Show 13. juni 2024
Menu
October 10, 2021
Menu
Herrelandsholdets Data og Analyse Platform (HDAP)
IBM
for
DBU
Kategori :
Type :
andet
Show 13. juni 2024
October 10, 2021
IBM
for
DBU
Kategori :
Type :
andet
I fodboldens verden er det et velkendt faktum, at det oftest er marginalerne, der er med til at afgøre kampenes udfald. Derfor bruger mange professionelle fodboldklubber og fodboldlandshold i dag data til at analysere kampe og bevægelsesmønstre som en del af de taktiske forberedelser. Selvom brug af data ikke er helt nyt inden for fodbold, så er der stadig store muligheder for at forbedre brugen af data.
Siden 2019 er DBU’s indsats på analyse, statistik og data kun gået én vej. Som del af denne øgede prioritering indgik DBU i 2020 et samarbejde med eksperter i dataanalyse og AI fra IBM. Det skete på baggrund af en langt større tilgængelighed af data og en modenhed af både DBU og elitesporten, hvor dataanalyse er et mere alment anvendt værktøj. Derfra begyndte partnerskabet med en fælles ambition om at forene teori og praksis og derigennem skræddersy anvendelsen af data-drevne indsigter af det danske herrelandshold både før, under og efter landskampene.
Styrken i samarbejdet blev fundet i den nærhed og det fællesskab, der blev skabt af analyseholdet fra henholdsvis DBU og IBM. Det gjorde det nemmere for alle at spille sammen. Afstemning af terminologi og arbejdsgange skabte en fælles platform og forståelse for vejen hen mod at udvikle de bedste evalueringsmetoder.
I løbet af 2020 blev der brugt tid på at afprøve en række initiativer i forhold til at forudsige af- og tilpasning til herrelandsholdets spillestil. Analyseholdet begyndte småt og fandt frem til succeserne - et mål ad gangen. I 2021 skete der en stærk forankring af kernefunktionaliteten af analyse- og strategiplatformen med en blød afprøvning under EM 2021. Det blev det solide fundament for den intensive videreudvikling og forbedring af platformen i 2022 til brug under Nations League 2022 samt VM 2022 - alt sammen med det formål at bringe dataanalyse tættere på praksis.
Ideen med samarbejdet har blandt andet været at automatisere udvalgte analyser, statistikker om spillere og modstandere og det generelle ølkasseregnskab af forskellige begivenheder under en kamp. På den måde ville trænere og analytikere få mere tid til at fokusere på andre dele af forberedelsesarbejdet. Derudover ville de kunne anvende analyserne som et pejlemærke for, hvad der skulle fokuseres på i forberedelserne op til de næste modstanderes spillestil og foretrukne bevægelsesmønstre.
Det primære resultat af samarbejdet er skræddersyede kamprapporter, der er tilpasset landsholdets spillestil samt rapporter om kommende modstandere. Rapporterne er baserede på både historiske data og nyere fodbolddata fra den turnering, de spiller i. Dataene indhentes fra forskellige leverandører og består blandt andre af løbende registreringer af alle omstændigheder og begivenheder, der sker live under en kamp. Det kan eksempelvis være hjørnesparks placering i feltet, spilleres foretrukne løbebaner, indkast frem eller tilbage i banen, skydevinkler, afleveringer og meget andet.
I perioden op til en landsholdsturnering, både før og under en landsholdssamling, benytter DBU fortsat traditionelle metoder som videoanalyse af fodboldkampe og analytisk observation for at forstå og evaluere deres egne og andre landes spilleres adfærd på banen. For at lette og effektivisere arbejdet kan DBU trække data om særlige begivenheder, mønstre og statistikker, noteret med tidsstempler, ud af IBM's analyseplatform Cognos. Disse tidsstempler er nøjagtigt noteret på det tidspunkt, hvor begivenhederne sker under en kamp, og kan derfor tilpasses tidslinjen for en video af en fodboldkamp. Tilpasningen sker ved hjælp af et eksporterings-program, der er udviklet til at formatere dataene, så de er læsbare i DBU’s traditionelle analyseprogrammer.
Under landsholdsturneringerne, hvor trænerne ønsker feedback straks efter en kamp i omklædningsrummet, og hvor der kun er få dage mellem hver kamp, er der begrænset tid til videoanalyse. Her er den automatiserede dataanalyse særligt værdifuld for både analytikere og trænere. Dataanalysen skaber værdi ved at optimere deres ressourcer og bruge den kvantitative feedback som dialogredskab. I det øjeblik en fodboldkamp fløjtes af, hentes det sidste datapunkt fra de forskellige kilder, leveret i et ustruktureret format. Første skridt er derfor at transformere dataene til et struktureret format, hvorefter de beriges med kpi’er, som tager udgangspunkt i trænerteamets spillestil, via en række algoritmer samt simple og avancerede statistiske og maskinlærings-modeller. Heriblandt benyttes “Expected_goal”-modellen, der fortæller, hvor stor sandsynlighed hvert et skud imod mål har for at afslutte med en scoring og “Expected_threat”-modellen, der fortæller, hvordan en handling på fodboldbanen ændrer sandsynligheden for at score.
For at kommunikere indsigten fra dataene har CogniTech i tæt samarbejde med IBM og DBU udarbejdet den visuelle præsentation og opsætning af den skræddersyede kamprapport med præcis de spilelementer, der er relevant for herrelandsholdets kvantitative præstation. Rapporten om holdets præstation sendes til trænerstaben og analytikerne og er tilgængelig på relevante platforme, inden de sætter fod i omklædningsrummet. Rapporter om modstanderne fra den nuværende kamp, og for den kommende modstander følger kort efter.
Analyseplatformen indeholder i dag begivenheds-data fra 751 herrelandsholdskampe, der inkluderer berigelses-data og analyseresultater. Med et samlet antal begivenheder på 1,34 millioner er datagrundlaget solidt og klar til at blive brugt til sortering, filtrering og analyse, hvilket giver god mulighed for at perspektivere data og skabe dybere indsigt.
Evaluering og forberedelse til næste kamp begynder i det øjeblik, kampen fløjtes af, og trænerne går ned i omklædningsrummet. Med få klik kan analytikerne skabe sig et overblik over forskellige situationer, der kan ændre dynamikken for et hold, såsom ændringer i spillestil og bevægelsesmønster fra første halvleg til anden halvleg. Alle data kan justeres og filtreres i forhold til. målscore, tidspunkter i kampen og formationer. Der er også mulighed for at få et indblik i pasningsmønstre mellem spillere, spillemønstre for den enkelte spiller og pasnings-sekvenser, når spillet eksempelvis bygges op fra bagkæden og frem i banen.
Alle metrikker og visualiseringerne er skræddersyet til landsholdets flow og måde at analysere fodbold på og er skræddersyet til deres specifikke spillestil. Nedenfor ses et eksempel på dette:
“““ »Da vi mødte Kroatien i Parken i foråret, havde vi en PPDA (en måling af presintensitet red.)
på ni i første halvleg. Det vil sige, at vi pressede hver niende aflevering i kroaternes
opbyggende spil. I anden halvleg steg PPDA til 17, hvilket altså vil sige, at kroaterne havde
mere tid på bolden – at vi ikke var aggressive nok. Den viden er vigtig, når en præstation skal
evalueres,« siger herrelandsholdets analytiker, Thomas Sørensen. “““
Platformen er designet med en struktur, der gør det muligt for herrelandsholdet at udvikle den yderligere. Der kan eksempelvis inkluderes tracking-data, som kan give endnu mere præcis indsigt i spillet og funktionaliteten. Her bliver der allerede i dag arbejdet på et live-view af analyserne i takt med, at dataene samles ind. På den måde vil analytikerne potentielt set kunne komme med kvantitative indsigter løbende under en kamp. Teoretisk set arbejdes der hen imod at kunne anvende prædiktiv modellering for at kunne forecaste potentielle outcomes af forskellige strategier, der både kan tages i brug i den igangværende kamp samt fremadrettet.
Resultatet er en skræddersyet og struktureret analyseplatform, der bringer data tættere på praktikerne og deres arbejdsflow. Værktøjet anvendes i dag på lige fod med andre evalueringsværktøjer, og her er fordelen, at data kan bruges til mønstergenkendelse, der normalt ikke vil være synlig. Det kan potentielt give DBU en competitiv edge overfor fremtidige modstandere.
Danish Digital Award hylder de bedste digitale projekter
