A todos nos gusta una buena historia de Hollywood, especialmente aquella donde el “underdog”  o el desvalido, logra salir adelante y vencer a Goliat ante todos los pronósticos y vaticinios. Los Atléticos de Oakland de principios de la década reflejan esa batalla del desvalido contra el más fuerte, y aunque en este caso el David de la historia se queda corto en su intento (los Atléticos no lograron una Serie Mundial durante estos años), el diminuto, pero aguerrido guerrero, logró imponer su estilo de batalla entre los demás combatientes. Con algunas notables excepciones (los Marlins de Miami y los Astros de Houston), la mayoría de los equipos de Grandes Ligas cuentan hoy en día con departamentos analíticos, cuyo fin es recolectar y analizar datos estadísticos que les permitan encontrar esa brecha competitiva que les permita poner el mejor equipo posible en el terreno de juego. Y es que no es para menos, ya que en un negocio multimillonario como es el del béisbol de las Grandes Ligas, los equipos no se pueden dar el lujo de quedarse rezagados en una estrategia que ha probado ser exitosa (Véase Red Sox, 2004 & 2007) y que promete seguir expandiéndose en los años venideros (Pitch FX, Field FX).

Ahora bien, ¿será posible implementar este tipo de análisis estadístico en las Ligas invernales de Venezuela, Dominicana, México y Puerto Rico? ¿Podría este tipo de análisis otorgar alguna ventaja a un equipo del Caribe sobre sus competidores? ¿Podrían las Estrellas Orientales o los Bravos de Margarita ser los próximos Atléticos de Oakland en su liga?

Las respuestas a estas preguntas no provienen de una simple traslación de los resultados alcanzados por los análisis sabermétricos en Grandes Ligas a nuestras Ligas Invernales. Lo primero es que en Grandes Ligas se efectúan 162 juegos, y en nuestras ligas Invernales sólo escenificamos un tercio de esta cantidad, por lo que cualquier análisis que se realice a través de una temporada debe tomar en cuenta la cantidad de partidos o turnos al bate necesarios para lograr una muestra lo suficientemente confiable. Recordemos que un promedio de bateo de .375 no es un indicador del verdadero talento de un bateador si esto se consigue en 20 o 30 turnos al bate.

De igual forma debemos tener en cuenta que algunas formulas aplicadas al béisbol de Grandes Ligas, como lo son el wOBA, el WAR y el FIP, deben ser calculadas en base a ponderaciones y promedios de la liga en cuestión.  De nada nos serviría tomar los pesos lineales del wOBA de Grandes Ligas y aplicarlos a una liga invernal, ya que dichos pesos lineales han sido tomados de estadísticas recolectadas de una liga con jugadores, parques y hasta reglas diferentes (como la del lanzador en la alineación en la Liga Nacional).  Otro aspecto a tomar en cuenta es la viabilidad lógica del análisis que vayamos a realizar. El hecho de que un jugador de las Águilas del Zulia tenga un promedio de bateo de .350 de por vida contra los Navegantes de Magallanes no es un indicador veraz de que ese jugador es más talentoso por el hecho de enfrentarse a ese equipo. Para esto debemos tener en cuenta las diferentes variables y la lógica detrás de lo que se busca demostrar.

Quizás dos de los análisis de mayor prioridad para fines de poder implementar la sabermetría en cualquiera de nuestras ligas invernales lo son el del Factor Parque y el de la Fuerza o Calidad de Liga. En cuanto a la importancia del Factor Parque, la misma radica en que mientras en menos parques se juegue en determinada liga, más afectado serán los números de los jugadores en referencia al donde juega y en torno a la calidad de la liga. Un ejemplo de esto son los números de los jugadores de los Tigres del Licey y Leones del Escogido, los cuales comparten el parque Quisqueya en la República Dominicana, el cual es reconocido por sus amplias dimensiones y por ser un parque de poca ofensiva. Un acertado análisis del factor parque del Estadio Quisqueya les permitiría a los equipos de la Liga Dominicana identificar la contribución real de un jugador dependiendo del parque donde juegue la mayoría de sus juegos, al igual que le permitiría conformar su equipo en torno a jugadores que produzcan estadísticas apropiadas para su entorno. De igual manera un análisis de este tipo, ayudaría a los equipos de Grandes Ligas a monitorear mejor a sus prospectos, a los fines de tomar decisiones acertadas sobre la calidad del jugador.

Es importante recalcar, que hace 2 años, nuestro colega Miguel Olivo realizó lo que podría considerarse el primer intento de analizar el factor parque de la Liga Invernal Dominicana, el cual obviamente como el mismo Olivo nos apunta, se vio limitado por el tamaño de la muestra considerada (algo que no es sorpresa con la limitación al acceso de estadísticas de nuestras ligas). Actualmente, Fangraphs calcula el Factor Parque a través de la fórmula del analista sabermétrico conocido como Patriot  la cual toma en consideración las estadísticas de las últimas 5 temporadas, lo que equivale a unos 810 partidos.  Aunque esperar a acumular esta cantidad de data para una de nuestras ligas implicaría un trabajo de más de 10 años con acceso a estadísticas muy limitadas, un análisis utilizando estadísticas de los últimos 5 años nos podría mostrar cierta tendencia que puede ser mejorada mediante un análisis de regresión.

En cuanto a la Calidad de la Liga, quizás este es el reto más grande que tiene la comunidad sabermetrica Caribeña. A diferencia de Grandes Ligas, la calidad de los jugadores en nuestras ligas invernales varía de manera constante durante toda la temporada. Aunque muchos tienden a identificar a nuestras ligas como Clase A fuerte o Doble A, la verdad es que estas aseveraciones no tienen ningún asidero estadístico, sino más bien que parecen ser sacados del simple promedio de los jugadores que participan en nuestras ligas. Pero si nos fijamos, nuestras ligas sufren una metamorfosis de 3 etapas que dificulta la tarea de saber la calidad de las mismas.

En una primera etapa, la cual comprende la primera mitad de la temporada, los equipos cuentan con prospectos de Clase A y Clase A fuerte, a los cuales le es otorgada la oportunidad de juego en ausencia de jugadores de más cartel. Igualmente en esta etapa los equipos complementan sus rosters con jugadores refuerzos con cierta experiencia de Grandes Ligas o veteranos de Triple A. Una segunda etapa, la cual comprende la segunda mitad de la temporada, se caracteriza por la entrada a juego de jugadores de Grandes Ligas, compuesto este grupo en su mayoría por jugadores veteranos acostumbrados a jugar en la liga, jugadores en recuperación de una lesión, o por jugadores que buscan una oportunidad de regresar a las mayores. Una tercera etapa es la de los playoffs, en la cual los equipos se refuerzan mediante un draft de los jugadores de los equipos descalificados (aquí las reglas varían según la liga). En esta 3ra etapa los jugadores de mayor cartel de los equipos descalificados son los que logran ocupar un puesto en los equipos clasificados. Como vemos, la experiencia, calidad y hasta los objetivos de los jugadores que pasan por las ligas invernales es lo suficientemente diversa para contentarnos con la simple asignación de una “Liga Doble A”. Un estudio sobre cómo afecta la calidad de estos jugadores es sin dudas necesario a los fines de determinar si las estadísticas de un jugador son un resultado de la competencia que enfrentó o si es un indicador de su talento real. No es lo mismo que un Grandes Ligas se enfrente en la mayoría de sus turnos a un lanzador de clase A que lo haga frente a otro Grandes Ligas como él. Es por esto que los números de inicio de temporada deben ser tomados con un grano de sal al momento de analizar un comienzo poco característico de un jugador.

En conclusión, podemos decir que sin dudas los análisis sabermetricos característicos de un equipo con una filosofía estilo Moneyball  pueden ser aplicados a nuestras ligas invernales, pero para esto se deben tener en cuenta las reglas anteriormente mencionadas para no desviarnos del fin principal que es analizar objetivamente el béisbol en nuestras ligas. De igual forma no tenemos dudas de que cualquier equipo que pueda correctamente desarrollar este tipo de análisis conseguirá una ventaja frente a sus competidores y quizás lograr convertirse en el ejemplo “Moneyball” del Caribe.

Francisco Merejo es co-fundador de sabermetrico.com. Puedes seguirlo en twitter en @fcomerejo. Igualmente puedes mantenerte al tanto del mundo de la sabermetría en @sabermetrico