Hacer la suposición de que los datos que importan en una serie serán igualmente significativos en otra es común, pero poco útil. La dicotomía entre el Gran Premio de Canadá en Montreal y las 24 Horas de Le Mans representa esto de manera especialmente efectiva, porque hay un abismo entre cómo se desarrolla una carrera dependiendo de si dura menos de 2 horas o un día completo. Es la clásica comparación entre un sprint y una maratón, por lo que hacer predicciones requiere una investigación contextualizada de la información más relevante.
El enfoque de F1
El resultado de una carrera de F1 puede determinarse en las primeras vueltas, ya que una buena posición de salida puede poner a un piloto en una posición inalcanzable dado lo difícil que es adelantar, incluso en un circuito como el Circuito Gilles Villeneuve en Montreal. Así que lo primero que las predicciones de carrera deben tener en cuenta es cómo se desempeñan los pilotos durante la clasificación y dónde los coloca esto en la parrilla.
Las casas de apuestas se adentrarán muy en detalle con los datos derivados de la clasificación, observando qué tan bien manejan los pilotos secciones específicas del circuito, incluidos los rincones más técnicos, además de sus tiempos de vuelta. Es un deporte donde las ganancias marginales importan, y si eres un aficionado a las apuestas deportivas, Canadá ahora cuenta con sus propios sitios donde se pueden encontrar cuotas basadas en este nivel de análisis de datos. Revisar lo que piensan los expertos antes del próximo Gran Premio de Montreal es una buena forma de evaluar cómo se realiza la matemática, incluso si no eres un apasionado de los datos.
El legado de Le Mans
Pocos eventos son tan icónicos como las 24 Horas de Le Mans, y aunque hay algunas similitudes superficiales con un gran premio como el de Montreal, prolongar una carrera a un día de acción casi ininterrumpida cambia donde las predicciones centran su atención. Por ejemplo, la resistencia tanto del coche como del piloto es mucho más importante que los tiempos de vuelta alcanzados en la clasificación, porque aunque la diferencia de unos pocos décimos de segundo importa en F1, es más una lucha mecánica y mental que debe superarse en una carrera de 24 horas.
También hay mucha más variación porque las clases de coches que compiten pueden diferir aquí, mientras que la F1 solo involucra un número menor de máquinas casi idénticas y altamente reguladas. Los pilotos y equipos deben tener en cuenta el tráfico con el que se encontrarán en el circuito, y los predictores deben hacer lo mismo.
La fiabilidad de los componentes principales de los coches también importa mucho más en Le Mans que en F1. No es común que una caja de cambios falle o que un motor se detenga en un Gran Premio, mientras que en una carrera de 24 horas hay una posibilidad mucho mayor de que algo mecánico funcione mal. Las predicciones deben usar cualquier dato sobre la fiabilidad de los coches que esté disponible para ser precisas.
En última instancia, aunque ambas disciplinas utilizan telemetría avanzada y aprendizaje automático para pronosticar los resultados de las carreras, la ciencia de datos en el automovilismo debe reflejar las reglas del deporte en sí. Un modelo optimizado para los márgenes extremadamente estrechos de un Gran Premio de Fórmula 1 se colapsaría completamente bajo las variables caóticas y a largo plazo de un clásico de resistencia como Le Mans.
