Movistar Team: Los mejores ciclistas, el mejor cuerpo técnico, la mejor estrategia … y Big Data

By Mikel Zabala, PhD (Sport Scientist, Profesor Titular de la Universidad de Granada y miembro del equipo de entrenadores de Movistar Team), Javier Carro (Data Scientist en LUCA) y Pedro A. de Alarcón, PhD (Data Scientist en LUCA).

Según este artículo de Harvard Business Review, sólo un 1% de mejora sobre determinadas variables que afectan al rendimiento es lo que está detrás del espectacular aumento del palmarés olímpico del equipo de ciclismo en pista de Reino Unido. Se trata de analizar cuidadosamente todos los aspectos que pueden afectar al ciclista y su rendimiento (desde la aerodinámica del casco hasta el tiempo de traslado desde la villa olímpica a la pista…) y actuar sobre ellas aunque sea de forma mínima… y la suma de diferencias marginales produce la victoria. Desde LUCA, nuestra portación, será aplicar la potencia del Big Data y la Ciencia de Datos para identificar las variables donde actuar y mejorar.   Durante la presentación del equipo Movistar para latemporada 2017, Chema Alonso, Chief Data Officer de Telefónica ha avanzado parte del trabajo que estamos realizando junto a Mikel Zabala profesor de la universidad de Granada con una larga trayectoria académica y profesional en Sport Science y queforma parte del Staff Técnico de entrenadores del equipo. Mikel usa los datos generados por los computadores de los ciclistas del equipo tanto en entrenamiento como en carrera así como otras variables asociadas al corredor (test de esfuerzo, alimentación…). Estos datos sirven a Mikel como base para generar una serie de variables complejas y modelos matemáticos que permiten analizar el rendimiento y desgaste físico del ciclista, lo cual es un input crítico para la planificación y personalización de los entrenamientos. El objetivo último es que el ciclista llegue en un estado óptimo de forma a la competición, y que durante la misma pueda cumplir perfectamente su rol dentro del equipo y recuperarse adecuadamente.

Para analizar los datos extraídos del computador de la bici podemos encontrar software gratuito y compatible con la mayoría de formatos de
archivos como GoldenCheetah o TrainingPeaks. Ambas plataformas
proporcionan información muy técnica y valiosa, sin embargo, nosotros nos
proponemos llegar un poco más lejos, creando una herramienta de análisis adaptada a las necesidades específicas del equipo y que use los últimos modelos estadísticos y técnicas de Machine Learning de forma que podamos proporcionar al equipo conocimiento diferencial tanto en los entrenamientos como en competición. Algunas de las líneas de trabajo que estamos desarrollando son:

• Modelización temporal del pico de forma de cada corredor de forma que podamos predecirlo y ajustarlo con entrenamiento al tiempo donde ocurre la competición.
• Determinación de las variables del contexto de entrenamiento (perfil de altitud, meteorología…), del entrenamiento y del
  corredor que más impactan en el rendimiento y sus sensaciones subjetivas.
• Contrastar los roles adoptados en carrera por los ciclistas con variables de rendimiento y fatiga para alimentar la estrategia de
  siguientes etapas y planificar la recuperación de los corredores.

Empezamos a pedalear fuerte, nos espera un 2017 ¡ lleno de victorias!