Hola, bienvenido y bienvenida una semana más al podcast de ciclismo evolutivo. Ya sabéis,
el podcast donde unimos práctica, ciencia y experiencia para hablar de entrenamiento,
nutrición, psicología y en definitiva todo lo que tiene que ver con el rendimiento en ciclismo.
Y bueno, en el episodio de hoy vamos a hablar sobre análisis de datos, más concretamente de
los datos que podemos analizar o que no podemos analizar a la hora de tratar de
utilizarlo e interpretarlos para mejorar nuestro entrenamiento en ciclismo.
Bien, pues para empezar vamos lo primero a quitar un poco este miedo que parece que da
la palabra análisis de datos y vamos a verlo como lo que realmente son. Todo, absolutamente todo,
analizamos datos. Desde pequeños nos han pesado, nos han medido, nos han hecho análisis. Cuando
éramos pequeños, pues bueno, nos comportábamos mal y según la reacción del profesor o de nuestros
padres, según ese dato calibrábamos nuestra respuesta para que en la próxima ocasión no
repetí ese mismo comportamiento o repetirlo en función de lo que nos habían dicho. Bueno,
ya sabéis, en definitiva somos máquinas de procesar datos. De hecho, lo que nuestro cerebro
hace no es ni más ni menos que procesar datos, transformarlos en impulsos nerviosos, mediante
mecanismos que están por aclarar y simplemente generar a partir de esos datos respuestas
satisfactorias para la situación requerida. Supongo que esto pues ya lo sabíais, pero nunca
además quitar un poco de hype o la exageración esta que hay respecto a la palabra análisis de
datos, puesto que al final en el ámbito del ciclismo también es algo que llevamos haciendo
toda la vida. Bueno, desde lo más básico que era analizar simplemente la hora o los kilómetros que
hacemos en una ruta, que es algo que todo el mundo ha hecho, hasta un poco más moderno de ir midiendo
los vatios, los vatios después de la sesión, las pulsaciones medias, etcétera, hasta ya métricas
pues mucho más complejas que tenemos actualmente. Por tanto, cuando se habla de, por ejemplo,
entrenamiento basado en análisis de datos, tenemos un problema cuanto menos semántico y es que todo
entrenamiento que lleve a algún tipo de análisis, o sea todo el entrenamiento del mundo, va a ser
entrenamiento basado en el análisis de datos. Aquí la cuestión está en en qué punto pone
cada uno su límite. Dice, a partir de aquí ya no quiero más información y puede ser por múltiples
motivos, porque no se confía en la fiabilidad de esa información, porque creemos que no nos va a
aportar, porque no se comprende, porque no se quiere hacer más trabajo. Bueno, pueden ser miles
de motivos, pero siempre hay un punto en el cual tenemos que parar porque la información es ilimitada
pero nuestro tiempo no lo es. Y aquí ya ocurren dos cosas. Lo primero es que se suele ver todo
como siempre, como blanco o negro, o eres proanálisis de datos y analizas todos los datos del mundo que
haya, independientemente de su fiabilidad, o eres un antidato que no confía en la ciencia, que está
en contra de la tecnología, que hace que tus deportistas entrenen por sensaciones y con una
bici de los años 80. Bueno, pues creo que entre estas dos visiones tan polarizadas del mundo cabe
un abanico de grises impresionante, y como se suele decir siempre, en el término medio suele
estar la virtud. Y aquí precisamente creo que debería yo también hacer un poco de autocrítica,
y es que creo que sobre todo al principio de esta postcard no supe transmitir bien este mensaje de
término medio, y creo que mucha gente que no me seguía o que se quedó con parte aislada de
las postcards pensó o entendía que yo hablaba como de no hacer caso a ningún tipo de datos,
o ser un poco entrenados por sensaciones. De hecho, leí hasta una persona que decía que yo
a mis ciclistas que les decía que no llevas en potenciómetro. Bueno, al final creo que sinceramente
el problema ha sido mío porque no he sabido explicar cómo pensaba y era un poco volver a este
término medio. Por ejemplo, cuando yo salí de la carrera o cuando yo empezaba, quizá el problema
era que nos faltaban datos y quizá cuando empecé con el postcard el problema era que se estaba
utilizando mal o dando demasiada importancia a ciertos tipos de datos que ahora veremos que no
nos dan información. Claro, yo en mi cabeza entendía lo que quería decir, pero entiendo que mucha
gente, sobre todo que eran nuevos seguidores, que era la primera vez que escuchaban el postcard,
pues tuviesen esa duda o se quedasen con esa parte secada del mensaje. Pero bueno, y dicho eso,
creo que el 99% de los dientes habéis quedado con la visión que quiero transmitir de que al final
hay que buscar el término medio y utilizar los datos a nuestra favor, pero hacerlo con la precaución
de utilizar aquello que nos aporte información y utilidad y que no nos genere más ruido. Esto de
ruido es una cosa que también habréis escuchado mucho en los postcards y a lo mejor hay momentos
en los que no se entiende que esto de ruido, ruido de fondo, bueno, pues un poco sí, al final es lo
mismo. Mira, los datos por su propia naturaleza son asépticos o son neutros, quiere decir que ni
nos dicen ni no nos dicen nada. Somos nosotros los que tenemos que interpretarlos, ¿vale? Y esto
también quiere decir una cosa y es que los datos no son igual a información. Un dato es simplemente
un destello, una foto, un olor. Luego es nuestro cerebro, o sea, nosotros, quien interpreta ese
dato y extrae información de él. Pero claro, en la naturaleza, en la vida, tenemos millones de
estímulos, vamos de forma constante, estamos viendo, estamos escuchando, estamos tocando,
tenemos un montonazo de datos, pero para el propósito que tenemos, o para generar la respuesta
más adecuada en cada momento, a cada situación, tenemos que ser capaces de no prestar atención
al 99,9% de los datos para centrar nuestra atención en ese 0,000 periodo 1% de los datos,
que es el importante para generar la respuesta correcta. A estos datos importantes les llamaré.
Te está gustando este episodio? Acte fan desde el botón apoyar del podcast de Nibos. Elige
tu aportación y podrás escuchar este y el resto de sus episodios extra. Además,
ayudarás a su productor a seguir creando contenido con la misma pasión y dedicación.