El pasado lunes empezamos una serie de artículos en los que la intención es dar un poco de sentido al caótico mundo de las estadísticas en el béisbol. En la primera parte, Ángel hizo un completo y didáctico repaso a las principales estadísticas ofensivas que podemos encontrar en este deporte, sirviendo como una muy buena base de aprendizaje para toda persona que sienta cierto interés y curiosidad por saber cómo funcionan y cómo leer las estadísticas en el béisbol, y que quiera disfrutar del deporte desde un punto de vista distinto o que, sencillamente, quiera tener los conocimientos básicos para no perderse mientras ve un partido o lee un artículo. En Sports Made In USA somos muy amigos de las estadísticas, las utilizamos constantemente en nuestros análisis y opiniones, por lo que nunca está de más el dar un paso para atrás y ponérselo más fácil al lector y aficionado recién llegado.
En esta segunda parte mi intención es, partiendo de la base del primer artículo, ir más allá y profundizar en el tema de la estadística ofensiva más avanzada, ayudando a cualquier interesado a entender qué es lo que nos dicen dichas estadísticas, y cómo evaluar a cualquier bateador desde un punto de vista más “sabermétrico”, utilizando las herramientas que están al alcance de cualquiera y de forma gratuita alrededor de la Red. Tiene que quedar claro, sin embargo, que cualquier persona puede disfrutar del béisbol de la manera que mejor le convenga y le apetezca; se puede disfrutar este deporte sin leer una sola estadística en la vida o comprendiendo lo más básico pero, si los números te despiertan la más mínima curiosidad, es importante aprender qué números mirar y cómo entenderlos en todo su contexto.
¿Qué es lo que da valor a un bateador?
Durante muchos años, y aun hoy en día, a los bateadores se les ha valorado y comparado por la conocida slash line tradicional, o la línea de bateo Batting Average/ Home Runs/ RBI. La media de bateo es una buena forma de ponderar cuántas veces un jugador en particular consigue un Hit pero, por desgracia, esto supone que todos los Hits tengan el mismo valor, y omite además una estadística de suma importancia como son las Bases por Bolas, o Walks, los cuales, por muy aburridos que puedan parecer, son un gran medidor de la paciencia y la disciplina de un bateador. Algo que, como veremos más adelante, es fundamental a la hora de predecir el rendimiento futuro de un jugador en concreto. Del mismo modo, comparar jugadores por sus RBI es un error, ya que esta estadística te enseña un dato que es en gran medida circunstancial y ajeno al bateador, el cual no tiene ningún tipo de control sobre los jugadores que se encuentran en las bases cuando le toca su turno de bateo. A la hora de comparar jugadores es importante utilizar estadísticas que dependan en la mayor medida posible de la habilidad individual del jugador (algo que RBI o las carreras anotadas no logran). Y es por eso que utilizar estadísticas como On-Base Percentage (OBP) o Slugging Percentage (SLG) es una mejor medida del valor ofensivo de un jugador en cuestión, ya que en ambos casos podemos apreciar datos concretos que nos dicen algo sobre la capacidad ofensiva individual de dicho bateador, como son el porcentaje de ocasiones en las que logra llegar a las bases y la cantidad de bases, en promedio, que consigue cada vez que le toca su turno al bate. Pese a ello, OBP y SLG son algo deficientes, ya que la primera no tiene en cuenta el número de bases que logra un bateador, y la segunda, al igual que el Batting Average, omite una estadística tan importante como los Walks.
OPS, wOBA y wRC+
¿La solución? Sumamos OBP y SLG para crear una estadística que contrarreste las deficiencias de las dos anteriores. El resultado, On-Base Plus Slugging (OPS), nos debería dar sobre el papel una estadística sencilla de calcular sobre la capacidad ofensiva del jugador en cuestión, pero la realidad es que la invención de John Thorn y Pete Palmer sigue dejando algo que desear, ya que dos OPS son difícilmente comparables. Por ejemplo, un OPS de .800 puede ser el resultado de un OBP de .400 y un SLG de .400, o bien de un OBP de .300 y un SLG de .500, y cualquier otra combinación de ambos cuya suma sea .800. El gran problema de OPS es que le da el mismo valor a OBP que a SLG, y está probado que, además de estar calculadas en distintas escalas, la primera estadística es mucho más importante que la segunda, por lo que en el ejemplo anterior, el primer OPS de .800 sería mejor que el segundo. Y es aquí donde entra wOBA (Weighted On-Base Average), que no es más que una corrección de OPS para darle el valor adecuado a cada uno de los eventos ofensivos posibles (Home Runs, Triples, Dobles, Sencillos y BB’s), calculado a una escala similar a On-Base Percentage; así, wOBA se traduce como una estadística comparable que nos mostrará el valor real de un bateador. Todos sabemos que un Home Run es más valioso que un Doble, y un Triple es más valioso que una Base por Bolas, pero wOBA utiliza la matemática para calcular exactamente cuánto más valioso es cada resultado.
wOBA = (0.690×BB + 0.722×HBP + 0.888×1B + 1.271×2B + 1.616×3B +
2.101×HR) / (AB + BB – IBB + SF + HBP)
Sabemos que OBP y SLG son más eficientes que el BA de un jugador, y que a su vez OPS es más eficiente que OBP y SLG por separado, pero no tanto como wOBA. Podríamos decir que wOBA es una aproximación a la “estadística definitiva”, pero lo cierto es que hay muchas circunstancias que pueden afectar a la hora de ver un wOBA mayor o menor: por ejemplo, como aprendimos en un “The Old Ball Game” hace un tiempo, batear en Colorado no es lo mismo que batear en San Diego, y por lo tanto los wOBA’s que se obtienen en ambos estadios no son directamente comparables, del mismo modo que no lo son dos wOBA’s de épocas distintas. En los años 60, cuando la ofensiva estaba en mínimos históricos, un wOBA de .310 era mucho más valioso que un mismo wOBA en plenos años 90, en una época donde las medias ofensivas se dispararon. Por eso, tener en cuenta los diferentes factores de campo y época es muy importante a la hora de hacer comparaciones, y ello hace necesaria la aparición de la tercera estadística en este apartado, wRC+ (Weighted Runs Created +), la cual además está medida en una escala alrededor de 100 (100 siendo la media ponderada de las Ligas Mayores), por lo que se hace muy fácil de comprender. Un wRC+ de 120, por ejemplo, supone que el bateador en cuestión es un 20% más útil para su equipo que la media de la liga, independientemente de en qué estadio o época haya jugado. wRC+ es una actualización de wRAA (Weighted Runs Above Average), estadística que mide la contribución de un jugador para su equipo sustrayéndole la wOBA media de la liga a su propia wOBA, y multiplicándola por su número de Plate Appearences.
wRC+ = (((wRAA/PA + League R/PA) + (League R/PA – Park Factor* League R/PA))/ (AL or NL wRC/PA excluding pitchers))*100
La importancia de las bolas puestas en juego y la paciencia en el Plate
Ahora que ya tenemos nuestra estadística, wRC+, que nos va a mostrar la calidad real ofensiva de un bateador, vamos a ver cuáles son los principales factores que van a alterar la producción de un jugador, empezando por las estadísticas que organizan las diferentes bolas puestas en juego. En el momento en que un bateador golpea la pelota con el bate, existen cuatro resultados posibles: Fly Balls (Batea al aire), Infield Fly Balls (Pop-ups que no salen del infield), Ground Balls (Batea al suelo) y Line Drives (Batea una bola recta). Muchas veces es complicado distinguir entre un Line Drive y un Fly Ball por su similar naturaleza, pero la gran diferencia suele ser la velocidad a la que la pelota sale despedida del bate. Los porcentajes de GB, FB, IFFB y LD siempre sumarán 100%, y son una muy buena manera de distinguir entre tipos de bateadores y sus tendencias ofensivas, además de que nos ayudan a predecir posibles resultados futuros para un bateador. Por ejemplo, si un jugador mantiene un alto porcentaje de Line Drives a lo largo del tiempo, lo más lógico es que sus estadísticas sean generalmente positivas, ya que un alto LD% se puede traducir en que el bateador está haciendo buen contacto con la pelota, y esto debería llevar a un incremento de sus Hits y Extra-Base Hits. Para equipos que prefieren centrarse en el proceso por encima del resultado inmediato, la cantidad de Line Drives debería ser un indicador muy positivo de que el jugador en cuestión está viendo bien la bola, su timing es bueno, etc.
Line Drive Percentage (LD%) = Line Drives / Balls in Play
Fly Ball Percentage (FB%) = Fly Balls / Balls in Play
Ground Ball Percentage (GB%) = Ground Balls / Balls in Play
Infield Fly Ball Percentage (IFFB%) = Infield Fly Balls / Fly Balls
La siguiente información que va a tener una alta correlación con wRC+ es la paciencia que muestra un bateador en el Plate. Al igual que con las bolas puestas en juego, la disciplina es otro indicador positivo a la hora de evaluar el proceso sobre el resultado inmediato, ya que un jugador con alta disciplina a lo largo del tiempo acabará mostrando unas buenas estadísticas positivas en el futuro. Como hemos comentado antes, el número total o el porcentaje de Walks conseguidos por un jugador es una manera sencilla de medir a simple vista si un jugador es o no paciente, pero a nivel más avanzado la Plate Discipline se medirá con la cantidad y la calidad de los swings realizados por el jugador en cuestión. Las seis estadísticas que se utilizan para medir dicha calidad son: Swing% (Porcentaje de swings totales entre pitches vistos), Z-Swing% (Porcentaje de swings en bolas dentro de la Strikezone), O-Swing% (Porcentaje de swings en bolas fuera de la Strikezone), Contact% (Porcentaje de contacto con la bola entre el total de swings realizados), Z-Contact% (Porcentaje de contacto realizado con bolas dentro de la Strikezone) y O-Contact% (Porcentaje de contacto realizado con bolas fuera de la Strikezone). Estas estadísticas, combinadas, nos darán una idea de la paciencia y disciplina que muestra un jugador concreto. Poniendo un ejemplo algo extremo, la línea de Plate Discipline de Pablo Sandoval en 2014 fue la siguiente:
| 2014 | O-Swing% | Z-Swing% | Swing% | O-Contact% | Z-Contact% | Contact% |
| Pablo Sandoval | 48,1% | 80,2% | 59,5% | 79,8% | 89,9% | 84,6% |
| MLB Rank | 1º | 2º | 1º | 15º | 69º | 50 |
El “Panda” es conocido por su pobre disciplina al bate, y lo demostró en 2014 liderando la liga en porcentaje de swings en pitches “malos” (bolas fuera de la Strikezone), algo que le ha llevado a ser un jugador bastante irregular. Sin embargo, Sandoval contrarresta su mala disciplina con una buena habilidad para hacer contacto con la pelota, y su respetable 20,6% de Line Drives le resultaron en un wRC+ de 111, o un 11% mejor que la media de la liga. Un alto porcentaje de swings, por lo tanto, no tiene por qué ser algo necesariamente malo, especialmente si se acompaña con un buen porcentaje de contacto y ese contacto realizado es bueno.
El caso contrario a Pablo Sandoval es Matt Carpenter, el también 3B de los Cardinals y uno de mis jugadores preferidos. Carpenter lideró la MLB con un 19,3% de O-Swing% (casi 20% menos que Sandoval), y 33,1% de Swing%, lo que le convierte en el bateador más selectivo de la liga. Carpenter solo se quita el bate del hombro para batear los pitches que más le convienen, y dejar pasar los que no le gustan, por lo que su alta disciplina y paciencia al bate resultan en una alta cantidad de Bases por Bolas (13,4%) y un muy buen contacto con la pelota (LD% de 23,8%), lo que sumado a su relativamente poca fuerza con el bate le convierten en uno de los mejores lead-offs de las Majors.
La influencia de la suerte en el béisbol
Como se suele decir, el béisbol es un deporte de inches, y muchas veces un par de pulgadas hacia la izquierda o la derecha pueden cambiar por completo el resultado de una jugada. La suerte tiene un papel muy importante en este deporte, y una de las estadísticas que mejor la reflejan es la temida BABIP. BABIP (Batting Average in Balls In Play) es una estadística que calcula cuantas veces una pelota puesta en juego termina en Hit, sin contar Sacrifice Bunts ni Home Runs. La poca correlación entre los BABIP’s de un año para otro ha llevado a la conclusión de que la suerte y la aleatoriedad tienen tanta influencia en el resultado de una jugada una vez se pone la pelota en juego como la tienen la propia habilidad del bateador o la calidad de la defensa, por lo que es un error atribuirle el 100% del mérito en un Hit al bateador o culpar al pitcher por el mismo (aunque de esto ya hablaremos más adelante).
De esta manera, a grandes rasgos se puede concluir que un BABIP muy alto puede ser fruto de la suerte, y por lo tanto será complicado de mantener a lo largo del tiempo. El BABIP de la liga está alrededor de los .300 (o sea, que el 30% de las bolas puestas en juego deberían resultar en Hits), lo que significa que si un jugador pusiese la pelota en juego en el 100% de sus turnos al bate, su media de bateo debería ser igualmente de .300, y a lo largo del tiempo todos los BABIP’s deberían oscilar alrededor de esa cifra. Aun así, un alto o bajo BABIP no tiene por qué ser exclusivamente producto de la suerte que haya tenido el bateador, y no es acertado suponer que todos los jugadores con un BABIP por encima de .300 están teniendo demasiada suerte, y viceversa. Lo ideal en este caso es volver a mirar sus estadísticas de Fly Balls, Ground Balls y Line Drives, ya que un jugador con un alto LD%, al hacer mejor contacto con la pelota, debería ser capaz de mantener igualmente un alto BABIP, mientras que un jugador que pone constantemente la pelota en el aire tendrá, de promedio, un BABIP normalmente bajo. Un jugador con un alto LD% y un BABIP bajo, por el contrario, no está teniendo suerte con la bolas puestas en juego pese a hacer buen contacto con la pelota, y podríamos concluir que en un futuro, si sigue haciendo buen contacto, su suerte debería cambiar y sus resultados deberían empezar a ser más positivos.
BABIP = (H – HR)/(AB – K – HR + SF)
Un ejemplo de este caso lo vemos en Salvador Perez, el catcher de los Kansas City Royals. En 2013, Perez tuvo una envidiable línea de bateo de .292/.323/.433 (BA/OBP/SLG), lo que le sirvió para finalizar con un wRC+ de 106. Al año siguiente, sin embargo, Perez finalizó con una casi mediocre .260/.289/.403 y un wRC+ de 92. Podríamos discutir cuáles fueron las principales causas de su regresión, y su pobre disciplina en el Plate tendría mucho que decir al respecto, pero lo cierto es que la suerte tampoco estuvo del lado del catcher venezolano. Su BABIP se redujo de un año para otro de .311 a .278, mientras que su LD% creció de 20,5% a 21,4%. Pese a realizar mejor contacto con la pelota, Salvador Perez obtuvo peores resultados, algo influenciado en cierta parte por la suerte, o la falta de ella en este caso. Lo lógico para Perez es que en este 2015 sus números se vuelvan a normalizar, y su wRC+ esté más cercano a los 106 de 2013 que a los 92 de 2014, siempre y cuando demos por supuesto una normalización de su BABIP.
A modo de conclusión, lo que hemos visto hasta ahora es una introducción a cómo ver las estadísticas ofensivas del béisbol desde un punto de vista más avanzado, pero teniendo en cuenta que no hemos hecho más que arañar la superficie de este maravilloso mundo, del que es imposible llegar a tener el conocimiento absoluto. Estas dos partes, sin embargo, deberían ser suficientes para despertar tu interés y ayudarte a navegar a través de las conocidas webs de estadísticas, realizar tus propios análisis y sacar tus propias conclusiones sobre el rendimiento de un jugador o equipo en concreto, y empezar a ver el béisbol más allá de lo que el ojo puede en sí apreciar.
