Voor veel mensen is voetbal, tennis of hockey gewoon een leuke sport. Je mept, slaat of schopt tegen een bal. Als die in het doel van je tegenstander vliegt dan juich je en andersom dan baal je. Het idee om hier data analyse op los te laten klinkt misschien wat gek, maar biedt wel enorme mogelijkheden. Voor steeds meer professionele bedrijven speelt het benutten van de vele data, die steeds makkelijker toegankelijk is, een belangrijke rol in het spel. Ook om ondanks beperkte budgetten toch het maximale uit het team te halen.
Data analyse in de sport
Data in de sport gaat om meer dan het analyseren van de tegenstander en je eigen spel. Data kan ook benut worden om zo effectief mogelijk trainingen aan te bieden aan spelers op hun eigen niveau. En tegelijkertijd ook om de intensiviteit zo te reguleren dat er minder kans op kostbare blessures ontstaat.
Scouting
Ook voor de scouting is data interessant. Zeker voor clubs met een relatief klein budget en weinig scouts. Door de vele databronnen met informatie over spelers en hun prestaties door een digitale filter te halen is het mogelijk om zo te selecteren dat alleen de spelers tevoorschijn komen die echt interessant zijn voor een club om te volgen. En die binnen het budget vallen.
Speelwijze en strategie
Maar het belangrijkst blijft natuurlijk het volgen van het spel en de mogelijkheid om opstellingen en speelwijzen strategisch te verbeteren een aan te passen op de tegenstander. Hoe je dat doet? Via de volgende drie stappen:
1. Verzamelen
Bij sommige sporten wordt data voor analyse centraal verzameld, zoals bijvoorbeeld in de Eredivisie. Bij andere sporten zul je dat zelf moeten doen met behulp van camera’s en sensoren. Al kan dit behoorlijk lastig zijn, toch is de echte uitdaging vooral hoe je het verzamelen op zo’n manier inricht dat de data vervolgens ook bruikbaar en toegankelijk is voor alle vervolgstappen. Het beste verzamel je alle relevante databronnen op één plek: bijvoorbeeld in de cloud.
2. Koppelen
De kracht van data is meer doen met dezelfde data. Of op een andere manier gezegd: data plus meer data is betere data. Het onderstaande voorbeeld laat dit goed zien.
Op de eerste afbeelding zie je de positie waarvandaan een schot is gelost. Nuttig om te weten, maar het zegt uiteraard weinig over de omstandigheden waarin dat gebeurde. Op de tweede afbeelding is de data toegevoegd waarin je de posities van de spelers ziet op het moment van het schot. Nu zie je ineens dat de keeper, bij de oranje pijl, volledig uit positie is waardoor de tegenstander makkelijk kon scoren.
3. Voetbal data analyseren
Nu je de belangrijke voetbal data kunt koppelen, is het mogelijk om te analyseren wat er is gebeurt. En hoe je bepaalde zaken anders kunt aanpakken. Uiteraard gebeuren dit soort analyses nu ook al, maar zit daar veel handmatig werk in. Door data te verzamelen en te koppelen kun je veel automatiseren waardoor je sneller meer voetbal data kunt analyseren. Zoals je ook kunt zien in het onderstaande voorbeeld.
Hierboven zie je de positie waarvandaan een schot op doel werd geplaatst. In de baan van het schot staan echter drie tegenstanders, waardoor de kans op een doelpunt erg klein is. Een betere optie was om de bal af te leggen op nummer 19, of om een voorzet te geven naar de inlopende nummer 23.
Waar sport en IT elkaar ontmoeten
Het goed verzamelen en koppelen van sport data voor analyse is zeker geen simpele klus, maar wel eentje met een grote beloning aan het einde van de tunnel. Om dit goed te uit te voeren is een goede samenwerking nodig tussen sportclub en IT. Twee totaal verschillende werelden, maar wel een potentieel gouden combinatie die de professionele sport nu al flink heeft opgeschud.
Wil je meer weten over de mogelijkheden om data binnen de sport te gebruiken? En wat de ervaringen van LINKIT zijn op dat gebied? Neem dan contact op met één van onze experts voor meer informatie.
