Hvordan big data kan hjelpe Norge til VM i 2022
Publisert 18 okt 2017
Å få ballen i mål krever at de riktige beslutningene tas. I utlandet vinner big data allerede kamper.
Visste du at profesjonelle idrettsutøvere ikke bare filmes på banen, men overvåkes på alle mulige måter med akselerometre, pulsmåler og GPS-sensorer?
Big data revolusjonerer den ene idretten etter den andre. Statistikk har alltid vært et viktig verktøy for trenere, men mengden av data som det nå er mulig å samle, savner sidestykke i idrettshistorien.
Dataanalyse har allerede hatt suksess i fotball og baseball, og alt tyder på at fotballen nå blir det neste store feltet. I Storbritannia er for eksempel alle 20 Premier League-stadioner utstyrt med digitale kameraer som følger hver spillers minste bevegelse på banen.
Et titalls datapunkter per spiller samles hvert sekund. Det blir nesten en og en halv million datapunkter i løpet av en kamp. Under trening vokser datamengden enda mer, siden spillerne trener med sensorer i skoene og på kroppen, noe som ikke er tillatt når det spilles kamp.
Tanken har fra begynnelsen vært veldig klar: Jo mer informasjon som samles inn, desto bedre beslutninger kan treneren ta.
Hvor fort kan spissen vår endre løperetning? Hvor ofte sentrer midtbanespilleren? Hva slags bevegelsesmønster har keeperen?
Hver spiller analyseres, og modeller som er laget spesielt for spillet optimaliseres. I første omgang fokuseres alt på å samle inn så mye data som mulig, men ettersom datamengdene har eksplodert, har det blitt klart at det viktigste er hvordan all informasjon tolkes.
- Mengden av data i seg selv gjør ingen glade, sier Jim Nielsen, administrerende direktør i Knowit Decision Danmark.
- Det er verdifullt hvis informasjonen kan brukes til å ta intelligente beslutninger, og da kan en større datamengde gi en bedre underbygd konklusjon. Men det krever at man forstår informasjonen og tolker den riktig.
Les mer i artikkelen: "Derfor vil så mange jobbe med å skape intelligent business"
Jim Nielsen nevner Thomas Davenports kjente DELTA-modell som eksempel. DELTA er en hypotetisk modell for hvordan en organisasjon kan bruke innsamlet data for å oppnå innsikt og optimalisere virksomheten. Den ble utviklet av ledelsesforsker Thomas Davenport for mer enn ti år siden. (En fullstendig gjennomgang er tilgjengelig i Davenports bok, "Competing on Analytics: The New Science of Winning" fra 2007.) Forkortelsen står for Data, Foretak, Ledelse, Mål og Analytikere, (Data, Enterprise, Leadership, Targets and Analysts), og er de ulike nivåer i en organisasjon hvor Davenport mener at analysen kan brukes.
Jim Nielsen mener at analytiker-nivået er spesielt interessant, der finnes de prosesser som avgjør om en organisasjon kan ta til seg innsiktene og bruke den nye kunnskapen:
- Datainnsamling og -analyse må integreres i virksomheten. Idrettslag har innsett verdien av å analysere alle resultatene og beregne hvordan fremtidige resultater kan påvirkes. I andre organisasjoner kan det ta lengre tid før du ser resultater, noe som gjør det enda viktigere å utvikle interne strategier og gjennomføre dem, oppsummerer Jim Nielsen.
Big data og avansert dataanalyse er ingen magisk løsning, og det krever at ledelsen forstår sin virksomhet, og er villig til å gjøre de nødvendige endringene. Men Jim Nielsen ser ingen umiddelbar konflikt mellom informerte beslutninger og magefølelse.
- Det er lurt å presse mest mulig kunnskap ut av organisasjonens datamengde. Men det må ikke gå på bekostning av kreativitet og mot til å forandre seg. Datamaskiner vil ikke erstatte ledere, men styrke dem, sier han.
- Så Norge kan ha gått glipp av VM i 2018, men kanskje Big data hjelper de til verdensmesterskapet i 2022? ,
Vil du jobbe med store datamengder og intelligent analyse i Intelligent Business hos Knowit?