Pubblicato il 18 marzo 2018 su StatsOnTheT – Traduzione di Edoardo Salvati
// Mentre all’Indian Wells Masters andava in scena l’atto conclusivo (con la finale vinta da Juan Martin Del Potro contro Roger Federer, n.d.t.), il movimento analitico del tennis si radunava dall’altra parte del mondo, a Cape Town in Sudafrica, per la conferenza satRday.
Le occasioni per affinare gli strumenti del mestiere di un analista di dati nel tennis sono piuttosto rare. È stata quindi una fortuna poter partecipare alla 2018 satRday Cape Town Conference, organizzata da Andrew Collier (@DataWookie) e dai suoi colleghi.
Di ritorno a Cape Town, la 2018 satRday ha dedicato un intero giorno a sviluppatori e appassionati di R per la condivisione di modalità ed eccitanti novità in merito all’utilizzo e al miglioramento di questo linguaggio di programmazione.
Venti dei ventitré oratori sono al momento attivi in Sudafrica, ed è stato molto interessante conoscere dettagli approfonditi del loro apporto a R.
Il linguaggio R per l’analisi sportiva
Nel mio intervento ho illustrato l’utilizzo di R per elaborare statistiche di tennis in tempo reale con il Game Insight Group della Federazione australiana. In uno dei seminari che hanno preceduto la conferenza, ho potuto mostrare ai partecipanti alcuni esempi concreti di analisi statistica nello sport funzionali a raccogliere, indagare e modellare dati in modo più efficace attraverso R. Materiale e presentazioni per il seminario sono disponibili qui.
Sebbene la conferenza fosse aperta a qualsiasi argomento relativo a R, è stato degno di nota il numero di presentazioni con estrema rilevanza per l’analisi sportiva.
Ad esempio, Neil Watson (@rugbystatsguy), docente della University of Cape Town è intervenuto sull’utilizzo di R per analizzare e visualizzare il vantaggio psicologico nelle partite del Rugby a 15 (o Rugby Union).
Sean Soutar, studente della medesima università, ha illustrato l’uso di Docker e RSelenium per raggranellare dati dinamici da internet, due applicativi di cui spesso mi servo per raccogliere dati sul tennis.
Robert Bennetto ha esaltato i vantaggi del pacchetto sp per gestire dati di posizionamento, che potrebbe diventare una risorsa particolarmente comoda per creare indici di posizionamento nello sport.
La divertente presentazione di Peter Kamerman riguardo a purrr mi ha convinto della bontà di pacchetti map e pmap nei miei tentativi alla programmazione funzionale in R.
Ho apprezzato molto anche l’intervento a chiusura dei lavori di David Lubinsky, così chiaro sui meriti di profvis – sviluppato da Winston Chang per profilare il codice in R – che senza dubbio sarà di grande aiuto nell’individuare colli di bottiglia nella mia futura scrittura di codice.
Il lavoro delle programmatrici R per la comunità
Oltre a queste preziose indicazioni per l’analisi statistica nello sport, sono rimasta impressionata dall’incredibile lavoro che le programmatrici in R stanno portando avanti a favore della comunità R.
Due di loro meritano speciale menzione. Da un lato, Wiebke Toussaint, che ha condiviso – con illimitato entusiasmo – l’utilizzo di ckanR per rendere disponibili a chiunque i dati da ricerche nel settore energetico attraverso un portale a libero accesso.
Dall’altro, Maëlle Salmon (@ma_salmon), che ha dato il via alla conferenza con una presentazione così coinvolgente da rendere l’atmosfera dell’intero programma di massimo entusiasmo e condivisione.
Salmon è una Research Software Engineer per rOpenSci, il cui obiettivo e quello di rendere lo sviluppo di pacchetti in R un’esperienza più collaborativa, veloce e divertente. Nel suo intervento, ha catturato l’attenzione di tutti mostrando come rOpenSci stia facilitando l’attività degli sviluppatori nel migliorare i programmi.
Certamente un intervento da circoletto rosso! ◼︎
