciascuna risorsa/fonte, è possibile sfruttarla al meglio, per costruire delle analisi che permettano di prendere decisioni informate, massimizzando il vantaggio competitivo. Porsi le domande giuste, interpretare le metriche e le analisi opportunamente sono qualità spesso sottovalutate, ma cruciali: se la capacità di porsi domande giuste si apprende con l’esperienza, quella di interpretare i dati si acquisisce con la conoscenza e lo studio di discipline come la matematica e la statistica.

immagine di copertina di Jacob Rice su Unsplash

(fonte: SportAnalytics)

Alcuni numeri sul data tracking nel calcio: 135 mila frame a partita; per ciascun frame raccolta delle coordinate cartesiane dei giocatori e della palla (fonte: SportAnalytics)