Hace unos días aparecía un artículo de Jorge Valdano, publicado en El País, con título “Trampas de las estadísticas”. En dicho artículo, el exjugador y ahora comentarista y periodista deportivo hacía referencia a “ideas sueltas” sobre lo acontecido en el reciente Mundial de Qatar que le llevaban a hacer consideraciones sobre las estadísticas con afirmaciones como: “los datos tienen la pretensión de no dejar nada suelto y, por supuesto, no lo consiguen” o “para las estadísticas correr mucho tiene prestigio”, acabando con un “digan lo que digan las estadísticas”.

La Estadística, en sus orígenes (siglo XVIII) como disciplina, debe su nombre a que se la asocia a la ciencia del Estado, de ahí su etimología, para irse configurando posteriormente como la disciplina que trata de la recogida de datos, su síntesis y su análisis. Su aplicación no se redujo exclusivamente a ser un mecanismo de control de las actuaciones de los gobiernos, sino que se extendió a todos aquellos ámbitos que generan información y el uso de la misma puede ser relevante, como es el caso de deporte.

Las estadísticas del deporte no deciden qué hay que medir. Miden y registran aquello que el técnico, el periodista o el simple aficionado cree que es relevante medir (cuantificar) dado que, por ejemplo, en el caso del fútbol, es imposible hacerlo a través del simple visionado de un partido. Hoy en día la tecnología permite “traducir”, en términos de observaciones de las variables que sean de interés, toda la información que contienen las imágenes de un partido. Ya no hace falta hacer lo que hizo Ignacio Palacios-Huerta en su momento para escribir sus trabajos sobre los lanzamientos de penaltis: visionar uno a uno videos de partidos en los que se había lanzado algún penalti o tanda de penaltis. Las estadísticas no deciden si hay que medir los kilómetros recorridos o el número pases realizados por un jugador, y mucho menos si correr más da más prestigio (?) o no.

Muchas veces a los usuarios de las estadísticas se les pueden escapar, al menos dos cosas que pueden afectar al adecuado uso de las mismas. Por un lado, muchas afirmaciones, de hecho, hacen referencia a más de una variable, como en el caso que menciona Valdano sobre Arsène Wenger, cuando dijo que ganaría el Mundial el equipo con mejores extremos: ganar o no el Mundial y medida de lo buenos que son los extremos de un equipo. Más allá que podamos discutir, cómo debe medirse esta última variable, es más que probable, por no decir seguro, que hay más de una variable, no sólo ésta, que influya en el hecho de ganar un partido o un Mundial.

Pero, además, si algo caracteriza el análisis estadístico es la incertidumbre. No es una ciencia exacta como algunos pretenden que sea, ni tampoco lo descalifica el que no lo sea. Al citar el pronóstico de Wenger, basado en el hecho de que la mayoría de goles en la primera fase habían sido originados por centros desde las bandas, Valdano concluye “Argentina desmintió esa estadística”. A pesar del resultado del Mundial, es probable que haya una afirmación (estadísticamente) correcta la que justifica el pronóstico de Wenger. Así, por ejemplo, en la reciente Supercopa de España jugada en Arabia Saudí, las dos semifinales se resolvieron en la tanda de penaltis, venciendo en ambos casos el equipo que lanzó en segundo lugar. ¿Desmiente este hecho el resultado ampliamente conocido, y justificado empíricamente, que el equipo que lanza primero en una tanda tiene una mayor probabilidad de ganarla? No. Una mayor probabilidad no significa que siempre deba darse este resultado. Si así fuera no haría falta lanzar los penaltis, sino simplemente sortear quien lanza primero.

Muy probablemente este rechazo por las “estadísticas” por parte de algunos profesionales del fútbol, pueda deberse a que éstas puedan dejar sin contenido las funciones de los técnicos y los profesionales de este deporte. Quizá por ello la frase “los datos tienen la pretensión de no dejar nada suelto y, por supuesto, no lo consiguen” en el artículo de Valdano. Nada más lejos de la realidad. No es una cuestión de “estadísticas” o “técnicos”. Es una cuestión de cómo la labor de los técnicos puede enriquecerse con el uso adecuado de la información que generan las estadísticas y el análisis (adecuado) de las mismas.

En este sentido, el mundo del béisbol y el cine nos brindan un buen ejemplo de porqué debe darse esa “colaboración”. Es ampliamente conocida en el ámbito de la economía del deporte la película (y libro) Moneyball que nos relata la historia del equipo de béisbol americano, Oakland Athletics, que utiliza el análisis estadístico para fichar jugadores productivos para ganar partidos con salarios “bajos”. Ello les permitió acceder a las series finales de la Major League Baseball con el segundo presupuesto más bajo de los equipos que participaban. Esta sería la cara que nos muestra el papel de las “estadísticas”.

Pero posteriormente se estrenó otra película de Clint Eastwood, Golpe de efecto, también sobre béisbol, que muestra una faceta del papel de los técnicos, en este caso, los ojeadores. Desde el punto de vista cinematográfico, no es, ni mucho menos de las mejores películas de Clint Eastwood, pero para lo que nos ocupa muestra cómo un ojeador puede llegar a “ver” aspectos que las estadísticas habituales no alcanzan a detectar. Es ahí, en la toma decisiones sobre quien fichar, cuando hay que contar con ambos actores (estadísticas y técnicos) jugando de forma colaborativa. Para aquellos familiarizados con el modelo de regresión, a la hora de explicar si fichar o no a un jugador influye la parte “determinística”, Moneyball, y la capacidad de extraer del término de error (lo que no observamos) algo más que su valor esperado que es cero. Esta última sería la aportación del ojeador. Quizá esta colaboración haga que los clubes sean algo más eficientes en sus políticas de fichajes y superen ese umbral de un fichaje exitoso de cada dos, que según los expertos se da actualmente.

Las estadísticas por sí solas no “dicen” nada. Es su interpretación y su análisis lo que permite a cualquier interesado realizar afirmaciones basadas en las mismas, cuya validez e interés dependen del buen uso que se haga de las estadísticas, incluida su relevancia.

Jaume García

Universitat Pompeu Fabra