Durante muchos años se había visto con cierto recelo a todos aquellos que tomaban notas en los partidos, trataban de sacar conclusiones sobre lo buenos que eran los jugadores usando lápiz y papel y en definitiva no disfrutaban del deporte con el corazón sino con la cabeza. A este tipo de gente se les llamaba frikis, empollones o nerds. Sin embargo a día de hoy conforman uno de los grupos de trabajadores más interesantes, los data scientists deportivos. 

El orígen de esta profesión lo podemos rastrear hasta la ciudad de Oakland, San Francisco. En esta ciudad en 2002, Billy Beane decidió confiar la construcción de su equipo de béisbol a un programa estadístico conocido como Sabermetrics (proviene de SABR, sociedad para la investigación en baseball americano). Empleando las estadísticas recogidas por este programa junto a Paul Depotesta, que actuó como data scientist, se percataron de que las estadísticas mejor valoradas por la mayoría de ojeadores tradicionales no eran las que más relacionadas estaban con la probabilidad de victoria y que las que más lo estaban, eran infravaloradas. Conociendo esta relación y teniendo en cuenta que el equipo estaba pasando por una época con problemas económicos en los que no podían permitirse el lujo de fichar a los jugadores más codiciados, decidieron confiar el dinero de los fichajes a jugadores que no destacaban a simple vista pero que sobresalían en las estadísticas más correlacionadas con la victoria. De esta manera los Oakland Athletics consiguieron muy buenos resultados con uno de los equipos más económicos de la liga. 

Este caso en particular no se puede llegar a considerar Big Data pero fue uno de los primeros indicios sobre lo que la ciencia de datos podía conseguir.

Tras esto, otros deportes han adoptado esta corriente de pensamiento y han tratado de aplicar las últimas tecnologías disponibles para sacarle un mayor rendimiento a sus atletas. En la mayoría de deportes, a un nivel de élite, las diferencias entre ganar y perder se dan por pequeñas distinciones entre los equipos. Estos márgenes se ven tan reducidos que cualquier pequeña mejora puede suponer una ventaja, por esto en ligas como la NBA se comenzó hace unos años a desarrollar herramientas para seguir mediante vídeo las acciones de los jugadores y descifrar cómo impactan las acciones de estos en su equipo.

Esta herramienta es SportVu y aunque hace unos años no se encontraba en la mayoría de los pabellones, a día de hoy todos los equipos disponen de ella.

Uno de los casos que provocó este cambio en la liga es el de los Houston Rockets. Su General manager, Daryl Morey, fue pionero a la hora de confiar en los data scientists la tarea de confeccionar su equipo, el tipo de tiros que había que fomentar en su ofensiva y la estrategia a seguir para conseguir los mejores resultados posibles. Esto llevó a los Rockets a pasar de ser un equipo mediocre a competir por las primeras plazas de la conferencia oeste en menos de dos años.

Tal ha sido su impacto sobre la NBA que observando las estadísticas medias de la liga podemos observar que las directrices aplicadas por los Rockets han sido seguidas en mayor o menor medida por la mayoría de los equipos. Se ha aumentado el número de tiros de tres, las posesiones se han acortado, se ha favorecido la calidad de los jugadores en detrimento de su tamaño, etc.

Esto demuestra algunas de las posibilidades ofrecidas por esta ciencia y cómo es capaz de adaptarse al entorno en el que se ve empleada.