Sofabold.dk

Det bedste overblik over LIVE sport på TV.

Hent i App Store Nu på Google Play
Hent i App Store Nu på Google Play

VM 2014 vundet med big data

Martin Dalskov, 23. november 2014 klokken 08:19 (Fodbold)

“Big data”. Ugens fodboldblog kommer til at have en lidt mere markant IT-vinkel på sig, end den måske plejer. Men det er helt med vilje – for ”big data”, som fænomenet, hvor man indsamler en masse, masse data, til at gøre sin præstation bedre. Emnet er sindssygt bredt, men vi tager hul på det her i dag. Dette bliver muligvis til en lidt længere seance af skriv, der kommer her på siden over de næste måneder.

“Big data” bruges af alle aktører i sportens verden. Fodboldens paraplyorganisationer som fodboldforbund, spillerforeninger, divisionsforeninger og –organisationer; fodboldspillere og deres trænere (især); og måske i største grad af bettingselskaberne rundt om i verden. En kæmpe milliardindustri i sig selv, bruger denne informationsindsamlingsteknik til både at score den største profit til selskabet selv, men også til at afsløre folk i at snyde eller til at afsløre eventuelle matchfiksere. Og så er der selvfølgelig tredjepartsaktørerne: statistikindsamlingsfirmaerne, der i særdeleshed bruger ”big data” – ja, måske er deres virksomheder bygget op omkring denne indsamlingsmetode.

Indsamlingsmetoden er banebrydende i mange sammenhænge, men måske i særdeleshed i sportsindustrien, som i virkeligheden er en underholdningsindustri, har denne informationstankegang vundet indpas over de sidste 3-5 år. Det er gået fra at være en nichetilgang til spillet, til i dag at være allemandseje og selv sofaseeren kan få adgang til uendelige rækker af data, som de så selv kan bruge til dét de vil og give dataene deres egen vinkel på kampen, på situationen, på begivenheden.

FC Midtjyllands nye ejer, Matthew Benham, har også sat nye standarder i en dansk kontekst på dette område. Matthew Benham har faktisk jagtet spillere med denne tilgang til fodbolden, via hans bettingfirma Smartodds. Her er der 70 analytikere ansat til at kigge al statistik igennem og derefter analysere denne. Der har også være historier om, at efter man har fået Matthew Benham ind i FC Midtjylland skal trænerteaemet på sigt have statistik med sig under kampen, som de så derefter kan agere efter på baggrund af kampens forløb og dennes hændelser.

Og apropos hændelser i en fodboldkamp, har fodboldanalysefirmaet Prozone tidligere sagt, at der er mellem 2.000 og 3.000 hændelser i en fodboldkamp. Totalt set, hvis man tager de fleste aktioner med. Men tager man eksempelvis alle vendinger, retningsskift, temposkift, accelerationer (og niveauer, retninger og så videre i alle disse aspekter), tror jeg vi rammer over godt 5.000 forskellige mængder af data.

At indsamle så mange data omkring en spiller, en kamp, en hændelse i kampen (og måske omkring en specifik spiller) er ikke blot en dårlig undskyldning for at gøre tilgangen til fodbolden mere videnskabelig eller akademisk – men det er også en metode til at indsamle og forstå data (og ikke mindst hvorledes man kan bruge dette bagefter selve kampen er spillet).

Hvis du ikke er blevet grebet af “big data” endnu, og ikke har set alle de spændende synsvinkler og perspektiver i dette fænomen, så kan følgende måske endda overbevise dig.

Et af de bedste, og mest aktuelle eksempler, hvorpå man (måske) kan konkludere at “big data” har virket i praksis, er Tysklands Verdensmesterskabssejr over Argentina i finalen i Rio i sommers. Tyskland bruge under sommerens VM-slutrunde et analyseværktøj, der hedder Match Insights – et system, udviklet af den tyske softwaregigant SAP AG, og som kan optage flere tusind datapunkter pr. sekund (!!!). Alt sammen styret via kameraer placeret rundt omkring banen (i øvrigt meget som man kender det fra andre kampanalyseprogrammer som både hold i Superligaen og Premier League benytter sig af). Match Insights kan måle alt fra spillerplaceringer, retningsskift, temposkift, løbe- og accelerationshastigheder og nærmest alt mellem himmel og jord. Match Insights indsamler flere hundrede-millioner datapunkter på bare én kamp, og al data sendes til SAP AGs kæmpe statistikdatabase, hvori trænere, holdledere og andre fagfolk kan lave målrettede, og egenproducerede, analyser til spillerne og til deres feedback. Og feedbacken kommer endda på alle tænkelige enheder, også mobile enheder og tablets.

Noget af dét som Tyskland (og DFB, det tyske fodboldforbund) konkret brugte Match Insights til, var at skære de individuelle spilleres tid på bolden ned. Altså, skulle tiden, hvor hver enkelt spiller havde bolden i fødderne, skæres ned og blive så minimal så muligt – for derfor at tvinge spillet op i et generelt højere tempo.

Faktisk blev den gennemsnitlige boldbesiddelsestid for hver enkelt spiller skåret ned fra 3,4 sekunder til 1,1 sekund. Via systemet fik hver enkelt spiller visualiseret de ting, de hver i sær skulle forbedre, og derved kunne spillerne tage feedbacken med ud på banen til næste træning og kamp.

Og virkede dette så? Ja, man kan insinuere det i hvert fald: Da Tyskerne kørte Brasilien over med 7-1 i semifinalen scorede tyskerne tre af målene inden for 179 sekunder!

Faktisk havde Brasilien bolden i 52% af tiden i den kamp, men tyskerne, til trods for den lavere andel i boldbesiddelsen, spillede bare bolden signifikant hurtigere rundt for derved at skabe huller i Brasilianernes forsvar. Det lykkedes, kunne man sige…

Systemet, altså Match Insights, kan også bruges til at lave individuelle målsætninger for hver enkel spiller i løbet af kampene, og derefter kan træneren eller holdlederen sende resultatet, samt udvalgte statistikker, til hver enkelt spiller på deres mobile enheder. F.eks. hvis en træner ville have spiller A til at løbe hurtigere, når han vendte 180 grader med bolden, eller hvis han ville have ham til at spille bolden 5 gange fremad til højre med det dårlige ben, så havde Match Insights samlet alle klip, hvor spilleren lykkedes eller mislykkedes med netop hans specifikke mål og så kan den respektive spiller modtage netop denne statistik samt alle klippene.

At Match Insights indsamler alle disse millioner og atter millioner af data er én ting. Men måden at viderebehandle og overlevere data til modtageren/kunden er en anden ting. For der er rigtig mange firmaer, og klubber, der har adgangen til førstnævnte – men at demonstrere og viderebehandle, samt at få en statistisk fordel ud af alle disse data, er der knapt så mange, der formår. Både på klub- og landsholdsplan.

Match Insights er også et af de systemer, der kan måle, og visualisere, spilleres og holds positionelle areal og hvor meget hver enkelt spiller (eller hold) står og løber mest. F.eks. brugte Tyskernes forsvarsspillere systemet til at analysere Christiano Ronaldos løbebaner, hvordan han kom ind i feltet og hvordan han modtog bolden på banens midterste tredjedel. Alt sammen, igen, for at få en fordel i form af “big data” og indsamlingen heraf.

Inden, og under VM, var Tysklands landshold (og dermed DFB) det eneste landshold, og klubhold for den sags skyld, der kunne bruge Match Insights – men SAP AG vil i fremtiden blive mere kommercialiseret og mere udbredt i både klub- og landsholdsfodbold, det er jeg helt overbevist om. Og måske allerede fra 2015.

Før i tiden havde DFB faktisk haft mange, nærmest umenneskeligt mange, universitetsstuderende siddende til alle Tysklands landskampe for at indsamle og analysere data.

Ovenstående fortælling omkring Tysklands “big data”-VM-sejr er vel i virkeligheden fortællingen om, hvorfor “big data” og sport overhovedet er relavant. Netop for at få den lillebitte sandsynlige fordel fra start af kampen, som modstanderen ikke kan have. Den viden, man kan opnå, hvis man kan finde ud af at indsamle, analyserer og præsentere al denne data, er nærmest ubetalelig.

“Big data” er kommet for at blive – og man har brugt det i årevis i England og i de seneste 5-7 år i Danmark (på lavere niveau) – og udviklingen vil kun gå én vej. Fremad. 





Andre blogindlæg af Martin Dalskov:

02. oktober 2016
25. september 2016
04. september 2016
28. august 2016
21. august 2016
17. juli 2016
10. juli 2016
03. juli 2016
26. juni 2016
19. juni 2016
12. juni 2016
08. maj 2016
01. maj 2016
17. april 2016
10. april 2016
27. marts 2016
20. marts 2016
13. marts 2016
06. marts 2016
28. februar 2016
21. februar 2016
14. februar 2016
07. februar 2016
31. januar 2016
24. januar 2016
17. januar 2016
10. januar 2016
03. januar 2015
20. december 2015
13. december 2015
06. december 2015
29. november 2015
22. november 2015
15. november 2015
08. november 2015
01. november 2015
18. oktober 2015
11. oktober 2015
04. oktober 2015
27. september 2015
13. september 2015
06. september 2015
30. august 2015
23. august 2015
02. august 2015
26. juli 2015
19. juli 2015
12. juli 2015
28. juni 2015
21. juni 2015
14. juni 2015
07. juni 2015
31. maj 2015
25. maj 2015
17. maj 2015
10. maj 2015
03. maj 2015
05. april 2015
29. marts 2015
22. marts 2015
15. marts 2015
08. marts 2015
01. marts 2015
22. februar 2015
15. februar 2015
08. februar 2015
01. februar 2015
18. januar 2015
11. januar 2015
04. januar 2015
14. december 2014
07. december 2014
30. november 2014
16. november 2014
09. november 2014
02. november 2014
26. oktober 2014
19. oktober 2014
21. september 2014
14. september 2014
07. september 2014
31. august 2014
17. august 2014
10. august 2014
03. august 2014
27. juli 2014
20. juli 2014
13. juli 2014
06. juli 2014
22. juni 2014
15. juni 2014
08. juni 2014
01. juni 2014
25. maj 2014
18. maj 2014
11. maj 2014
20. april 2014
13. april 2014
06. april 2014
30. marts 2014
23. marts 2014
16. marts 2014
09. marts 2014
02. marts 2014
23. februar 2014
16. februar 2014
09. februar 2014
02. februar 2014
19. januar 2014
12. januar 2014
05. januar 2014
15. december 2013
08. december 2013
01. december 2013
24. november 2013
17. november 2013
10. november 2013
03. november 2013
27. oktober 2013
20. oktober 2013
13. oktober 2013
06. oktober 2013
29. september 2013
15. september 2013
08. september 2013
01. september 2013
18. august 2013
10. august 2013
28. juli 2013
21. juli 2013
30. juni 2013
23. juni 2013
16. juni 2013
02. juni 2013
26. maj 2013
19. maj 2013
12. maj 2013
05. maj 2013
28. april 2013
21. april 2013
14. april 2013
07. april 2013
31. marts 2013