Business Intelligence

Sports Business Intelligence

Vi lever i dag i en højglobaliseret verden. Vi har adgang til mange sociale platforme. Det kan være Facebook, Google, Instagram og mange andre lignende ting. Fælles for disse er, at de i meget høj grad er styret af analyseret data. For dét, at analysere data, kan optimere kvaliteten for brugeren og på samme tid kan, f.eks. Facebook, meget nøjagtigt udvælge de reklamer, som passer til den enkelte bruger, så de selv, Facebook, er attraktive for annoncører. Alle disse data går under fællesbetegnelsen Big Data og for at analysere dem, som f.eks. Facebook og Google gør, benytter man sig af Business Intelligence. Andre mindre virksomheder, end disse store giganter, har også en masse data, der indeholder en masse værdifuld information, som, hvis udlagt, kan bruges til bl.a. optimering og professionalisering af forretningen. Som tidligere nævnt benyttes Business Intelligence til at udlægge disse data. Og hos Unit-it er vi eksperter i at gøre netop dette. Men faktisk er Big Data og BI også et fænomen inden for en verden, som rigtig mange følger med i og investerer både følelser og penge i. Nemlig inden for sportsverdenen. Udlægningen af sportsklubbers data kaldes for Sports Business Intelligence. Og sportsklubber i dag er begyndt at benytte sig af dette potentiale for at optimere deres Performance Management, f.eks. nøjagtigt styring af den enkelte spillers træning, ved at træffe datadrevne beslutninger.

BI-instrumenter til sportsklubber

Rigtig mange mennesker følger i dag med i sport. Det er en integreret del af den ugentlige rytme. F.eks. at se yndlingsklubben spille kamp i weekenden, hvilket kan være farligt for humøret, hvis ens klub taber. Eller håndbold- og fodboldslutrunder, som kan være i stand til at mobilisere et helt lands følelser. Bare kig på da Danmark røg ud til Kroatien til VM i sommer. Der blev fældet mange tårer! Ja, vi lever os meget ind i sport, og det er i høj grad, fordi det er sjovt, et lille frirum adskilt fra dagligdagens normale strabadser, samt det er nemt at gå til og derfor også nemt at forstå. Tag fodbold som et eksempel. 22 mænd eller kvinder, der løber efter en bold, og som prøver at få bolden sparket ind i, ja, kassen! Sådan forklaret bliver det nærmest ikke mere primitivt. Der er selvfølgelig de taktiske aspekter, som kan ligge skjult for den normale seer. Men der er faktisk endnu et lag, som man som normal weekendseer ikke lægger mærke til. Sportsklubber i dag er i høj grad begyndt at benytte BI-værktøjer. Dette er bl.a. en del af deres Performance Management, nøjagtigt at optimere spillernes træning ved hjælp af analyseret data. Data i form af f.eks. statistik.
Men Sports Business Intelligence har faktisk mange flere muligheder! Man kan bl.a. optimere sin rekruttering, sin træning, som tidligere set, og de strategier, som man bruger i løbet af en kamp, hvis man vælger at udlægge de data, man som sportsklub indsamler. Tidligere har man klaret sådanne ting vha. erfaring og mavefornemmelse. Hvilken spiller, der passer bedst ind i det taktiske system f.eks., var op til den pågældende manager at bestemme. Men sportsklubber har faktisk en masse data til rådighed, som mere præcist kan fortælle om, hvilken spiller, som passer bedst ind i deres taktik. Og det var faktisk først da den amerikanske baseballklub Oakland Athletics’ daværende manager Billy Bean implementerede noget kaldet ”Sabermetrics” (brugen af statistisk analyse af baseballdata), at brugen af Sports Business Intelligence for første gang så dagens lys i en professionel sportsklub.
Et dansk eksempel på, at det godt kan betale sige at træffe datadrevne beslutninger som sportsklub, er den danske fodboldklub F.C. Midtjylland. Denne klub har fundet spillere via en database, og ud fra disse data kunne de så vælge, hvilken spiller, der passede bedst ind i deres taktik. Brugen af disse dataværktøjer bliver altså anvendt i dag, men der findes også nogle sjove historier om, hvordan de bliver benyttet.

Sjov brug af Big Data

En sjov anekdote er, at nogle fodboldklubber, selv de store, benytter sig af de databaser, som Football Manager har. Football Manager er et computerspil, der selv har et rigtig stort netværk af talentspejdere tilknyttet. Disse talentspejdere opsamler en masse data, som i spillet omfortolkes til brugbar information. Altså også en form for dataanalyse, som minder om BI. Omfortolkningen sker i et ratingsystem, hvor alle spillerne så får ratings fra 1-20 i forskellige attributter. Det kan f.eks. være i dribling og fysik. Men tilbage til historien. Vurderingen af spillernes egenskaber er åbenbart så præcise, at professionelle og store fodboldklubber stoler på dem og vælger, måske ikke ligefrem at købe dem kun på denne baggrund, men i hvert fald at holde ekstra godt øje med de pågældende spillere. Dette er et klart eksempel på, hvordan en analyse af data kan være med til at skabe et samlet overblik, i dette tilfælde, over spilleres niveau, så man som sportsklub kan vælge at købe den rigtige spiller.
Her til sidst en kort opsummering over denne mulige brug af disse dataværktøjer i sportsklubber:
Sportsklubber har i dag, fordi de, som så mange andre virksomheder, producerer meget data, adgang til meget store datamængder. Hvis de udlægger denne data, er der meget brugbare informationer at hente. Det kan være information om, hvilken taktik der vinder flest kampe, på hvilket tidspunkt spillerne træner bedst, hvilken træning, der er bedst skræddersyet til at få spillerne til at præstere osv. Hvis de ikke udlægger denne data, er den desværre ubrugelig.
Så hvis sportsklubber vælger, som mange i dag gør, at træffe datadrevne beslutninger, vil det forbedre den enkelte klubs Performance Management, da de meget præcist ville kunne gå ind og se på, hvordan de får de bedste præstationer ud af deres spillertrupper. Denne måde at stole på data på er fremtiden. Og den er mere sikker end den gamle metode, hvor man kun stolede på sin intuition og hidtil erhvervet erfaring.
Så Sports BI er helt sikkert kommet for at blive, og der er da også rigtig mange sportsklubber, som i dag har valgt at benytte sig af det.