Machine learning techniques like clustering and dendograms were used to identify potential replacements for an injured midfielder. This identified 4 similar players, including options from Finland, Las Palmas, Huesca, and Lugo. Radar charts in Python and Power BI then compared the top options to the injured player. This analysis aimed to objectively evaluate alternative players within the club's restrictions.

1. Aplicación de Machine Learning en el deporte
Alberto Rodríguez Martín
alberto.rodriguez@stratebi.com
@albertormweb

2. www.stratebi.com
Introducción
2

3. www.stratebi.com
Casopráctico:situacióninicial
3
Scouting Deportivo: Dirección deportiva del CD Tenerife (2ª División Liga Smartbank)

4. www.stratebi.com
Casopráctico:problema
4
Sustituir la baja de un jugador clave: Luis Milla (mediocentro – 25 años)

5. www.stratebi.com
Casopráctico:restricciones
5
Restricciones impuestas por el club:
• Temporada: 2020/21
• Posición: Mediocentro
• Rango de edad: 20 a 32 años.
• Valor de mercado: <3 millones de euros.
• Precio: Fin de contrato, cedibles o económico.
• Pasaporte: Español.
• Minutos en la 19/20: Más de 900 minutos

6. www.stratebi.com
Casopráctico:¿solución?
6
Machine Learning: Aprendizaje no supervisado -> clustering

7. www.stratebi.com
Casopráctico:arquitectura
7
Data Provider >> ETL >> Data Warehouse >> Power BI + Machine Learning (Python)

8. www.stratebi.com
Casopráctico:soluciónimplementada
8
Machine Learning sobre dataset utilizando Python.
• Aprendizaje no supervisado: Clustering
• PCA: sklearn.decomposition import PCA
• K-Means: sklearn.cluster import KMeans
• Hierarchy dendogram: scipy.cluster import hierarchy
• Análisis en Power BI: radarchats

9. www.stratebi.com
Casopráctico:soluciónimplementada
9
1.- Conjunto de datos: jugadores que cumplen requisitos impuestos por el club.

10. www.stratebi.com
Casopráctico:soluciónimplementada
10
2.- Identificar la correlación entre las variables: Pairplot (Searborn)

11. www.stratebi.com
Casopráctico:soluciónimplementada
11
3.- Determinar la correlación entre las medidas seleccionadas.

12. www.stratebi.com
Casopráctico:soluciónimplementada
12
4.- Reducción de variables con PCA y aplicación de k-means para clusterizar el conjunto
de datos.

13. www.stratebi.com
Casopráctico:soluciónimplementada
13
5.- Identificar a qué clúster pertenece cada jugador.

14. www.stratebi.com
Casopráctico:soluciónimplementada
14
6.- Identificar a qué clúster pertenece Luis Milla y qué jugadores lo conforman

15. www.stratebi.com
Casopráctico:soluciónimplementada
15
7.- Preparar dataframe con jugadores del cluster para aplicar Hierarchy Dendogram

16. www.stratebi.com
Casopráctico:soluciónimplementada
16
8.- Aplicar Hierarchy Dendogram

17. www.stratebi.com
Casopráctico:soluciónimplementada
17
9.- Identificar a Luis Milla y jugadores cercanos

18. www.stratebi.com
Casopráctico:resultados
18
1.- Javi Hervás
Equipo: Honka (Finlandia)
Edad: 30 años
Valor de mercado: 300.000 €
Fin de contrato: 31-12-2020
Partidos 2019/20: 24
Goles 2019/20: 1
Pie: Zurdo

19. www.stratebi.com
Casopráctico:resultados
19
2.- Iñigo Ruiz de Galarreta
Equipo: UD Las Palmas (España)
Edad: 26 años
Valor de mercado: 2.000.000 €
Fin de contrato: 30-06-2020 (Cedido)
Partidos 2019/20: 22
Goles 2019/20: 0
Pie: Diestro

20. www.stratebi.com
Casopráctico:resultados
20
3.- Eugeni Valderrama
Equipo: Huesca (España)
Edad: 25 años
Valor de mercado: 1.300.000 €
Fin de contrato: 30-06-2021
Partidos 2019/20: 24
Goles 2019/20: 3
Pie: Diestro

21. www.stratebi.com
Casopráctico:resultados
21
4.- Álex López
Equipo: Lugo (España)
Edad: 22 años
Valor de mercado: 400.000 €
Fin de contrato: 30-06-2020 (Cedido)
Partidos 2019/20: 18
Goles 2019/20: 2
Pie: Diestro

22. www.stratebi.com
Casopráctico:análisisderesultados
22
Luis Milla vs Iñigo Ruiz de Galarreta vs Alex López utilizando RadarChats (Python)

23. www.stratebi.com
Casopráctico:análisisderesultados
23
Luis Milla vs Iñigo Ruiz de Galarreta vs Alex López utilizando RadarChats (Power BI)

24. www.stratebi.com
Casopráctico:conclusiones
24
Tangibles (ventajas) Intangibles (desventajas)
Detectar potenciales jugadores Nivel de adaptación, idioma, rol, tipo de
vida, etc.
Comparación de jugadores inmediata Carácter fuera y dentro del vestuario
Análisis de indicadores de rendimiento Contextualización del resultado
Acotar el problema Situaciones personales extradeportivas

25. www.stratebi.com
¡MUCHAS GRACIAS!
linkedin.com/in/albertorodriguezmartin
alberto.rodriguez@stratebi.com
@albertormweb
25

26. facebook.com/stratebiopenbi
@stratebi
linkedin.com/company/stratebi
Datos de contacto:
Madrid: Avda. del Brasil, 17, 16ºAB
Barcelona: C/ Valencia, 63
Alicante: C/Italia 23, 4º Derecha
91 788 34 10
www.stratebi.com
info@stratebi.com