Sport e analytics: parliamo di ciclismo

Gli sport analytics nell’esperienza pratica di un team di ciclismo: come si trasformano i dati in decisioni tattiche e strategie di gara

Autore: f.p.

In tutti gli sport il numero di squadre che hanno adottato una qualche soluzione di sport analytics è ormai molto elevato. Ad alti livelli la differenza tra una vittoria e una sconfitta è questione di dettagli, quindi qualsiasi strumento che permetta di essere più pronti e più preparati dell’avversario è benvenuto. Se ne parla abbastanza diffusamente nel calcio, nel ciclismo lo scenario non è diverso. Anzi, le due ruote sono uno di casi di applicazione migliori per gli analytics: è relativamente semplice raccogliere i dati critici sul campo e incrociando tutte le informazioni a disposizione diventa possibile definire una strategia di gara ottimale.

Per capire meglio come il ciclismo stia facendo uso delle nuove soluzioni per la raccolta e l'analisi dei dati, durante una tappa dello scorso Giro d'Italia abbiamo incontrato Mattia Michelusi, uno dei coach del Team Dimension Data for Qhubeka. È la prima squadra africana di ciclismo - ma una delle sue basi operative è in Italia - e dalla sua nascita, nel 2007, è cresciuta velocemente anche proprio grazie all'analisi approfondita dei dati raccolti sulle prestazioni degli atleti, in gara e fuori, come anche sul loro stato fisico.

"All'interno di una squadra - spiega Michelusi - ci sono tre principali figure professionali: il direttore sportivo, che fa la strategia della gara; il medico, che cura gli aspetti clinici dell'atleta; il coach, che raccoglie e valuta i dati sulle sue prestazioni. Insieme trasformano il dato grezzo in informazioni utilizzabili nella pratica". I vari punti di vista vanno combinati nel valutare una particolare prestazione, in sé e in prospettiva.
Per un coach i dati principali da raccogliere e analizzare sono la potenza espressa dall'atleta e la sua frequenza cardiaca. Questi già delineano un profilo di performance e permettono raffronti con i valori storici e con quelli espressi da altri atleti nella stessa gara o nel medesimo allenamento. "Cerchiamo di valutare - spiega Michelusi - il livello di prestazione che ha mantenuto l'atleta e lo confrontiamo innanzitutto con i suoi migliori".

Solo una visione corale riesce però a dare significato a questa prima valutazione: "I dati possono indicare che un atleta non ha dato il massimo, ma può esserci una giustificazione nella strategia di corsa. Se ad esempio ha dovuto fare da gregario, è logico che non abbia raggiunto il top della prestazione. Se invece la strategia di gara lo prevedeva, andiamo a cercare eventuali ragioni cliniche", spiega Michelusi.

Gli analytics non servono solo a valutare quello che è già successo ma anche a capire come migliorare le prestazioni successive, recuperare meglio dai carichi di lavoro e ottimizzare le strategie di corsa. "Vari algoritmi - commenta Michelusi - ci permettono di valutare precisamente il carico di una determinata tappa, in sostanza di capire quanto dura è stata la gara per il singolo atleta".
Una stessa gara infatti ha un peso diverso per i vari atleti, a seconda del compito che è stato loro assegnato: "Ad esempio - racconta Michelusi - un gregario che ha dovuto lavorare per tutta la tappa, come chi si mette davanti al gruppo per recuperare una fuga, solitamente ha valori di carico più alti perché è la gara stessa che gli ha imposto un lavoro superiore".

Valutare i carichi di lavoro sul medio periodo - le due-tre settimane tipiche delle grandi corse a tappe - è fondamentale dal punto di vista strategico. "Se vediamo che un atleta per tre-quattro giorni consecutivi tende ad avere un carico più alto rispetto agli altri, è un segnale che con lui magari è meglio frenare un po'... Come coach indico al direttore sportivo che nell'ambito della strategia di gara sarebbe meglio dargli spazio per recuperare. Altrimenti si rischia di sovraccaricarlo", spiega Michelusi.

Anche la pratica sottolinea quindi che il "fil rouge" degli sport analytics è in fondo quello degli analytics in generale: il vantaggio competitivo deriva dai dati, ma non è solo nei dati. "Chiunque può raccogliere dati dal campo - sintetizza Michelusi - poi bisogna saperli utilizzare in maniera corretta. È questo che fa la differenza".

Abbiamo trattato l'applicazione degli analytics allo sport, in maniera più approfondita, nel numero 21 di ImpresaCity consultabile a questo link.

Visualizza la versione completa sul sito

Informativa
Questo sito o gli strumenti terzi da questo utilizzati si avvalgono di cookie necessari al funzionamento ed utili alle finalità illustrate nella cookie policy. Se vuoi saperne di più o negare il consenso a tutti o ad alcuni cookie, consulta la cookie policy. Chiudendo questo banner, acconsenti all’uso dei cookie.