maanantai 3. marraskuuta 2014

Mitä Big Data tuo urheiluun?



”Big Data” on ollut yksi viime vuosien trendikkäimmistä bisnestermeistä. Vuoden 2010 tienoilla suuremman yleisön tietoisuuteen noussut trendi on yhä pinnalla ja esimerkiksi Data Scientist- tittelillä operoivat asiantuntijat lähes revitään töihin. Mistä ilmiössä on kyse ja mitä se voi tuoda urheilulle?
 
Yksinkertaistaen; Big Data tarkoittaa suurten tietomassojen keräämistä ja sen esittämistä ymmärrettävällä tavalla tilastotiedettä ja tietotekniikkaa hyödyntäen. Suomi ei ole varsinaisesti kulkenut tiedolla johtamisen eturintamassa ja Market Vision vuonna 2012 julkaiseman tutkimuksen mukaan tuolloin vielä alle 30 % maamme yrityksistä perusti strategiset päätöksensä analytiikkaan tai dataan. Kuluttajille Big Data näyttäytyy mm. kohdennettuina tarjouksina ja verkkomainontana.

Urheilun näkökulmasta Big Datalla voidaan nähdä olevan kaksi erilaista roolia. Siihen perustuen voidaan parantaa urheilijan edellytyksiä optimaaliseen urheilusuoritukseen, mutta sen avulla voidaan myös kehittää ja parantaa kannattajien asiakaskokemusta entistä paremmaksi ja monipuolisemmaksi.
Pelaajista kerättävällä yksityiskohtaisella tiedolla voidaan ja tämän analyysillä voidaan siis mm. seurata urheilijan rasitustasoja ja tätä kautta ennaltaehkäistä väsymyksestä aiheutuvia loukkaantumisia sekä heikkoja suorituksia. Data tarjoaa myös mahdollisuuden vastustajan pelaamisen erittäin yksityiskohtaiseen analyysiin.

Maailman suurimmilla urheiluseuroilla on satoja miljoonia kannattajia. Tällaisen volyymin ymmärtäminen erilaisine segmentteineen vaatii jo järeitä työkaluja. Asiakasymmärryksen kasvattaminen tarjoaa kuitenkin seuroille mahdollisuuden asiakastyytyväisyyden lisäämiseen sekä uusien liiketoimintakonseptien kehittämiseen. Hyödyntääkseen asiakasymmärryksen metodeja, tai vaikkapa sitten juuri Big Dataa, ei seuran tietenkään tarvitse olla mikään globaali jättiläinen. Myös pienemmät seurat voivat skaalata ideologiaa ja työkaluja omiin tarpeisiinsa sopivaksi.

Big Data ja asiakaskokemuksen kehittäminen

Moderni teknologia on luonnollisesti tuonut läjäpäin mahdollisuuksia erilaiseen mittaamiseen ja tilastointiin. Ammattimaisimmat organisaatiot ovat esimerkiksi varustaneet pelaajansa sensoreilla, jotka mittaavat jokaisen pienenkin yksityiskohdan näiden suorituksista aina kulloisestakin pulssista erilaisiin reaktioaikoihin. Tämän datan avulla valmennuksen on helpompi seurata tekijöitä, jotka vaikuttavat pelaajan suoritustasoon. Seurat ovat myös lähteneet kehittämään erilaisia kannattajille suunnattuja applikaatioita, jotka hyödyntävät pelaajista ja otteluista kerättyä tietoa.

Monet ammattilaissarjat ovat myös ymmärtäneet, että kannattajia kiinnostavat monipuoliset tilastot pelin ja pelaajien eri osa-alueista.  Tästä syystä NBA:n ja NFL:n kaltaiset ammattilaisliigat ovat viime vuosina julkaisseet yhä enemmän erilaisia tilastoja kannattajien tutkittavaksi. Hyvän esimerkin tästä tarjoaa NBA:n tilastosivut osoitteessa: : http://stats.nba.com/

NBA:n sivuilta voit halutessasi tsekata vaikkapa Kobe Bryantin urakohtaisen heittoprosentin tiettyä seuraa vastaan. Vain yhden esimerkin mainitakseni. Käytännössä jokaisessa NBA –matsissa on lukuisia eri kulmista matsia kuvaavia kameroita, jotka keräävät dataa niin pelaajien kuin pallonkin liikkeistä. 



Big Data tuo oman mausteensa pelitaktiikoihin


Myös tenniksessä Big Data tekee tuloaan. Vuoden 2014 Roland Garrosissa lanseerattiin IBM Slam Tracker- teknologia, joka generoi ja julkaisee lukuisia erilaisia tilastoja ottelutapahtumista ja ottelun ympärillä tapahtuvasta pöhinästä. Käytännössä tracker tuottaa mm. pelitapahtumien mukaan päivittyviä todennäköisyyksiä matsin voittajasta sekä tilastoja pelaajien sosiaalisessa mediassa saamasta huomiosta.

Big Data on tullut myös tennikseen

Big Data & urheilusuorituksen optimointi

Urheilusuorituksen optimoinnin näkökulmasta jonkinlaisena lähtölaukauksena voidaan pitää ns. Moneyball- ilmiötä, joka breikkasi suuren yleisön tietouteen erityisesti Brad Pittin tähdittämän Hollywood-rainan myötä. Moneyball perustuu Michael Lewisin kirjaan, joka puolestaan seuraa Billy Beanesin Oakland Athletics MLB-seuran joukkueenrakennusta pelikaudella 2002. Beanesin lähtökohta joukkueen rakentamiseeen nojasi vahvasti tilastoihin.

Pohjois-Amerikassa on Isoon Dataan satsattu siis jo pidemmän aikaa, mutta tuoreita esimerkkejä löytyy myös Euroopasta. Viime kuukausina malliesimerkiksi on nostettu jalkapallon MM-kultaa voittanut ”Die Mannschaft”. Saksalaiset eivät jättäneet kiveäkään kääntämättä valmistautuessaan Brasilian MM-kisoihin ja tässä valmistautumisessa oli tärkeä rooli myös Big Datalla. Saksan jalkapalloliitto teki läheistä yhteistyötä erityisesti ohjelmistoyritys SAPin kanssa kerätessään mm. sensorien avulla hurjat määrät biometristä dataa pelaajistostaan. Käytännössä tämä data träkkäsi esimerkiksi ottelukohtaisesti pelaajan juoksemat kilometrit, spurttinopeudet ja sydänkäyrät. Näin valmennus pystyi kontrolloimaan esimerkiksi pelaajakohtaista rasitusta ja täten ennaltaehkäisemään loukkaantumisriskiä. 

Tätä dataa oli toki ollut saatavilla jo suuret määrät aiemminkin, mutta yhdessä SAPin kanssa kehitetty ohjelmisto (SAP Match Insights) pystyy esittämään datan nopeasti ja ymmärrettävästi sekä valmennukselle että pelaajille.

Lisäksi saksalaiset laativat todella monipuoliset analyysit vastustajien taktiikoista ja pelaajaprofiileista. Tätä kautta Saksa haki optimaalisia pelitaktiikoita kullekin vastustajalle sekä toisaalta löysi näiden taktiikoista haavoittuvuuksia. Tähän duuniin oli valjastettu vaatimattomat 50 Kölnin maineikkaan urheiluyliopiston opiskelijaa, jotka keräsivät 2 vuotta dataa maajoukkueen tulevista vastustajista. Analyysien nyanssitasosta kertoo se, että saksalaiset tiesivät mm. jokaisesta vastustajan pelaajasta sen miten tämä todennäköisesti reagoi, jos häntä rikotaan ja millaiset taklaukset kutakin pelaajaa erityisesti horjuttavat. 
Big Datalla oli roolinsa myös futiksen MM-kisoissa

Saksalaisten valmennusjohto lähetti pelaajiensa älypuhelimiin esimerkiksi vastustajan vahvuuksia ja heikkouksia havainnollistavia videoklippejä. Esimerkiksi ennen Portugali-matsia puolustajat saivat yksityiskohtaista tietoa siitä mitä lusitaanien syömähammas Cristiano Ronaldo todennäköisesti tekee, kun hänelle pelataan pallo hyökkäysalueella. Saksan puolustajat siis tiesivät jo ennen matsia tarkasti sen, kumpaan suuntaan Ronaldo tulee todennäköisesti kääntymään, millaisissa tilanteissa hän tulee pelaamaan pallon yhdellä kosketuksella eteenpäin ja milloin hän taas todennäköisesti lähtee itse pitkään kuljetukseen. Sittemmin kyseinen SAPin sovellus on otettu käyttöön mm. Bayern Munchenissa. Bayern on ilmoittanut, että seura pyrkii rakentamaan tästä oman applikaation myös kannattajille. Tämä tarkoittaisi sitä, että kannattajat näkisivät älypuhelimistaan reaaliaikaisia tilastoja esimerkiksi suosikkipelaajansa otteista. 

SAP on hiljattain aloittanut yhteistyön myös mm. NBA:n Orlando Magicin ja NHL:n Toronto Maple Leafsin kanssa. Maple Leafsin on tarkoitus hyödyntää jatkossa Big Dataa mm. NHL-drafteissa, sopimusneuvotteluissa sekä pelitaktiikan rakentamisessa. Toronto on rekrytoinut oma tutkimustiimin, jonka tehtävänä on tuottaa, analysoida sekä visualisoida dataa seurajohdon ja valmennuksen käyttöön.  Niin Torontossa kuin Saksan maajoukkueessakin alleviivataan erityisesti datan visualisoinnin tärkeyttä. Pelkästään numeraalisessa muodossa olevaa tietoa on niin valmennuksen kuin pelaajienkin vaikea omaksua ja ymmärtää. Erilaiset graafit ja klipit tuovat tähän omaksumiseen oivan lisätyökalun.

On päivänselvä asia, että Big Data on hyödyllistä niin pelaajille, kannattajille kuin urheiluorganisaatioillekin. Itse urheilun ydintä se ei varsinaisesti uhkaa, vaan voittajat ratkaistaan loppupeleissä edelleen kentällä ja yksittäisten pelaajien luovuudella on tässä usein iso roolinsa. Big Data tuo kuitenkin urheiluun taas ripauksen lisää ammattimaisuutta.





Tämän artikkelin lähteitä ovat olleet mm. seuraavat:






Ei kommentteja:

Lähetä kommentti