Inteligencia de negocios y big data para el mundo hispano parlante.

¡Subscríbase al boletín gratuito!


Inteligencia de Negocios en Español - Decideo.com





Actualidades y análisis

Big Data en el Ciclismo


, el 2 Noviembre 2017 | Leído 5660 veces

En la era del big data y de los objetos conectados, el mundo del ciclismo profesional comienza a tener conciencia que la analítica de datos se convierte en una ventaja competitiva, casi que similar a la analítica que sucede tras la Fórmula 1. El ciclismo se abre camino a este entendimiento e incorpora la analítica avanzada del big data al pelotón, con el fin de tomar las mejores decisiones y lograr que el equipo suba al podio, para recibir los trofeos de las grandes vueltas y campeonatos del mundo.



Del caballito de acero a la bicicleta conectada

Nairo Quintana y Alejandro Valverde, corredores del equipo ciclista Movistar Team, ya hablan de cómo el big data les ayuda a mejorar sus rendimientos a partir de la cantidad de datos que ellos mismos generan mientras pedalean, tanto entrenando como compitiendo, en sus caballitos de acero que pasan a ser bici-computadores conectados con sensores (bandas, potenciómetros, GPS, de velocidad en las ruedas, entre otros) que captan a cada segundo: frecuencias cardíacas, sudoración, temperatura temporal, pulsaciones, balances en sus piernas izquierda y derecha, intensidad individual, altura, velocidad, cadencia de pedaleo, potencia con la que pedalean, posicionamiento, tiempo, pendiente, incluyendo la velocidad del viento, y otra serie de variables que luego serán analizadas… ¿Con qué finalidad? Con fines de un análisis retrospectivo, a posteriori y otro análisis más de tipo prospectivo, a corto plazo e incluso en tiempo real, para que el ciclista tome decisiones durante las carreras en función de lo que está ocurriendo, de la misma forma como sucede en la Fórmula 1.

La analítica que el equipo Movistar Team está incorporando a través de LUCA, la Unidad de Datos de Telefónica, le permite conocer, entre otras, a través de gráficas y reportes, semanales, mensuales, por ciclo a anuales: el estado de salud de sus deportistas, prescribir sus necesidades, perfilándolos, comparándolos con otros, predecir resultados, dar a conocer los resultados a los deportistas y motivarlos a que consigan el mejor rendimiento para llegar a la línea de meta lo antes posible o en las mejores condiciones. Estudiando todo esto, puede identificar cómo se ha entrenado y qué efectos ha tenido para pasar a una modelización de la relación entre entrenamiento y rendimiento con el fin de predecir el rendimiento futuro basado en modelos matemáticos avanzados, ya sea como análisis cluster, modelos lineales mixtos, teoría del caos o redes neuronales, por mencionar algunos.

El valor de la analítica en el ciclismo

La complejidad del análisis de toda esta data recopilada (que supera el millón de datos por equipo en una sola etapa de una gran vuelta) pasa por diferentes fases. Cada vez que termina una etapa, los ciclistas suben sus datos a un espacio común donde se sincronizan estos datos que pasan a sus fases de análisis para la generación de dashboards. La primera, es la descriptiva o la fase de diagnóstico para entender qué ha pasado, ya sea en el entrenamiento, en una etapa, por ejemplo. Una siguiente fase, es la fase predictiva con el fin de predecir qué va a pasar o qué va a hacer el ciclista, por ejemplo, el performance en entrenamientos, para luego pasar a la fase prescriptiva para saber lo que va a pasar, actuando sobre ciertas variables para que pase lo que se quiera que pase, por ejemplo, saber cómo el calendario de entrenamiento tiene que hacerse, tanto en tiempo como en forma, para que el ciclista cuando llegue a una competición importante, como el giro de Italia o el Tour de Francia, llegue en su mejor nivel.

Big Data en el Ciclismo
Al mismo tiempo, que el personal técnico del equipo y staff directivo tenga la información de valor de todas las etapas y de cada corredor en cada etapa, es decir, con cuadros de mandos para cada uno de los corredores: promedio de potencia por etapa, perfil de la etapa, tiempo en zona de intensidad, promedio velocidad vs intensidad, promedio potencia vs distancia recorrida por etapa, para que el staff permita entender, más allá de lo que ha pasado, qué puede llevarse a la siguiente carrera para determinado ciclista.

Ahora el equipo de analistas de LUCA con el de Movistar Team, trabajan juntos para extraer inteligencia de los datos, generando modelos predictivos que ayudarán tanto a los entrenamientos como en carrera real-time para que sus ciclistas sigan subiendo al podio de las próximas carreras.




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook
Pinterest