Analyseer de prestaties van individuele spelers

Analytics is een ideale tool om inzicht te krijgen in de huidige eigen prestaties. Er zit eigenlijk geen grens aan de informatie die bedrijven door middel van analysesoftware kunnen ontvangen. Het ligt in eerste instantie aan je eigen behoefte: wat wil ik weten? Duitse voetbalclub TSG 1899 Hoffenheim bijvoorbeeld zet analyticssoftware in om erachter te komen hoe individuele spelers presteren, om de prestaties van het team te verbeteren. Hoe werkt dit in de praktijk?

Het begint met een vraag vanuit de business: op welke manier gaan we onszelf als voetbalclub continue verbeteren en ons onderscheiden van concurrerende clubs? En hoe zorgen we ervoor dat we (blijven) winnen en dus winstgevend zijn? Vervolgens is het zaak om de juiste en relevante gegevens bij elkaar te verzamelen, en deze 'big data' te analyseren.

Wat is big data eigenlijk?
Steeds vaker worden IT-gerelateerde termen ook opgenomen in het marketing- & communicatiejargon. Voor veel van de lezers van MarketingOnline is big data dan ook niets nieuws. Toch wil ik even teruggaan naar de kern; er zijn namelijk diverse definities in omloop. In het boek De Digitale Verandering (2013) van Denis Doeland en Ger Hofstee wordt de term uitgebreid besproken. Zij stellen dat big data – naast een enorme grote hoeveelheid gegevens – zich laat omschrijven door de drie V’s: Volume, Variëteit en Velociteit. Dit is belangrijk, omdat big data niet enkel een grote stapel gegevens is, maar dat deze gegevens ook vanuit diverse bronnen komen en continu in beweging zijn.

De hoeveelheid aan gegevens (volume) die dagelijks door miljarden computers, smartphone-gebruikers en het internet genereerd wordt, behelst meer dan een exabyte (EB). Veel van deze gegevens zijn ‘ongestructureerd’. Dit houdt in dat ze niet direct passen in een standaard database. Voorbeelden van ongestructureerde gegevens zijn: reviews, tweets, video’s, of reacties op een blog (variëteit). Ten derde is een gebruiker van mobiele apparatuur (smartphone/tablet) voortdurend in beweging (velociteit). Hierdoor veranderen de locatiegegevens continu. Ook die gegevens zijn zeer van belang voor aanbieders van producten en diensten.

Het verzamelen en analyseren van gegevens lijkt in eerste instantie geen ‘rocket science’, maar blijkt toch lastiger in elkaar te zitten. Want alle soorten data, uit verschillende bronnen, en van meerdere bestandstypen en grootten, zijn nodig om een totaaloverzicht van de situatie te kunnen creëren.

Voetbaldata
Terug naar TSG 1899 Hoffenheim. Deze voetbalclub uit de Bundesliga hanteert analyticssoftware dat big data gebruikt om activiteiten van spelers individueel te analyseren. Zulke software bestaat uit zogenaamde in-memory technologie, dat realtime inzicht in grote hoeveelheden data biedt en die je direct kunt analyseren en beheren. Het combineert meerdere databronnen, waarmee het ook de ongestructureerde data kan verwerken. Een bedrijf kan bijvoorbeeld input van social media (tweets, statusupdates) koppelen aan de verkoopcijfers van tickets of merchandise.

Hoffenheim hoopt prestaties te verbeteren door innovatieve trainingen te geven en het spel te evalueren op basis van draagbare sensoren en de geanalyseerde data. Zo kan men bewegingen bijhouden, posities bepalen en zien welke acties goed en minder goed werken. De software houdt rekening met veranderlijke data. Coaches en trainers kunnen prestatiekenmerken zoals acceleratie, snelheid en balcontacten per speler of per team realtime berekenen en visualiseren. Die informatie gebruiken zij verder om trainingen strategisch in te richten, waarbij rekening gehouden wordt met de sterkere en zwakkere punten van iedere speler.
Maar trainers kunnen ook ruimtelijke analyses toepassen om tendensen te achterhalen, of om het risico van letsel te verminderen... Of het elftal onoverwinnelijk wordt moet nog maar blijken, maar het spelniveau wordt zeker verbeterd.