Iñaki

[Iñaki @I_perera]

A lot of guys today, they come soft living in America. You can’t find anybody over there that believes in the old ways, keeping silent, putting the family first.

[US Open Tennis @usopen]

M.B.H. llega a Arthur Ashe…y no, no hablamos de Álvaro 😂

[PEoperator⚡️ @PEoperator]

I have a take on this which is something like: Tim Cook pivoted Apple from innovation intentionally.

He saw the compounding benefits of Apple’s network effects coming and galvanized the most important supply chain in the world.

He attracted Warren Buffett and adopted his capital allocation principles.

The end result is an incredibly resilient supply chain and strong balance sheet ready to endure volatility and restart the innovation engine.

[Reads with Ravi @readswithravi]

don’t take it personally.

[Reads with Ravi @readswithravi]

The calmer you are, the clearer you think. Always remember that.

[mark @lendersacc]

𝘠𝘰 𝘲𝘶𝘦𝘳í𝘢 𝘥𝘪𝘣𝘶𝘫𝘢𝘳 𝘶𝘯𝘢 𝘴𝘪𝘵𝘶𝘢𝘤𝘪ó𝘯 𝘫𝘶𝘨𝘢𝘯𝘥𝘰 𝘤𝘰𝘯 𝘭𝘰𝘴 𝘯ú𝘮𝘦𝘳𝘰𝘴, pero el post se hizo viral y esto abre la oportunidad perfecta para hablar sobre una verdad incómoda: la cara oculta de la cultura "data driven". El caso que comento en el tweet citado ironiza sobre la necesidad y racionalidad del City metiéndose por ese rabbithole para buscar un sustituto a De Bruyne y dar finalmente con Cherki. Voy a desglosar este caso en concreto y al final dejo una reflexión general sobre los peligros de confiar ciegamente en métricas o sistemas que dan una falsa sensación de rigor pero ayudan mucho desde el punto de vista narrativo.

- Lo primero de todo: era necesario montar todo eso?
Cuántos jugadores en el mundo pueden reemplazar a De Bruyne en el Manchester CIty en ese preciso momento? Independientemente de lo bueno que pueda llegar a ser un algoritmo, estamos hablando de un problema de dimensionalidad muy reducida - hay muy pocos jugadores en el mundo capaces de suplir a un jugador de ese nivel en un club puntero. Un approach como el que plantean puede tener sentido en situaciones donde hay miles / millones de candidatos donde elegir, pero en este caso tenemos como mucho unas pocas decenas de futbolistas de primerísimo nivel que juegan en posiciones similares.

- Aún así, tiene sentido el modelo?
En el vídeo explican cómo computan 43 variables por jugador con las que tratan de encontrar al jugador más similar a KDB. No se menciona cuál es el contenido de esas variables así que lo que comento aquí es pura especulación, pero podéis imaginaros estadísticos en la línea de: porcentaje de acierto de pase corto, porcentaje de acierto de pase largo, goles por partido, asistencias por partido…
Esto desde luego será un buen proxy para encontrar buenos jugadores como KDB con la mayoría de atributos positivos en los percentiles más altos, pero de nuevo cualquiera que siga el fútbol desde el sofá las semanas de Champions será capaz de decirte exactamente los mismos nombres que te dará el modelo.

Por otro lado, los valores de esos atributos dependen en gran medida del jugador, pero también del equipo para el que juega. Es más fácil tener buenos números en equipos que dominan en sus ligas, y normalizar los datos para descontar ese factor es una tarea complicada. Tambien mencionan que buscan el cluster de jugadores similares al momento peak de De Bruyne, que sucedió hace unos años, lo cual significa que hay que tener en cuenta un posible data drift que ocurre con el tiempo.

Como resumen de estas dos primeras preguntas: partimos de un ejercicio probablemente innecesario para hacer un primer filtrado de jugadores, con un preprocesado de datos donde es bastante fácil cometer un error, para llegar a un numerito final entre 0 y 1 que dice cómo de similar es cada jugador a KDB y los rankea. Sigamos:

- Asumiendo que todo lo anterior está gestionado correctamente, se puede asegurar que esa métrica de similitud va a correlacionar con que el nuevo fichaje tenga una buena performance en el City?

Es aquí donde está el mayor punto débil de toda esta historia.

El equipo está confiando ciegamente en que esa métrica que sale de un proceso de Unsupervised Learning tenga correlación con una métrica de performance del jugador a futuro en el equipo. Este puente entre ambas métricas no tiene ningún fundamento por varios motivos. Para empezar, seguramente esa métrica de performance del jugador no esté bien definida, o sea algo simplista como G+A. Por otro lado, este modelo no trata de predecir esa métrica de manera directa sino a través del proxy que montan - y esto es así porque no existe un dataset con casos hipotéticos de jugadores jugando para el City sobre el que podamos montar un modelo de Supervised Learning con sus splits para train / validation /test correspondientes.

Esto nos mete de lleno en territorio de Causal Inference. La pregunta correcta es “Cómo habría sido la performance de X jugador si hubiera jugado para el Manchester City?”. La performance de Cherki en el Lyon no tiene por qué ser en ningun caso la misma que en el City por mil motivos posibles (calidad de los compañeros, posesión del equipo, posicionamiento, minutos jugados, y por supuesto aspectos mentales del jugador como gestión de la presión en un equipo superior). Tirar por el apasionante camino de los counterfactuals es meterse de lleno en un pozo teórico que, por muy riguroso que pueda llegar a parecer, pierde de nuevo de manera muy rápida cualquier conexión con la realidad.

- Conclusión
Para cerrar esto, este es un ejemplo en el mundo del fútbol donde la decisión tomada iba a ser muy probablemente similar en caso de no haber perdido el tiempo de esa forma. Pero el hecho de creer ciegamente en que una decisión es la correcta porque se ha tomado desde un ángulo data driven esconde un montón de problemas como los que describo en cualquier otro sector donde una mala lectura de los datos, mala calidad de los mismos, o una métrica mal planteada puede dar más de un disgusto unos meses después cuando la métrica que de verdad importaba no se mueve en la dirección que se preveía en función de ese proxy mal escogido o calculado.

[Real Madrid C.F. @realmadrid]

CARLOS ESPÍ ESCRIHUELA

[MozartCultures @MozartCultures]

Dreamy trip

[Iñaki @I_perera]

Pues ya estaría

[Carlos Alcaraz @carlosalcaraz]

HERE WE GO! 👋🏻🇺🇸

[Reece Wabara @ReeceWabara]

Think long term, live with relentless discipline & the unimaginable becomes inevitable

[ColiflorRM @ColiflorRM]

La mayoría de las personas fracasa porque nunca encuentra algo que le importe lo suficiente como para obsesionarse por ello.

El problema es que muchas veces sabemos perfectamente qué es, pero lo abandonamos porque no encaja con lo que los demás esperan de nosotros.

Encuentra tu idea, defiéndela y llévala hasta las últimas consecuencias.

Y si un día pierdes la pasión, vuelve a empezar.

No hay mucho más.

[Reece Wabara @ReeceWabara]

Social media will make even an extraordinary life feel ordinary

Step back into the real world & you’ll realise just how lucky you already are

[Iñaki @I_perera]

Those who keep learning will keep rising in life

[Javier G. Recuenco @Recuenco]

Mi duda con Bruselas siempre ha sido si es así de inútil por diseño o si es un fenómeno emergente.

[David Miranda @davmiranda]

Para poner en contexto la operación de compra del Liverpool ($7.000M), el consorcio en el que participa Bezos ha pagado sobre EqV c. 53x EBITDA.

Pero es que en la reciente operación de compra de los Lakers por Josh Kushner y Bob Iger ($12.500M), el ratio EBITDA fue de c. 79x (aunque, por lo que he leído en las noticias, creo la valoración de $12.500M es EV –no EqV– por lo que es el ratio sobre EqV seguramente será algo inferior).

En todo caso, lo que está claro es que, en el mundo del deporte, el valor de un activo no depende tanto de la generación de flujos de caja como de su escasez, su prestigio y la potencial revalorización de su marca.

[Iñaki @I_perera]

Cuando cambias tú, todo cambia y eso es un hecho

[Ryanair @Ryanair]

we only fly winners @Argentina

[Lugar Cinema🎬 @LugarCinema]

Ha fallecido Vincent Pastore a los 80 años…

Las calles nunca olvidarán a Salvatore “Big Pussy” Bonpensiero, uno de los personajes con mejor arco de Los Soprano.

Descansa en paz🙏

[Javier G. Recuenco @Recuenco]

La gente son sus traumas.

[Kasmo ♥ Gulag @Kasmo99]

Yo cuando me preguntan qué pienso de la gente que ve la velada de Ibai.

[Elon Musk @elonmusk]

Next month, every line of code touching the 𝕏 system will be open source and third-party audited.

Only total transparency deserves trust.