Tennis e dati: chi usa i numeri per vincere? Gli esempi di Thiem, Medvedev e Djokovic
Off-season, terreno di novità e di esperimenti. Per questo mese (e più, visto lo slittamento dell’Australian Open) senza tennis abbiamo deciso di aprire un nuovo fronte e di affrontarlo con la calma che solo l’assenza del tran tran dei tornei può concederci. In questa serie di articoli vi parleremo del tema dei dati nel tennis, con il proposito – un po’ ambizioso, ammettiamo – di portarvi per mano da concetti semplici a concetti più complessi. Con l’obiettivo di aiutarvi a comprendere perché il futuro del tennis, ma già in parte il presente, sarà fortemente caratterizzato dai numeri e dai dati.
Descrivere la storia di un match per ricavarne delle trame e delle indicazioni tattiche non è un processo banale. Ancor meno facile è uscire dalla prospettiva di un singolo match per trarre delle linee di tendenza fino a riconoscere degli stili di gioco. Curiosamente, proprio il tennis che è uno sport binario, con punteggi discreti e divisi per fasi di gioco che ben si presta ad analisi di tipo statistico, è uno dei più arretrati nell’analisi statistica. Nonostante un sensibile ritardo se comparato ad altri sport come il basket e il baseball, incastonati nel mondo del professionismo americano, anche il tennis ha fatto però passi in avanti in questo senso.
Nel circuito femminile gli strumenti di analisi forniti da SAP consentono ai coach di ricevere informazioni dettagliate sull’andamento dei match in tempo reale. Nel circuito ATP invece un altro gigante dell’IT come Infosys (un compagnia indiana da oltre 200.000 impiegati) ha recentemente rinnovato il proprio accordo come Global Technology Services Partner and Digital Innovation Partner fino al 2023. L’uso di tecniche di analisi dei dati sta diventando sempre più normale fra i top player e sta dando vita a un cambiamento anche culturale, richiedendo la presenza di esperti di analisi dei dati che possano da un lato analizzare grosse moli di dati e dall’altro riuscire a presentare ai coach informazioni di facili lettura. Su queste informazioni, il team di un atleta può costruire sia i piani tattici per i singoli match quanto gli sviluppi, sul lungo periodo, del suo modo di giocare.
Il grado di professionalità con cui viene affrontato il tema della raccolta e dell’elaborazione dei dati varia da approcci semi artigianali ad approcci via via più sofisticati. Parallelamente, per rispondere a questa domanda crescente, stanno nascendo anche società volte a fornire servizi di analisi e di supporto nell’interpretazione statistica, il cui progenitore è probabilmente Dartfish, uno strumento di tagging video (attribuzione di ‘tag’ ai diversi eventi di una partita, scomposta in ogni suo 15) utilizzato per primo da Craig O’Shannessy, ovvero il più famoso degli analisti e che ha collaborato come strategy analyst nel team di Djokovic.
A un estremo dello spettro troviamo l’approccio classico, quello per cui le informazioni statistiche sono sì un cosa utile, ma che non viene strutturata in un processo decisionale; si tratta di informazioni che di volta in volta vengono intercettate dal coach che sulla base della propria sensibilità le elabora in una prospettiva ancora ‘artigianale’; un esempio in questo senso ad esempio è Nicolas Massù, il cui contributo alla crescita di Thiem è indiscutibile e basato sulla propria saggezza tennistica.
A un livello di consapevolezza superiore troviamo probabilmente la maggioranza dei coach che, non potendo disporre come Massu del tempo e delle skill necessarie per imbarcarsi in un processo strutturato di analisi dei dati, sentono tuttavia la necessità di disporre di questo canale informativo; l’ideale per questo profilo di coach sarebbe poter disporre di una controparte qualificata, che mescoli competenze tennistiche con competenze di analisi dei dati e sia in grado di prendere parte ai processi decisionali, parlare la stessa ‘lingua’ di un allenatore di tennis e fornire insight di facile comprensione. Un esempio in questo senso è stato (fino a un certo punto della sua carriera) il coach di Medvedev, Gilles Cervara, che fino all’estate del 2019 non si avvaleva di questo tipo di analisi lasciando però la porta aperta a eventuali collaborazioni.
Lo step successivo è quello di una collaborazione strutturata, in cui finalmente l’analisi statistica trova un posto nel team del giocatore. A questo livello troviamo collaborazioni con singoli soggetti che uniscono competenze tennistiche a un approccio professionale basato sulla raccolta dei dati e sulla loro adeguata elaborazione. Parliamo di situazioni in cui la competenza tennistica è preponderante, e unita a tecniche artigianali (ma efficaci) di match charting consente di ricavare informazioni ad alto valore aggiunto che possono essere integrate con successo nella preparazione tattica dei match. Un esempio in questo senso è dato dal Gilles Cervara… 2.0, che a partire dall’estate 2019 ha cominciato la propria collaborazione con un consulente svizzero; risultati alla mano, Fabrice Sbarro ha portato un significativo valore aggiunto. Un ulteriore esempio di ‘artigiani’ dotati di sapienza tennistica che hanno sdoganato l’analisi tennistica.
Infine, l’ultimo step di questa curva di adesione agli schemi di analisi statistica è rappresentata dall’inclusione nel processo di coaching dei servizi offerti da società specializzate, come Golden Set Analytics (GSA), la quale, attraverso il lavoro di un team di esperti, estrae le performance di oltre 150 giocatori del circuito ATP. Oltre a GSA, leader del settore, stanno comunque nascendo diverse società che si occupano di fornire servizi avanzati come Data Driven Sports Analytics o Sportiii Analytics. Con i due link, vi rimandiamo alle due interviste fatte ai rispettivi fondatori, che mescolano tecniche avanzate di big data e rappresentazione dei dati e stanno muovendosi nella direzione di inglobare tecniche di acquisizione automatiche da fonti video.
Volendo dare un rappresentazione grafica, il mondo del tennis sta entrando nella fase di consapevolezza da parte del dominio di business (ovvero giocatori e coach) e sta muovendo i primi passi verso applicazioni di analisi dei dati, che col passare del tempo, arricchiti di funzionalità di trattamento avanzato dei dati, consentiranno il pieno dispiegarsi di tecniche di data science.
In conclusione, il panorama è variegato: andiamo dagli entusiasti come Djokovic, che ha cominciato a servirsi di report statistici grazie alla collaborazione con O’Shannessy, al fine di individuare quei pattern di gioco da utilizzare nei momenti decisivi. Un altro giocatore che ha dichiarato di servirsi dei servizi di O’Shannessy è il nostro Berrettini, il quale però a differenza del serbo, preferisce non ricevere informazioni troppo granulari, ma solo distillati statistici che possano essere d’aiuto immediato senza correre il rischio di confondersi troppo le idee. Un altro giocatore che ha dichiarato di utilizzare servizi di analisi dati è Zverev che alle ATP Finals 2019 ne parlò come un aiuto importante per meglio inquadrare le linee di gioco dei propri rivali. In campo femminile un ulteriore esempio di collaborazione virtuosa è quella di cui ha goduto Bianca Andreescu, che grazie al supporto di Tennis Canada, ha potuto ricevere report analitici ad hoc per la preparazione dei propri match.
Su posizioni apparentemente più sfumate invece troviamo Federer, che a parole ha più volte ripetuto come i dati siano interessanti, ma che debbano essere maneggiati con cura per non essere fuorvianti. Tuttavia, oltre a essere un cliente di GSA, a quanto risulta da un leak riportato qualche tempo fa dal Telegraph, Federer vanta un rapporto privilegiato per cui a fronte di un conto più salato avrebbe accesso a insight esclusivi e non disponibili ai suoi avversari.
Molto più conservativa è la posizione di Nadal, il quale ha più volte ribadito di affidarsi all’intelligenza tennistica di Moya per la preparazione dei match (e visto il capolavoro dipinto nell’ultima finale di Parigi non possiamo sognarci di rimproverarlo). L’utilizzo di tecniche di analisi è per lo più confinato per il maiorchino all’utilizzo di sensori per la rappresentazione bio-meccanica dei propri colpi e per acquisire informazioni in merito al proprio gioco, ma senza pretese di confronto tattico con i suoi competitor.
Conclusa questa prima panoramica sui tennisti più in vista a servirsi di un approccio ‘data driven‘, vi rimandiamo al prossimo articolo. Tra sette giorni, analizzeremo nello specifico quali sono le metriche più importanti da analizzare nel mondo del tennis.