Teradata Universe Copenhagen 2013: Mike Forde, Director of football operations i Chelsea, var indbudt til Teradatas big-data-konference for at tale om, hvordan Chelsea udnytter data i moderne fodbold.
Han gør det dog klart fra start, at sport og fodbold er en speciel type forretning.
"Vi bruger 80 procent af vores indtægter på tre procent af vores arbejdsstyrke - det er lidt som at have 30 direktører ansat, der i gennemsnit er i virksomheden i 1,9 år," siger Mike Forde.
Data er blevet vigtigere og vigtigere
Når en så stor del af budgettet således bruges på få ansatte, så skal det også meget helst være de rigtige ansatte.
Her spiller data en stadigt vigtigere rolle.
Han fortæller, at når en klub før i tiden skulle ansætte en ny spiller, så var det ikke usandsynligt, at man bare satte sig rundt om et bord med en fadøl og snakkede tingene igennem.
Det har dog ikke været tilfældet de sidste 5-10 år.
"Virkelighedens moneyball i Oakland, USA, ændrede en stor del for professionel sport. I dag bruges statistik og data en meget stor rolle, når der skal træffes beslutninger. 99 procent af spillerindkøb handler for eksempel om, hvem man ikke ansætter, og her er det altså ikke nok bare at have en mavefornemmelse længere," fortæller Mike Forde.
Data er ikke bare data
Igennem de seneste par år har klubberne fået adgang til et større og større datamateriale, som ikke nødvendigvis er nemt at tyde.
Man kunne tro, at det kom ned til, hvem der scorer mange mål eller laver målgivende afleveringer, men det er ikke nødvendigvis hele sandheden.
Klubberne arbejder med mange forskellige målenheder og faktorer, og måden hvorpå man kigger på det, bliver hele tiden revurderet.
Udviklere fra Mars blev ansat
For nogle år siden besluttede Chelsea eksempelvis at revurdere deres syn på, hvilke spilleregenskaber, der faktisk var de vigtigste.
"Vi ansatte nogle udviklere, der ikke vidste det store om fodbold og sagde til dem: Forestil jer at I kom ned fra Mars og lærte fodbold at kende for første gang. Hvad skal der så til for at skabe et vinderhold ud fra den her bunke data," siger han og fortsætter:
"Det kom der nogle meget interessante variabler ud af. Det var eksempelvis måleegenskaber, som vi overhovedet ikke havde tænkt på skulle være de mest relevante i forhold til bestemte typer positioner."
Data afslørede vigtige løbemønstre og defensive systemer
Claude Makélélé - den usynlige stjerne
For år tilbage spillede en lille fransk midtbanespiller for Chelsea.
Når træneren blev spurgt, hvem der først blev sat på holdkortet var han altid en af de første.
Men det store problem var, at de tidligere variabler ikke viste, hvorfor denne spiller var så vigtig.
"Vanetækning kan være faglig og begrænsende. Claude Makelele viste, at man ikke kun kan tage udgangspunkt i det umiddelbare. Her har vi en lille mand, der ikke scorer masser af mål, ikke lægger flotte aflevereringer eller laver den ene dribling efter den anden," siger han og fortsætter:
"Ved første øjekast var det ikke en spiller, man lå særlig meget mærke til. Man vidste, at han var vigtigt, men det var svært at pege på, hvad der lige præcist var udslagsgivende. Det ændrede sig, da vi begyndte at kigge på vores data med nye øjne."
Løbemønster
Således lå den lille midtbanespiller helt i top i en række nye faktorer for en defensiv midtbanespiller.
Nu kunne man for eksempel se hans løbemønster, og hvordan det var med til skabe mange erobringer, give bedre defensiv ballast, samtidig med at han have meget få boldberøringer og næsten altid spillede simple afleveringer.
Den franske spiller var nu også i data-sættet en verdensklassespiller, for han var helt i top i de egenskaber, en defensiv midtbanespiller nu skulle besidde.
En vigtig lærdom har derfor været, at man nogle gange skal se på sit data med friske øjne.
Formår man at drage nye og innovative erfaringer ud fra sin data, vil man også få en klar fordel.
"Samlet set er der omkring 2.500 kampe om året i de største ligaer i Europa, der er tusindvis af spillere, og der er endnu flere specifikke statistikker. Det bliver til utrolig meget data. Det er klart, at der er mange måder at se det på, men de der forstår at udnytte det bedst, vil også få en konkurrencemæssig fordel," siger han.
En klar fordel og gevinst for klubberne handler for eksempel om at finde en god spiller, der er billig.
Det åbnede de store mængder data nu op for.
Sådan er aldersfordelingen på det perfekte fodboldhold
Et eksempel er, at man traditionelt havde opereret med en omvendt U-alderskurve.
Opfattelsen var, at spillerne startede med en opadgående kurve, hvorefter de peaker i midten af deres karriere, hvorefter kurven går ned ad igen.
Ud fra statistikken kunne man også se, at et vinderhold helst skulle være omkring de 27 år i gennemsnit.
Den holdning blev for år tilbage udfordret.
"Så kom AC Milan pludselig og vandt Champions League med det ældste hold nogensinde på omkring de 31 år i gennemsnit. Hvad sker der lige her?" siger han.
Ved at se på data på en anden måde, er der kommer nye dimissioner til, for det er aldrig helt sort og hvidt.
"Det viser sig, at når man begynder at tage flere faktorer i betragtning, så dukker der et lidt andet billede frem," siger han og sætter næste slide på.
Ny indsigt i data
Her ses seks kurver, der alle tager højde for alder og forskellige fodboldegenskaber.
Og de er ikke alle omvendte u-kurver, i stedet er der stor forskel på driblinger, afleveringer, skud på mål procenter, bolderobringer og så videre.
"Det er altså et noget andet billede, vi får. Har du brug for en spiller, der er meget kreativ og kan udfordre, så skal du måske gå efter en ung spiller, mens den meget afleveringsstærke godt må være mod slutningen af sin karriere."
Det kan vi lære af Chelseas arbejde med big data
Det vigtigste Chelsea-direktøren har lært er selve forståelsen af data.
"Når jeg kigger tilbage på de 15 år, jeg har arbejdet med det her, så har den vigtigste erfaring været oversættelse af indhold. Det handler om at kunne oversætte data på den rigtige måde. I den sammenhæng er det meget vigtigt at forstå, at der er mennesker på begge sider. Data er ikke alt, men det kan skabe enorm værdi, hvis man forstår at udnytte det korrekt i forhold til sin organisation og medarbejdere," slutter han.
