Toen ik nog een klein jongetje was en ze hier in Tilburg begonnen met het opbouwen van de Tilburgse Kermis, ging ik op de stoep zitten. Met name bij het reuzenrad. Ik wilde schroefje voor schroefje zien hoe ze het gigantische ding in elkaar bouwden als een enorme Legoset. Het proces intrigeerde mij, niet alleen van het reuzenrad, maar eigenlijk van alles. Ik wilde heel graag leren en achter de schermen kijken, hoe zit dit precies in elkaar? Toen ik dan ook van Dirk Kuyt het aanbod kreeg om bij een professionele voetbalorganisatie aan de slag te gaan, wist ik meteen: dit moet ik doen.
Toentertijd werkte ik nog voor HC Den Bosch als eindverantwoordelijke voor alle analyses van het eerste mannenteam. In mijn vijf jaar bij Den Bosch heb ik veel geleerd en mezelf sterk ontwikkeld op het gebied van wedstrijdanalyses. Het analyseren van voetbalwedstrijden opende een hele nieuwe wereld voor mij. In het betaald voetbal leveren bedrijven als SciSports de data kant-en-klaar aan. Geen geklik meer op een klein toetsenbord, niet meer door wedstrijden heen scrollen uit angst een event te hebben gemist, maar kant-en-klare datapunten die 10 keer per seconde vervest worden.
Deze data ging ver. Alle X-Y-Z posities van elke speler voor elke seconde waren vastgelegd. Daardoor kon je heel gericht op zoek naar correlaties. Waar ik bij hockey het event “Hoge bal” had voor een scoop, kon ik in de dataset van SciSports de exacte hoogte en lengte van een pass zien. De problemen die je met deze data kon oplossen waren eindeloos, maar voor een enkele Data Scientist in dit team, met nog gewoon je wekelijkse taken als wedstrijdvoorbereiding en trainingsverwerking, was het onmogelijk om alle oplossingen die ik in mijn hoofd had ook daadwerkelijk uit te voeren.
Het was mijn taak om te bepalen welke data, welke berekeningen en welke informatie het beste paste bij de speelwijze van Dirk en het spelersmateriaal dat we tot onze beschikking hadden. Het eerste wat een analist of Data Scientist te wachten staat als hij voor een nieuwe coach gaat werken, is goed luisteren. Als een soort ‘fly on the wall’ zat ik mee bij teammeetings, stafvergaderingen en overleggen over trainingen. Tijdens wedstrijden luisterde ik hoog in het stadion mee bij tussenbesprekingen. Dat allemaal om te begrijpen welke data écht essentieel was, ik moest op zoek naar die ene procent die het verschil maakt tussen winnen en verliezen.
Dan begint het speurwerk. Welke data hebben we beschikbaar, en hoe kunnen we die inzetten om een voordeel te halen ten opzichte van de tegenstander? Soms heb je geluk en vind je het antwoord snel. Soms moet je dieper graven of verschillende variabelen combineren. En dit is eerlijk gezegd nog het makkelijke deel. Uiteindelijk moeten de uitkomsten, zeker als ze tegen de intuïtie ingaan, op een doordachte manier worden gecommuniceerd naar de coaches, en vervolgens worden vertaald naar trainingsvormen die oefenbaar zijn voor de spelers. Hoe mooi AI tegenwoordig ook is, de brug tussen mens en data blijft lastig te overbruggen voor een machine.
Vanuit mijn freelancewerk in het bedrijfsleven zie ik hetzelfde patroon. Organisaties willen meer met data doen, meer met AI. Maar je moet beginnen bij wat je hebt, qua data én qua mensen, en van daaruit bepalen hoe data je dichter bij je doel brengt. Daar gaan experimenten mee gepaard, want niet alles meet precies wat je wilt of legt bloot wat je nodig hebt om goede beslissingen te nemen. De grootste uitdaging blijft echter altijd dezelfde: de brug slaan van data naar de mens. Investeer tijd en energie in adoptie en uitleg, en ga op het tempo van de eindgebruiker. Als iemand afhaakt, is het lastig om het vertrouwen terug te winnen.
Hi, mijn naam is Jop Beuger en ik help sporters, sportteams en het bedrijfsleven om data om te zetten naar actie. Door analyses, automatisering of het opbouwen van datastrategie. Elke dag op zoek naar die 1% winst, zonder de mens uit het oog te verliezen. Wil je meer weten of gewoon een keer sparren? Mail naar jop@jopbeuger.nl
