CAMP: Un Nuevo Enfoque a las Métricas de Rendimiento en Cricket

El cricket es uno de los deportes más queridos en todo el mundo. Después del fútbol, tiene la segunda mayor base de fans. En cricket, es clave evaluar qué tan bien rinde cada jugador, pero esto se ha hecho mayormente mirando estadísticas básicas como cuántas carreras anota un jugador o cuántos wickets consigue. Presentamos una nueva herramienta llamada Métrica de Rendimiento del Jugador con Contexto, o CAMP. Esta herramienta busca ofrecer una mejor comprensión de las contribuciones de cada jugador al resultado del juego.

#¿Qué es CAMP?

CAMP analiza el rendimiento de los jugadores de una manera más detallada. No solo se basa en números generales; toma en cuenta el contexto específico del partido, incluyendo las fortalezas y debilidades de los oponentes y la situación del juego. Por ejemplo, anotar carreras bajo presión o tomar wickets en un momento crucial puede tener diferentes impactos, que las métricas tradicionales pueden no captar completamente.

Probamos CAMP usando datos de partidos de cricket de overs limitados que ocurrieron entre 2001 y 2019. En estos partidos, los expertos suelen nombrar a un jugador como el mejor, conocido como el Jugador del Partido (MoM). Nuestros hallazgos revelaron que los mejores jugadores valorados por CAMP coincidieron con el MoM en el 83% de los casos que examinamos. Esto sugiere que CAMP refleja efectivamente las opiniones de los expertos sobre el rendimiento de los jugadores.

#¿Por qué es importante el contexto?

En cricket, solo mirar las estadísticas no da la imagen completa. Cada partido es diferente, y los jugadores enfrentan diversos desafíos según la situación. Por ejemplo, si un jugador anota carreras en un momento tenso contra un buen bolicador, eso puede ser más valioso que anotar carreras contra un bolicador más débil. Al centrarse en el contexto, CAMP ofrece una medida más precisa del impacto de un jugador.

#Desafíos actuales en la evaluación de jugadores

Tradicionalmente, las evaluaciones las hacen expertos basándose en las estadísticas generales de un jugador sin considerar los detalles únicos de cada partido. Este enfoque tiene algunos problemas significativos:

1. Métricas estándar: Los métodos actuales tratan todas las carreras y wickets por igual, sin importar la calidad del oponente. Esto no refleja el verdadero valor de un rendimiento.

2. Ignorando fases del juego: Las medidas de rendimiento a menudo pasan por alto la importancia de cuándo ocurre un rendimiento en el juego. Por ejemplo, perder a un jugador clave en los primeros overs puede impactar significativamente el resultado del partido.

3. Enfoque a corto plazo: Las métricas tradicionales se centran principalmente en resultados inmediatos y no consideran efectos a largo plazo, como cómo el rendimiento de un jugador puede preparar jugadas futuras.

#La necesidad de mejores métricas

Entender el rendimiento de los jugadores puede ayudar a varios interesados en el cricket. Entrenadores, selectores de equipo e incluso gerentes de marca necesitan evaluar a los jugadores de manera eficaz para contratos, búsquedas de talento y trabajo promocional. Los métodos actuales no proporcionan suficientes conocimientos sobre cuánto contribuyen los jugadores individuales a los resultados de los partidos.

Nuestra herramienta, CAMP, busca cerrar esta brecha incorporando las contribuciones de un jugador dentro del contexto del juego.

#¿Cómo funciona CAMP?

CAMP procesa datos del partido y calcula la contribución de cada jugador mirando varios factores:

1. Carreras esperadas: Estima cuántas carreras debería anotar un equipo en cualquier etapa del juego, considerando la calidad de los jugadores, el lugar del partido y el estado del juego.

2. Comparando carreras reales vs esperadas: Al comparar las carreras anotadas realmente con las esperadas, podemos medir el rendimiento de un jugador.

3. Características Contextuales: CAMP también tiene en cuenta varios factores contextuales como la situación del partido, las fortalezas de los oponentes y otras dinámicas del juego que afectan los rendimientos.

Usando datos históricos y técnicas de aprendizaje automático, CAMP puede hacer estos cálculos con precisión en cada partido.

#Nuestros hallazgos

En nuestras pruebas, las valoraciones de CAMP se compararon con las de métodos tradicionales, incluyendo el método Duckworth-Lewis-Stern (DLS). Descubrimos que las evaluaciones de CAMP estaban mucho más alineadas con las opiniones de los expertos sobre quiénes eran los mejores jugadores en cada partido.

#Análisis detallado de resultados

Usando un conjunto de datos completo de partidos de One Day International (ODI), analizamos varios rendimientos. Los resultados demostraron cómo CAMP superó a otros métodos, ofreciendo mejores conocimientos sobre las contribuciones de los jugadores.

Los principales atributos en los que nos enfocamos incluyeron:

• Contribuciones al bateo: Qué tan bien se desempeñó un jugador como bateador en relación con las expectativas basadas en la situación.

• Contribuciones al bowling: El impacto que un bolicador tuvo en el juego, nuevamente en relación con lo que se esperaba.

• Contexto del juego: Entender cuándo y contra quién se anotaron carreras o se tomaron wickets.

#Validando CAMP

Para asegurarnos de que CAMP funcione eficazmente, establecimos una serie de experimentos. El objetivo era probar que nuestro método mide con precisión las contribuciones de los jugadores validándolo contra decisiones de expertos y métricas existentes.

Encontramos que en partidos donde se seleccionó al MoM, CAMP a menudo reconocía a los mismos jugadores como los principales contribuyentes. Esto muestra que nuestro método es confiable y consistente.

#Agrupando jugadores

Una parte esencial de CAMP implica agrupar jugadores según sus rendimientos. Usamos modelos basados en datos para agrupar jugadores en diferentes categorías de rendimiento. Esto permite mejores comparaciones entre jugadores de habilidades similares y ayuda a abordar problemas relacionados con la escasez de datos.

Por ejemplo, si un jugador tiene pocos partidos contra un oponente particular, aún podemos evaluarlo comparándolo con jugadores con perfiles similares. Este método reduce el riesgo de evaluaciones injustas basadas en datos insuficientes.

#La imagen más grande

A un nivel más amplio, las métricas desarrolladas a través de CAMP se pueden aplicar no solo al cricket, sino a varios deportes donde entender las contribuciones de los jugadores de manera precisa es esencial. Diferentes analíticas deportivas pueden beneficiarse de enfoques contextuales similares para evaluar rendimientos de jugadores.

#Direcciones futuras

CAMP ha sentado las bases para estudios más avanzados en analíticas deportivas. Hay muchas formas en las que podría mejorarse y expandirse. El trabajo futuro podría incluir examinar factores como contribuciones en el campo, decisiones de capitanía e incluso factores de participación del público que pueden influir en los resultados de los partidos.

Los conocimientos obtenidos de este análisis también podrían extenderse a estrategias de apuestas, ayudando a hacer predicciones más informadas basadas en el rendimiento de los jugadores.

#Conclusión

CAMP representa un paso importante hacia adelante en las analíticas deportivas, especialmente en cricket. Al centrarse en el contexto de los rendimientos, proporciona una comprensión más profunda de las contribuciones de los jugadores. Esto puede ayudar en la toma de decisiones más acertadas para equipos, jugadores y negocios asociados.

En resumen, CAMP ayuda a evaluar los rendimientos de los jugadores de cricket de manera matizada, teniendo en cuenta la dinámica del juego, la calidad de los oponentes y la situación en cuestión. A medida que continuamos expandiendo nuestros métodos y fuentes de datos, esperamos que CAMP se convierta en una herramienta esencial en el mundo de las analíticas de cricket y más allá.