”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.
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