La statistica nello sport

L’effetto “Moneyball”, dal film “L’arte di vincere”

La statistica nello sport

“Il caso domina il gioco” concludono C. Reep e B. Benjamin nel loro studio del 1968 “Skill and Chance in Association Football”, e non senza conseguenze. Fino a poco tempo fa, questa affermazione si poneva come saggezza ricevuta, la massima ritenuta ovvia, la sua veridicità lasciata indiscussa. Le previsioni basate sulle statistiche erano una follia, si diceva, il gioco era “troppo fluido, troppo imprevedibile”.

Anche se riferito al football, il sentimento era ritenuto applicabile anche allo sport più in generale. Poiché le qualità accattivanti come la creatività e l’estro sono difficili da quantificare, il parere comune era che il giudizio sulle prodezze sportive era meglio lasciarlo a coloro che sono esperti di questo sport; nella maggior parte dei casi, gli ex giocatori stessi. Certamente, l’idea stessa che gli statistici avessero qualcosa da contribuire in termini di selezione della squadra, di acquisizione, o anche di strategia, è tradizionalmente stata presa in scarsa considerazione.

Le radici dell’analisi statistica

Nel Regno Unito, la situazione ha cominciato a cambiare negli anni ‘90, quando ( come documentato nel New Statesman) degli studenti della Lancaster University hanno analizzato, in modo approfondito, le probabilità di segnare un gol in un’ipotetica partita di football. Sebbene rudimentale nella sua tecnica, l’analisi ha attirato l’attenzione degli statistici più anziani, in particolare Stuart Coles, che ha poi ampliato i risultati ottenuti degli studenti. Il lavoro risultante ha avuto conseguenze di vasta portata.Statistics in SportDall’altra parte dello stagno, uno sviluppo simile era già in corso. Questo, tuttavia, sarebbe stato ancora più rivoluzionario, modificando radicalmente il modo in cui alcuni sport, in particolare il baseball, sono stati concepiti. Grazie alle sue competizioni “uno contro uno” facilmente isolate (lanciatore contro battitore, ad esempio) il baseball si presta bene all’analisi statistica. Infatti, l’uso della sabermetrica, ovvero “l’analisi statistica empirica del baseball”, è stato utilizzato in qualche modo fin dalla prima professionalizzazione di questo sport. Il suo uso attuale, tuttavia, sia per la sua universalità che per la sua natura sofisticata, affonda le sue radici nel mandato di Billy Beane come General Manager (GM) dell’Oakland Athletics, e nel suo ormai famosissimo “Moneyball Effect”.

L’effetto “Moneyball”

Come GM della (relativamente) poco ricca Oakland A’s, l’approccio innovativo di Beane era la perfetta manifestazione di come la necessità sia madre dell’invenzione. Non avendo modo di competere con il potere d’acquisto dei suoi rivali, Beane adottò un approccio analitico e “sabermetrico” nel pianificare la costituzione della sua squadra, portando a tale scopo un certo numero di statistici nel suo team di gestione. Attraverso un’analisi rigorosa e incredibilmente dispendiosa in termini di tempo, la squadra imparò che le “basi rubate”, le “corse battute” e le “medie di battuta”, per anni i parametri con cui si misurava l’abilità di un giocatore, non erano necessariamente i migliori indicatori dell’efficacia complessiva. Piuttosto, erano i meno affascinanti “percentuale di battute in base” e “percentuale di slugging” gli indicatori più precisi del potenziale successo offensivo dei giocatori.

Storicamente, gli scout trascuravano questi tratti a favore della velocità e del contatto, il che significa che il loro prezzo di mercato era sottovalutato, e i giocatori in possesso di tali tratti potevano quindi essere acquisiti a basso costo. È stato seguendo questi nuovi principi, e tenendo conto del parere dei suoi statistici, che Beane assemblò la sua squadra. Il risultato stupì molti, perché sulla carta, la nuova squadra era composta da un gruppo eterogeneo di giocatori vecchi e, in alcuni casi, anche infortunati. Il loro aspetto fu sufficiente per attirare l’ira dei puristi, già arrabbiati per il freddo approccio scientifico. Come avrebbe potuto una squadra così male assortita raggiungere il successo?

Beh, inizialmente non ce la fece. L'Athletics se la cavò così male, durante la prima parte della stagione (sopportando ad un certo punto una striscia di 5-16) che molti si affrettarono a proclamare il metodo un fallimento. Eppure, come molti sapranno dalla sua drammatizzazione nel film “Moneyball”, le loro fortune si invertono, e gli A’s alla fine vinsero l’American League West, battendo il record di 19 vittorie consecutive nel processo.

La diffusione

In tutto il mondo, questi sviluppi non passarono inosservati. La comunità sportiva osservò con attenzione mentre il baseball tracciava il progetto statistico del successo. Non passò molto tempo prima che modelli comparabili fossero incorporati nei sistemi di gestione delle squadre di football, sia americane che inglesi, nonché in squadre di hockey su ghiaccio, pallacanestro e molti altri sport.

Uno dei convertiti di più alto profilo è stato l’allenatore di football americano Bill Belichick. Pur denunciandone l’uso in pubblico (per sorvegliare i suoi metodi), il boss dei New England Patriots aveva da tempo un atteggiamento “alla Moneyball”. In realtà, l’intera squadra dirigente dei Patriots era impregnata di una filosofia alla Moneyball. Dal proprietario Robert Kraft, descritto come il “più grande sostenitore dei dati e dell'analisi”, al consigliere più fidato di Belichick, Ernie Adams, il direttore della ricerca dei Patriots e il precedente trader di obbligazioni, la maggior parte di loro erano disponibili a convertirsi. Lo stesso Belichick è laureato in economia. Tale competenza, ha commentato la NBC, è facilmente leggibile nel reclutamento della squadra, che è altamente suggestivo di una sofisticata comprensione del “discounting iperbolico”: il risultato, finora, è stato l’acquisizione di giocatori di alta qualità a prezzi stracciati. Sul campo questo ha portato a cinque trionfi al Super Bowl, quindi si direbbe che funzioni. Anche le squadre di basket professionistiche sono state veloci a saltare sul carrozzone, compilando enormi database di informazioni sulle partite che sono stati poi utilizzati nella offseason per informare le decisioni riguardanti i contratti e le firme dei nuovi giocatori.

Molti romantici saranno scoraggiati quasi istintivamente dall’uso di un pensiero intensivo e analitico. Il ricorso a numeri freddi e privi di emozioni per dare un senso allo sport, qualcosa che per natura è altamente dinamico, emotivo e capriccioso, non è proprio il massimo. Una tale mentalità, tuttavia, ignora la latitudine creativa che molti di questi modelli consentono, soprattutto in giochi più fluidi come il football inglese e il basket, dove si deve ancora dare un giudizio di valore su quali parti del gioco sono prioritarie.

Ma, alla fine...

Ovviamente, non sarà mai possibile ridurre il comportamento umano a una semplice formula, per quanto l’appassionato di scommesse possa desiderarlo. Eppure, ciò che gli analisti hanno dimostrato attraverso l’impiego di modelli statistici, è la loro capacità di far sì che le squadre vadano oltre il loro peso, un peso normalmente dettato dalle restrizioni finanziarie. Detto ciò, il vantaggio ottenuto, come la storia ha dimostrato, può spesso essere di breve durata. Come hanno sperimentato gli A, il problema è stato che non appena questi modelli hanno acquisito credibilità, sono stati rapidamente adattati e, in alcuni casi, migliorati da altri team. Appena due anni dopo l’esperimento degli A, anche i Boston Red Sox hanno adottato un modello di sabermetrica per favorire il reclutamento. Il risultato? Hanno vinto le World Series del 2004, le prime dal 1918.