29 de Agosto de 2016, 10ª etapa de la Vuelta a España con final en los lagos de Covadonga. A 40 km de meta se encuentra el Mirador del Fito, un puerto de 1ª Categoría en el que el equipo Movistar tira del grupo con fuerza, evitando que un grupo de escapados se hagan con la etapa. La sorpresa espera a 7 kilómetros de la conclusión: Alberto Contador lanza un fuerte ataque el cual es respondido por Nairo Quintana y juntos empiezan a alcanzar a fugados hasta que el colombiano se marcha en solitario hacia la victoria.
Esta es la belleza del ciclismo, protagonizada por unos deportistas de altísimo rendimiento, gran capacidad de sufrimiento y coordinados estratégicamente para que uno de ellos se alce con el triunfo. Detrás de ellos hay un cuerpo técnico que se encarga de planificar los entrenamientos, las recuperaciones, de cuidar el estado físico y anímico de los corredores, de tener a punto las bicis… tanto trabajo que al final merece la pena cuando vemos etapas de ese calibre.
En 2017 el equipo Movistar dirigido por Eusebio Unzué volverá a contar con Nairo Quintana y Alejandro Valverde como grandes líderes de un plantel que mezcla veteranía y juventud (10 ciclistas menores de 26 años) y que lo quiere todo. Y a partir de este año, quiere que sus ciclistas usen los datos que generan tanto en entrenamientos como en carrera para crecer individualmente y como equipo. Por hacernos una idea del volumen de datos, sólo en La Vuelta a España produjeron más de 25 millones de muestras generadas por los 9 corredores del equipo. La revolución del Big Data también llega al ciclismo y con Luca, la unidad de servicios Big Data de Telefónica, el Movistar pretende encontrar una herramienta que ayude a conseguir pequeñas mejoras que sumadas den como resultado la victoria. Las grandes competiciones, como la Vuelta a España, el Giro de Italia o el Tour de Francia se desarrollan en cientos de kilómetros, decenas de horas de esfuerzo y al final, son unos pocos segundos lo que separan al ganador del segundo clasificado. Por tanto, en un deporte tan competitivo y “tecnificado” como el ciclismo profesional, estos detalles pueden ser clave.
Según un estudio publicado en la Harvard Business Review, sólo un 1% de mejora sobre determinadas variables que afectan al rendimiento es lo que está detrás del espectacular aumento del palmarés olímpico del equipo de ciclismo en pista de Reino Unido. Se trata de analizar cuidadosamente todos los aspectos que pueden afectar al ciclista y su rendimiento (desde la aerodinámica del casco hasta el tiempo de traslado desde la villa olímpica a la pista…) y actuar sobre ellas aunque sea de forma mínima… y la suma de diferencias marginales produce la victoria. Desde LUCA, la intención será aplicar la potencia del Big Data y la Ciencia de Datos para identificar las variables donde actuar para mejorar el rendimiento del Movistar Team.
Durante la presentación del equipo Movistar para la temporada 2017, Chema Alonso, Chief Data Officer de Telefónica avanzó parte del trabajo que están realizando junto a Mikel Zabala, profesor de la universidad de Granada con una larga trayectoria académica y profesional en Sport Science y que forma parte del Staff Técnico de entrenadores del equipo.
Mikel usa los datos generados por los computadores de los ciclistas del equipo tanto en entrenamiento como en carrera así como otras variables asociadas al corredor (test de esfuerzo, alimentación…). Estos datos sirven a Mikel como base para generar una serie de variables complejas y modelos matemáticos que permiten analizar el rendimiento y desgaste físico del ciclista, lo cual es un añadido crítico para la planificación y personalización de los entrenamientos. El objetivo último es que el ciclista llegue en un estado óptimo de forma a la competición, y que durante la misma pueda cumplir perfectamente su rol dentro del equipo y recuperarse adecuadamente.
Para analizar los datos extraídos del computador de la bici se pueden encontrar software gratuito y compatible con la mayoría de formatos de archivos como GoldenCheetah o TrainingPeaks. Ambas plataformas proporcionan información muy técnica y valiosa, sin embargo, para llegar un poco más lejos, han creado una herramienta de análisis adaptada a las necesidades específicas del equipo y que usa los últimos modelos estadísticos y técnicas de Machine Learning de forma que pueda proporcionar al equipo conocimiento diferencial tanto en los entrenamientos como en competición. Algunas de las líneas de trabajo que están desarrollando son:
- Modelización temporal del pico de forma de cada corredor de forma que puedan predecirlo y ajustarlo con entrenamiento al tiempo donde ocurre la competición.
- Determinación de las variables del contexto de entrenamiento (perfil de altitud, meteorología...), del entrenamiento y del corredor que más impactan en el rendimiento y sus sensaciones subjetivas.
- Contrastar los roles adoptados en carrera por los ciclistas con variables de rendimiento y fatiga para alimentar la estrategia de siguientes etapas y planificar la recuperación de los corredores.