Durante años hemos planificado las políticas deportivas con una mezcla de datos incompletos, intuición técnica y costumbre administrativa. No es poco, pero tampoco basta. Una ciudad cambia más rápido que sus polideportivos y decidir qué instalaciones deportivas impulsar y dónde, exige algo más que ratios genéricos por habitante, inventarios bien ordenados y mapas que a veces tranquilizan más de lo que explican.

Ahí aparece la oportunidad de los datos sintéticos: información generada artificialmente mediante modelos estadísticos o algoritmos capaces de reproducir patrones de la realidad sin corresponderse con personas reales identificables. No son datos inventados al azar. Son más bien una maqueta estadística: un laboratorio donde ensayar escenarios sin comprometer la privacidad ni depender siempre de encuestas costosas, registros fragmentados o bases de datos que nunca llegan con el nivel de detalle que necesitamos.

Su potencial para las políticas deportivas es especialmente sugerente. Los datos sintéticos pueden ayudarnos a pasar de la planificación por ratios a la planificación por escenarios. En lugar de limitarnos a decir “tantos metros cuadrados deportivos por habitante”, podríamos formular preguntas bastante más útiles: ¿qué ocurriría si impulsamos una pista cubierta en este barrio y no en aquel? ¿Qué población ganaría accesibilidad a menos de diez minutos caminando? ¿Cómo afectaría una nueva promoción de viviendas a la saturación de las instalaciones cercanas? ¿Qué pasaría si abrimos patios escolares fuera del horario lectivo? ¿Qué equipamientos están realmente saturados y cuáles solo parecen deficitarios porque miramos mal los horarios, la movilidad o los patrones de uso?

Estamos utilizando esta aproximación de forma experimental en el Plan de Equipamientos Deportivos de una ciudad de Gipuzkoa. Trabajamos en la generación de un algoritmo que ayude a ordenar mejor las decisiones públicas: qué equipamientos conviene impulsar y en qué localizaciones. No para sustituir el criterio técnico o político (ese delirio tecnocrático conviene dejarlo fuera desde el principio), sino para iluminar mejor las alternativas antes de convertirlas en promesa institucional, presupuesto y hormigón.

La clave está en simular poblaciones, demandas y comportamientos: personas mayores que necesitan proximidad; adolescentes que dependen de redes seguras de movilidad; familias condicionadas por horarios imposibles; barrios aparentemente bien servidos que en realidad viven lejos de la instalación útil. Porque la desigualdad, cuando se mira sobre el mapa, deja de ser un concepto amable y se convierte en una coordenada.

Esta mirada tiene implicaciones en varios niveles. En el plano más amplio, puede ayudar a mejorar la medición económica del deporte allí donde faltan datos desagregados. En el nivel intermedio, el de las políticas públicas territoriales, permite evaluar redes de instalaciones, accesibilidad, saturaciones y escenarios de inversión. Y en el nivel más cercano a la gestión cotidiana puede apoyar la segmentación de demandas, la previsión de usos o la evaluación del retorno social de determinadas intervenciones. Esa es una de las ideas centrales del trabajo que presentaré: los datos sintéticos no son una curiosidad técnica, sino una posible infraestructura de análisis para una economía del deporte más fina, más territorial y menos resignada a decidir con información insuficiente.

Ahora bien, conviene no enamorarse demasiado de la herramienta. Los datos sintéticos pueden reproducir sesgos, amplificar errores o generar una peligrosa ilusión de precisión. Un mapa de calor no es una verdad revelada. Un algoritmo no sabe por sí solo qué ciudad queremos construir. Y una simulación, por sofisticada que parezca, siempre arrastra supuestos: sobre quién practica deporte, quién no lo hace, quién puede desplazarse, quién queda fuera, quién aparece en los datos y quién ha sido históricamente invisible.

Por eso estas técnicas deben utilizarse con transparencia, validación y sentido crítico: como apoyo, no como oráculo. Los datos sintéticos complementan los datos reales y pueden enriquecer la deliberación pública. En el mejor de los casos, ayudan a que la política deportiva tome decisiones menos ciegas, menos inerciales y menos dependientes del “siempre se ha hecho así”, sin convertir la complejidad urbana en una simple operación matemática.

Este jueves presentaré esta iniciativa en el XVI Congreso Iberoamericano de Economía del Deporte, en Osuna, Sevilla. Mi objetivo es compartir una línea de trabajo en construcción. Espero que nadie espere que lleve una solución cerrada bajo el brazo. Me interesa especialmente abrir la conversación: cómo pueden las administraciones públicas incorporar estas herramientas sin caer en el fetichismo tecnológico; cómo pueden las ciudades pequeñas y medianas beneficiarse de modelos avanzados sin depender de grandes aparatos de consultoría; cómo podemos planificar el deporte con más evidencia y también con más justicia territorial.

Porque al final, la cuestión importante es elemental: si los datos sintéticos nos ayudan a tomar mejores decisiones. Si permiten invertir donde más impacto social puede generarse. Si hacen visibles necesidades que los indicadores convencionales dejan fuera de campo. Si ayudan a que una instalación deportiva deje de ser una pieza aislada y pase a formar parte de una política urbana, sanitaria, educativa y comunitaria más inteligente.

El deporte público no necesita más retórica de salud, cohesión y bienestar si luego sus programas y equipamientos se planifican con herramientas del siglo pasado. Necesita método. Necesita imaginación. Necesita datos y, sobre todo, necesita mejores preguntas.

Y quizá los datos sintéticos sirvan precisamente para eso: para interrogar la realidad antes de intervenir sobre ella; para ensayar posibilidades allí donde antes solo había intuición, costumbre o prudencia administrativa; para ayudar a que el algoritmo no gobierne la ciudad, pero sí permita a la ciudad no decidir mirando únicamente por el retrovisor.