Estadística avanzada en el In Season Tournament de la NBA

Logo del In-Season Tournament de la NBA. Fuente: NBA.com 

Serie: Conectados (XLII)

La estadística es un campo de estudio muy ligado al deporte, permitiendo analizar de manera objetiva diferentes aspectos del juego. Aunque se llevan recogiendo datos y aplicando estadística desde el comienzo de los tiempos en cualquier deporte (de hecho, el propio resultado ya es un dato que se puede analizar estadísticamente), en los últimos años la importancia de la estadística aplicada al deporte ha crecido enormemente gracias a los avances técnicos que permiten tanto monitorizar un mayor número de variables como analizarlas para extraer conclusiones. En este sentido el caso de los Oakland Athletics de béisbol se considera como uno de los pioneros: en el año 2002, y de la mano de Bill James y Paul DePodesta, esta organización comenzó a aplicar análisis de datos a la política de fichajes y la estrategia del equipo para intentar mejorar sus resultados. Gracias a este cambio de paradigma los Oakland Athletics pasaron de ser uno de los peores equipos de la liga a ganar más de 100 partidos y tener una racha de 20 partidos ganados de forma consecutiva, pese a seguir siendo uno de los equipos con el presupuesto más bajo de la liga. Esta historia inspiró el libro Moneyball: the art of winning an unfair game, escrito por Michael Lewis [1], y la película de 2011 Moneyball, protagonizada por Brad Pitt [2]. En el caso de baloncesto, el uso de la estadística también está muy extendido debido a la riqueza en cuanto a eventos del juego analizables y fácilmente medibles: la gran mayoría de personas están familiarizadas con puntos, rebotes y asistencias, y en gran parte de las ligas profesionales es posible acceder, desde hace varias temporadas y para cada partido, tanto a los datos anteriores como muchos otros como porcentajes de tiro, tiempo de juego, robos o tapones. Sin embargo, la estadística en el baloncesto va bastante más allá y, en lo que se conoce como estadística avanzada, ha comenzado a proponer y analizar nuevas variables que permiten extraer más información del juego o solventar algunos problemas que pueden surgir al analizar e interpretar variables estadísticas clásicas. Para profundizar más en este ámbito se recomienda revisar los artículos de Andrés Monje [3] y Kike García [4], en los que se introduce la estadística avanzada, presentando varios factores que se analizan en este ámbito y explicando su utilidad en cada caso.

Figura 1: Cartel de la película Moneyball. Fuente: IMDB [2].

En esta entrada se va realizar una pequeña introducción práctica a la estadística avanzada en el baloncesto, particularizando y analizando el In-Season Tournament (IST) de la NBA: un torneo de mitad de temporada que se ha celebrado esta temporada 2023/24 por primera vez y ha finalizado el pasado sábado 9 de diciembre, alzándose Los Ángeles Lakers como campeones tras ganar a los Indiana Pacers. Este torneo se ha disputado a lo largo de los meses de noviembre y diciembre, con una primera fase en formato liga con seis grupos de cinco equipos, y una segunda fase de cuartos de final, semifinales y final a partido único y que se celebró del 4 al 9 de diciembre, siendo las semifinales y final disputadas en terreno neutral en formato de Final Four en Las Vegas (Nevada, EEUU). En esta entrada se realizará un análisis de los cuatro equipos que disputaron la Final Four (Los Ángeles Lakers, Indiana Pacers, New Orlean Pelicans y Milwaukee Bucks) analizando los partidos de esta semana: tres partidos en el caso de los finalistas y dos para los equipos que perdieron en semifinales, usando para ello los datos de la página oficial de la NBA [5] y de la web Basketball Reference [6]. Cabe mencionar que para poder realizar un análisis significativo y representativo haría falta un número de partidos muy superior, pero el propósito de esta entrada no es extraer conclusiones sino presentar y explicar algunos parámetros de estadística avanzada empleados en este deporte.

Figura 2: Logo del In-Season Tournament de la NBA. Fuente: NBA.com [7].

El evento más analizado en el baloncesto, como en otros deportes de equipo, es la anotación, ya que tiene una correlación directa con el marcador final de su equipo. En este sentido, el máximo anotador de esta fase del torneo IST ha sido LeBron James con 85 puntos, seguido por su compañero de los Lakers Davis con 84 puntos y Haliburton, su rival en la final, con 73. Sin embargo, merece la pena destacar a Giannis Antetokounmpo, que logró 72 puntos pero únicamente en 2 partidos, por lo que su promedio (36 puntos por partido) fue superior al de James (28.3 puntos de promedio). Sin embargo, el baloncesto es un deporte de equipo, por lo que podemos evaluar la productividad de un jugador no solo con su anotación sino también con la anotación que consiguen sus compañeros gracias a sus asistencias. Teniendo esto en cuenta, el mejor jugador de la fase final del IST ha sido Haliburton con un total de 164 puntos totales generados en parte gracias a sus 13 asistencias por partido, que complementaron su anotación. Además, también ha sido el jugador que más puntos ha generado por partido, con 54.7 puntos, superando a Antetokounmpo, promedió 52 puntos generados por partido. En tercer lugar, se puede analizar también los puntos que anota un equipo cuando cada jugador está en cancha. En este caso Haliburton fue uno de los jugadores más influyentes al anotar o asistir el 57.1% de los puntos de su equipo cuando él está en cancha. Sin embargo, no es el jugador con mayor porcentaje ni siquiera de su equipo, ya que su compañero T. J. McConnell ha generado el 64.7% jugando casi 14 minutos por partido. Más allá de estos dos jugadores de Indiana Pacers, solo LeBron James (54.5%) ha superado el 50% en este parámetro estadístico si obviamos jugadores con menos de 10 minutos totales jugados en los partidos analizados. Este resultado puede ser un indicativo del tipo de juego de los Indiana Pacers, muy influenciado por el juego genreado por sus bases Haliburton y McConnell.

Figura 3: Jugadores con mayor producción con puntos anotados o asistidos durante su tiempo en juego del In-Season Tournament de la NBA: de izquierda a derecha, T. J. McConnell (Indiana Pacers), T. Haliburton (Indiana Pacers) y LeBron James (Los Angeles Lakers). Fuente de las imágenes: Basketball Reference [6].

Otro gran apartado estadístico del baloncesto para el gran público es el rebote. En esta fase final del torneo IST el dominador en este apartado ha sido Anthony Davis, de Los Ángeles Lakers, con un total de 50 rebotes y un promedio de más de 16 por partido en los tres partidos que ha disputado. La estadística avanzada también se puede aplicar al rebote, calculando el porcentaje de rebotes disponibles que atrapa un jugador mientras está en pista, eliminando con este parámetro la ventaja de jugadores que juegan cuando se producen muchos fallos en el tiro o la desventaja de los que juegan con grandes porcentajes de acierto en sus minutos en cancha. Teniendo en cuenta este parámetro, Anthony Davis ha atrapado el 24.6% de los rebotes disponibles, siendo D. Daniels (New Orleans Pelicans), no habiendo ningún otro jugador que llegue al 20%: los siguientes en el ranking son Marshall y Daniels, de los Pelicans, con un 18.2% y un 17.6% respectivamente, y habiendo únicamente 4 jugadores más que superan el 15% en este apartado jugando más de 10 minutos totales en los partidos analizados. A modo de curiosidad Antetokounmpo, uno de los grandes reboteadores de la liga, tiene un 13.8% en este apartado estadístico, lo que sugiere que el rendimiento dominante de A. Davis en el rebote se ve reflejado también en parámetros de estadística avanzada.

Por último, otra posibilidad que permite la estadística avanzada es no limitarse al análisis individual de jugadores, sino analizar combinaciones de varios jugadores compartiendo cancha a la vez. Este aspecto no es trivial, ya que el baloncesto es un deporte de equipo. Por este motivo es positivo no limitarse únicamente las estadísticas individuales, sino también estudiar las estadísticas de diferentes combinaciones de jugadores para ver cómo son capaces de potenciar sus capacidades y rendimiento. Para ilustrar este tipo de estadísticas se van a usar en esta entrada el +/- (más‑menos), esto es, la diferencia entre puntos a favor y en contra mientras un jugador o conjunto de jugadores está en cancha, y el tiempo de juego para cada combinación de jugadores analizada. Además, se limitará el análisis a quintetos, aunque se podría aplicar igualmente a conjuntos de dos, tres y cuatro jugadores. En el caso de los quintetos, el análisis es complicado dado el gran número de quintetos diferentes y el escaso tiempo de juego que tienen la mayoría de ellos: por ejemplo, los Milwaukee Bucks utilizaron un total de 26 quintetos en los dos partidos que disputaron, pero únicamente 3 de ellos alcanzaron los 5 minutos totales de juego.

Algunos aspectos que llaman la atención en este análisis es que, de los dos equipos que perdieron en semifinales, los Bucks tuvieron un quinteto inicial de gran rendimiento, superando por 30 puntos en más de 24 minutos de juego, mientas que el quinteto inicial de los Pelicans fue superado por sus rivales por 28 puntos en casi 29 minutos de juego. En el caso de los Bucks esto parece reflejar el problema que tienen con el rendimiento de los jugadores suplentes, algo que ha sido discutido desde los medios de comunicación tras los traspasos que han abordado este verano. Por último, analizando al equipo ganador, los Lakers también tuvieron un quinteto inicial muy productivo (+ 22 puntos en casi 32 minutos de juego), pero también se observa que ese quinteto sustituyendo a Cam Reddish por Austin Reaves superó a sus rivales por 15 puntos en solo 6:10 de juego. Este tipo de datos pueden servir a los cuerpos técnicos para adaptar su rotación a los quintetos que son más productivos con el objetivo de optimizar sus resultados.

Figura 4: Jugadores con mayor producción con puntos anotados o asistidos durante su tiempo en juego del In-Season Tournament de la NBA: de izquierda a derecha, T. J. McConnell (Indiana Pacers), T. Haliburton (Indiana Pacers) y LeBron James (Los Angeles Lakers). Fuente de las imágenes: Basketball Reference [6].

A modo de conclusión, se puede ver cómo la estadística avanzada aplicada al mundo del baloncesto permite analizar aspectos interesantes y que no se pueden estudiar con las estadísticas clásicas. No obstante, y como se mencionaba al comienzo, de cara a poder tomar decisiones el número de partidos considerado en este análisis no es suficiente y habría que considerar tramos de al menos 8-10 partidos para poder sacar conclusiones. De esta forma se aplica este tipo de metodología en aspectos como el análisis de jugadores o la toma de decisiones en estrategias, siguiendo el ejemplo de lo realizado por Bill James y Paul DePodesta con los Oakland Athletics en béisbol.

Bibliografía

[1]   M. Lewis, «Moneyball: the art of winning an unfair game», WW Norton & Company, 2004.

[2]   B. Miller, «Moneyball», IMDB, https://www.imdb.com/title/tt1210166/ (accedido 12 de diciembre de 2024).

[3]   A. Monje, «La estadística avanzada en el baloncesto: diccionario de conceptos, explicaciones y utilidades», Gigantes, https://www.gigantes.com/nba/info-basica-nba/la-estadistica-avanzada-en-el-baloncesto-diccionario-de-conceptos-explicaciones-y-utilidades-por-andres-monje/ (accedido 12 de diciembre de 2024).

[4]   K. García, «Cómo introducirte en la estadística avanzada y no perderte en el intento», NBA ID, https://spain.id.nba.com/reportajes/estadistica-avanzada (accedido 12 de diciembre de 2024).

[5]   «NBA games», NBA, https://www.nba.com/games (accedido 11 de diciembre de 2024).

[6]   «NBA games boxscores», Basketball Reference, https://www.basketball-reference.com/boxscores/ (accedido 12 de diciembre de 2024).

[7]   «NBA In-Season Tournament», NBA, https://www.nba.com/in-season-tournament (accedido 12 de diciembre de 2024).

​Editor: Universidad Isabel I

ISSN 2792-1794

Burgos, España