Pallavolo. Così l’algoritmo schiaccia a rete

Abbiamo trattenuto il fiato a ogni servizio, sofferto per ogni recupero mancato, gioito per ogni punto segnato. In questa lunga estate rovente, le ragazze della nazionale di pallavolo di Davide Mazzanti ci hanno fatto ancora sognare, tra Volleyball Nations League, qualificazioni alle Olimpiadi di Tokyo 2020 e infine gli Europei. Le abbiamo viste correre, saltare, battere e schiacciare: tutti abbiamo pensato che avessero i “numeri giusti” per vincere e nel loro caso non si tratta solo di un modo di dire. Dietro la precisione e l’eleganza con cui si muovono in campo, in realtà, ci sono ore e ore di allenamento fatto con l’ausilio della matematica e dei Big Data: battute, schiacciate e schemi di gioco vengono continuamente perfezionati grazie ad algoritmi che macinano grandi quantità di dati raccolti dalle telecamere puntate sulle giocatrici.

Gli allenamenti 2.0 sono cominciati circa un anno e mezzo fa in collaborazione con Math&Sport, una giovane start-up nata dall’incubatore Polihub del Politecnico di Milano. «I nostri algoritmi analizzano i filmati delle pallavoliste in campo per estrarre grandi quantità di dati che descrivono il movimento di spalle, gomiti, polsi e caviglie durante azioni come il servizio, la battuta e la schiacciata», spiega Ottavio Crivaro, fondatore e amministratore della start-up. «Confrontando queste informazioni con la traiettoria della palla e il risultato prodotto, otteniamo indicazioni quantitative sui miglioramenti che l’atleta deve apportare al suo movimento, ad esempio colpendo la palla 5 centimetri più in alto o staccando 10 centimetri prima». Sono sistemi che possono essere sviluppati per qualsiasi sport, anche golf e tennis. Nei giochi di squadra, poi, si aggiungono algoritmi che studiano i movimenti in campo per indicare come migliorare le tattiche.

Uno di questi “virtual coach” è quasi pronto a debuttare anche nel calcio italiano e non solo per aiutare gli allenatori in panchina. «Presto potrà migliorare anche l’esperienza dei tifosi allo stadio, permettendo di inquadrare la partita con lo smartphone per seguirla attraverso la realtà aumentata», precisa Crivaro. La prima sperimentazione è prevista entro l’anno e verrà condotta insieme a Vodafone Italia che a Milano ha acceso la prima rete 5G d’Italia.

«Siamo abituati a pensare la matematica e lo sport come due estremi opposti, ma non è così: il vantaggio competitivo sul campo non viene più soltanto dalla dieta dell’atleta o dalla scelta dei materiali, ma anche dall’analisi dei dati», sottolinea Piercesare Secchi, docente di statistica al Politecnico e socio fondatore di Moxoff, lo spin-off dell’ateneo che dal 2010 mette in sinergia il mondo della ricerca modellistica matematica, statistica e numerica con quello industriale. «Lo sport è un laboratorio ideale per sperimentare gli strumenti di analisi dei Big Data, perché il gioco ha regole precise e tutto il sistema è molto controllato. Il nostro obiettivo – continua Secchi – è portare questa tecnologia algoritmica fuori dal campo di gioco per usarla in altri settori come nell’industria 4.0, dove lo scenario è molto più complesso e le regole sono ancora tutte da scrivere».

Il coach professore

A celebrare le nozze tra pallavolo e Big Data non poteva che essere lui, Davide Mazzanti. Il mister della nazionale femminile è un insegnante di matematica mancato: «Il mio rapporto con la matematica è sempre stato buono, tanto che all’università ho fatto per un anno ingegneria pensando di diventare un insegnante. Poi, però, la preparazione che avevo ricevuto alla scuola professionale si è rivelata insufficiente. All’inizio, mi sono trovato un po’ in difficoltà per recuperare terreno e ho capito di non avere il talento necessario per laurearmi in un numero degno di anni. Così ho deciso di passare a scienze motorie, con grande dispiacere di mia mamma». La passione per i numeri, però, è tornata utile quando sul campo di pallavolo Mazzanti ha dovuto affrontare valanghe di dati e statistiche sul gioco. «La sfida era combinare le caratteristiche della nostra squadra con quelle della squadra avversaria, per capire i punti di forza e debolezza e introdurre degli adeguamenti utilizzando indicatori che ci permettessero di incidere subito, in tempo reale, sull’andamento della partita». È nata così l’idea di collaborare con i data scientist, portandoli anche fisicamente in panchina, e tradurre i numeri in suggerimenti pratici: «Sono convinto che sfruttare al meglio l’analisi dei dati possa dare una marcia in più, perché permette di intuire le cose prima degli altri cosa che, del resto, è il lavoro dell’allenatore».