Tom Brady es considerado generalmente el mejor mariscal de campo en la historia de la NFL. Su récord de yardas por pase es uno de sus muchos récords impresionantes. Para lograrlo, mantuvo constantemente un alto total de yardas por pase por año, tuvo la mayor cantidad de pases intentados y completados, evitó lesiones que afectaron la temporada y tuvo una larga carrera en general.
Los récords están hechos para romperse.
El próximo mariscal de campo que rompa este récord podría ya estar jugando. ¿Pero quién? ¿Y cuándo?
Esta presentación nos lleva a un viaje de exploración y visualización de datos para mostrar cómo Tom Brady se convirtió en una figura tan dominante en la NFL. A continuación, identificamos qué mariscales de campo actuales tienen la mayor probabilidad de superar este récord y cuándo podría suceder.
Cubrimos todo el flujo de trabajo analítico: un script JSL que extrae datos de un sitio web; un flujo de trabajo de limpieza de datos que prepara los datos para el análisis; exploración y visualización de datos; y finalmente, un informe JMP Live publicado que se actualizará durante la temporada.
Hola, soy Scott Allan. Soy ingeniero de sistemas en JMP y me complace estar aquí con mi colega Yasmin Hajar para presentar nuestro póster para la Cumbre Discovery 2024 en Cary. A principios de este año, Yasmin y yo conversábamos sobre la Cumbre Discovery y cómo queríamos presentar un flujo de trabajo de visualización y análisis de datos que abarca desde el acceso a los datos hasta su publicación en JMP Live. Trabajamos con clientes a diario y estamos observando un creciente interés en la automatización completa de este flujo de trabajo, desde la importación de datos hasta el análisis y la publicación de los resultados.
En esta presentación, abordaremos diversas funciones de JMP. Mostraremos cómo extraer datos de un sitio web, cómo usar Workflow Builder para automatizar las actualizaciones y la limpieza de datos, cómo usar diversas plataformas JMP para visualizar, explorar o incluso modelar los datos, y cómo publicar los resultados en JMP Live. A continuación, añadiremos información adicional y mostraremos cómo hacerlo con un solo clic mediante un complemento personalizado.
Para el proyecto, decidimos usar al exmariscal de campo de la NFL, Tom Brady, como telón de fondo para este flujo de trabajo. En ese momento, estábamos pensando en ideas. Había leído un artículo sobre lo dominante que fue su carrera y que sus récords durarían muchísimo tiempo. Empecé a pensar: ¿cuánto tiempo es mucho tiempo? ¿Está ya jugando el próximo mariscal de campo que rompa récords? Y, de ser así, ¿cuándo va a superar esos récords?
Tom Brady ostenta muchos récords diferentes de la NFL. Para esta presentación, nos centraremos en uno de ellos: sus yardas de pase. Pero el mismo proceso podría aplicarse a cualquiera de sus récords. Ni Yasmin ni yo somos verdaderos fanáticos de la NFL. No estábamos seguros de quiénes eran los candidatos, ni quiénes serían. Al analizar estos datos, aprendimos mucho sobre la verdadera singularidad de Tom Brady en su carrera, y es fácil entender por qué se le considera uno de los mejores de todos los tiempos. Este proceso de exploración de datos comienza con el acceso a ellos. Le cedo la palabra a Yasmin para que nos ayude a empezar.
Gracias, Scott. El primer paso que tuvimos que dar fue crear estos datos históricos para todas las estadísticas entre 1940 y 2023. Como puedes ver, tuvimos que acceder al sitio web de Pro Football Reference. Creamos nuestro propio script JSL donde reemplazamos la variable de subaño por el año correspondiente y concatenamos todas estas estadísticas en una gran tabla de datos sin procesar para todos esos años anteriores. Ese fue nuestro primer paso.
Luego, creamos un flujo de trabajo con el Generador de Flujos de Trabajo. Primero abrimos estos datos históricos y luego añadimos las estadísticas de la semana actual. Una vez que comience la temporada 2024, podremos usar esas estadísticas semanales y añadirlas a los datos históricos. Como pueden ver, hay varios pasos adicionales que debemos realizar, como estandarizar algunos atributos de columna, añadir un año de carrera, un año activo y una columna de yardas acumuladas para poder sumar todas estas yardas.
Pero quiero señalar el hecho de que algunos de esos pasos, como la importación de la semana actual y los datos históricos, tienen un signo más al lado, lo que significa que fue un paso personalizado, que tuvimos que crear en JSL y pegarlo en el flujo de trabajo como un paso personalizado.
Una vez creado este flujo de trabajo, obtuvimos esta tabla de estadísticas de fútbol actualizada, con toda la información hasta la semana actual. Empezamos a usar las herramientas de visualización disponibles. El primer gráfico que creamos fue el de las yardas acumuladas en función del año, con todos los mariscales de campo retirados en gris, Tom Brady en morado y los mariscales de campo activos en naranja.
Podemos ver instantáneamente cómo algunos mariscales de campo se retiraron prematuramente y, de haber seguido jugando, habrían batido el récord de Tom Brady, o Tom Brady no habría podido batir su récord si hubiera seguido jugando. En cuanto a los jugadores activos, vemos que algunos ya muestran una fuerte tendencia en sus yardas acumuladas. Tomamos solo a los jugadores activos y lo graficamos en función de su año de carrera. Normalízalo a su año de carrera.
Luego empezamos a analizar cuáles de estos jugadores lideran. Vemos que Aaron Rodgers lidera. Sin embargo, tuvo un año difícil el año pasado, quién sabe qué pasará esta temporada. Por otro lado, Matthew Stafford y Russell Wilson, por ejemplo, ya acumulan más yardas que Tom Brady, si comparamos sus carreras.
Ya están por delante de esa línea, si comparamos a ambos jugadores en el mismo año de carrera. Derek Carr está por encima de eso. Le va bien, pero aún está al principio de su carrera. Decidimos trazar las cosas de forma un poco diferente. Promedio de yardas por año: ¿cómo se ven estos mariscales de campo en términos de promedio de yardas por año? Vimos que Justin Herbert está arrasando con sus yardas por año, con 4,300 yardas por año, en comparación con el resto; incluso comparado con Tom Brady, que está muy por debajo.
Si observamos este otro gráfico, donde vinculamos dinámicamente a estos jugadores para ver dónde se encuentran en su año de carrera, vemos que Justin Herbert aún está al principio de su carrera, con solo cuatro años acumulados. Con esto, Scott les mostrará informes y modelos más avanzados que creamos.
El primer paso al obtener nuevos datos es simplemente explorarlos, como lo mostró Yasmin. Otra forma de pensar en los candidatos que podrían desafiar estos récords es mediante otras exploraciones de datos, como la agrupación. Lo que hicimos fue encontrar mariscales de campo similares en diversas cualidades, no solo en la estadística de yardas acumuladas o yardas por año, sino en todas sus características. Realizamos una agrupación jerárquica.
En este caso, agrupamos a todos los mariscales de campo. Creo que hay unos 800 en esta tabla de datos, y los agrupamos según sus estadísticas, como intentos anteriores, pases completos, intercepciones, etc. Lo que vemos aquí son los resultados en un gráfico de constelación. Este gráfico muestra los grupos de mariscales de campo con cualidades similares en todas las estadísticas.
Podemos ver que hay algunas ramas importantes aquí que empiezan a diferenciar diferentes grupos o clases de mariscales de campo. Podemos ver dónde se sitúa Tom Brady en esto. Esto no nos dice nada sobre sus estadísticas ni sobre sus capacidades. Simplemente muestra que son similares entre sí en todas esas estadísticas.
Podemos enfocarnos en esa rama que incluye a Tom Brady. Ciertamente, vemos que hay algunos nombres familiares, algunos que probablemente vieron en el gráfico anterior y quizás otros que podrían sorprender. También mantuvimos a los mariscales de campo retirados o que ya no están activos. Esos son los pequeños puntos grises.
Como pueden ver, si hubieran tenido un año de carrera diferente, podrían haber tenido cierta longevidad. Podrían haber superado algunos de estos récords, pero ya no están activos. Su capacidad para superarlos se acabó. Podemos ver dónde está Tom Brady y empezar a ver qué otros mariscales de campo podrían estar listos para reducir o superar los récords de Tom Brady.
Lo siguiente que queríamos hacer era empezar a modelar estos datos. Los dos primeros métodos, la exploración de datos y la agrupación, buscaban explorar los datos e identificar a los mariscales de campo con mayor probabilidad de desafiar un récord. Pero para determinar cuándo esos récords podrían ser desafiados, necesitábamos construir un modelo. Existen varios modelos diferentes para esto, y optamos por construir un modelo mixto.
Utilizamos una plataforma de modelos de ajuste con una personalidad mixta y usamos las yardas acumuladas como respuesta o variable Y, las yardas de carrera como X. Luego, usamos el nombre del jugador como efecto aleatorio y anidamos esos coeficientes. En esencia, lo que obtenemos es una regresión lineal simple de cada mariscal de campo y sus yardas acumuladas por año. Cada una con su propia pendiente e intersección. A partir de esta información, obtenemos todas estas diferentes ecuaciones de regresión, lo que nos permite realizar una predicción inversa.
Usamos la predicción inversa del récord de 81,294 yardas de Tom Brady. Lo que obtenemos de esta predicción inversa es la cantidad de años que le tomaría a ese mariscal de campo alcanzar esa cantidad acumulada de yardas. Creamos una tabla de datos a partir de ese informe y la normalizamos con respecto al año de novato de cada mariscal de campo. Tenemos este gráfico a la derecha, que muestra a cada mariscal de campo. Este gráfico se ordenó por la cantidad de años que les tomaría alcanzar ese récord, en orden ascendente.
En este caso, los dos que identificamos, Aaron Rogers y Matt Stafford, son los dos puntos naranjas. Se puede ver dónde está Tom Brady en el Punto Morado, y cómo lo hizo, básicamente, en su vigésimo cuarto año de carrera, allá por el 2000. No recuerdo cuándo fue, alrededor del 22. Pero lo que vemos aquí son otros mariscales de campo también. Sin duda, Aaron Rodgers y Matt Stafford serán los primeros en desafiar ese récord, pero aún les tomará otros 6 o 7 años lograrlo. Esperen verlos en las temporadas 2031 o 2032. Podrían acercarse a su récord de yardas si siguen jugando.
Hay otra generación anterior de mariscales de campo que empezará a desafiar ese récord aún más lejos. Quizás a finales de la década de 2030 o principios de la de 2040. No esperen, esto no va a suceder pronto. Pero fue agradable ver que ningún mariscal de campo está superando este récord, aunque varios podrían hacerlo en el futuro. Ahora que hemos explorado y analizado los datos, vamos a cambiar de estrategia para mostrar cómo publicaremos y compartiremos estos datos, y luego automatizaremos todo el flujo de trabajo.
Se lo pasaré a Yasmin para que nos ayude con eso.
Gracias, Scott. Como decía Scott, nuestro objetivo era publicar algunos de estos informes en JMP Live para que la gente pudiera seguir los cambios a medida que avanza la temporada. Para ello, solo teníamos que publicar el archivo y publicar el informe en JMP Live. Seleccionamos el informe que queríamos. En este caso, tenía un panel con un par de imágenes o gráficos, y luego reemplacé la tabla de datos en JMP Live con la que se actualizaba con las estadísticas de ese sitio web de fútbol profesional.
Para ir un paso más allá, consolidamos todos estos pasos, incluyendo la publicación en JMP Live, en un complemento. Aquí mostramos los pasos para crear un complemento por su facilidad y queríamos compartir cómo hacerlo. Para ello, hacemos clic en Archivo, Nuevo, Complemento. Debajo del botón que queremos presionar, copiamos y pegamos el script JSL que exportamos desde nuestro Generador de Flujos de Trabajo. Una vez creado el flujo de trabajo desde el Generador de Flujos de Trabajo, podemos exportar el script JSL y luego copiarlo y pegarlo aquí.
Para ir un paso más allá, trasladamos ese complemento en lugar de estar en el menú de complementos. Creamos nuestro propio menú personalizado para que sea más fácil hacer clic en él. A continuación, mostraré brevemente los pasos. Aquí está nuestro menú personalizado. Al hacer clic en "Estadísticas de ejecución", veremos cómo se actualiza el año actual. Será una tabla estandarizada, con las columnas, etc.
Se creará un subconjunto de esa tabla con las capas superiores. Se creó el panel de control aquí. Voy a mostrar rápidamente el JMP Live, que se recarga automáticamente, con las estadísticas más recientes de yardas promedio por año y yardas contra jugador. Eso es todo lo que teníamos para publicar y agregar. Se lo devolveré a Scott para sus comentarios finales.
Esto nos guía a través de todo el flujo de trabajo, desde el acceso a los datos, la limpieza, la creación de gráficos, el modelado y la publicación. Si desea seguirnos, también publicaremos este panel en JMP Public, quizás con un par de gráficos más que nos parezcan interesantes. Vuelva pronto; publicaremos un enlace al sitio público de JMP cuando esté disponible y lo publicaremos en la comunidad.
Si quieres saber más sobre todo lo que viste aquí, solo tuvimos una visión general de lo que hicimos. Echamos un vistazo rápido a los guiones y al análisis. Pero si quieres saber más, por favor, publica en la comunidad. Estaremos encantados de responder a tus preguntas. Por cierto, quiero agradecer a JMP por darnos la oportunidad de hacer este póster y la presentación. Quiero agradecer a Yasmin por trabajar conmigo en este proyecto. Lo pasé genial y también aprendí muchísimo.
Gracias.
