I denne blogserie fra eye4talent går vi i dybden med datas indflydelse på sport, og hvordan man som sportsorganisation kan tilgå arbejdet med data mest optimalt. Både som udøver, træner og leder. I dette første indlæg giver vi et bud på, hvordan organisationen nemt kan strukturere data gennem vores såkaldte DIDVO-model. Modellen tager udgangspunkt i fodbold, men kan sagtens benyttes af organisationer i andre sportsgrene også.

Af Jesper Milton Thyme & Sebastian Sjöström Veggerby

Det er nok gået de færrestes næse forbi, at fodboldverdenen er blevet digitaliseret. Analyse og data er blevet normalen i professionel fodbold, hvor begreber som ’Expected, Goals’, ’Table of Justice’ og ’Dangerzone’ tager opmærksomhed i medierne og på træningsbanen. Data er ikke længere bare en tendens for topklubberne, men derimod et håndgribeligt værktøj som har manifesteret sig i sporten, og langsomt er ved at slå dybe rødder i fodboldens elitemiljø. Det ses blandt andet herhjemme, hvor brugen af data nu er et krav fra DBU til de klubber, der er på licens-jagt. Med andre ord: Data er kommet for at blive.

Men hvad ligger bag de her fine begreber og tal, og hvordan kan man som eliteklub integrere data som en del af talentudviklingen? Det dykker vi ned i nu.

Data er ikke bare data

Helt grundlæggende er det vigtigt at forstå, at data kan sidestilles med viden. Det vi kan måle og se statistik på, er viden, vi kan bruge til at forbedre, justere, registrere og dokumentere. Derfor er det vigtigt, at klubbens data ikke forbliver tavs. Det vil sige, at den indsamlede viden bør sættes i system ved at analysere på denne data og tage beslutninger på baggrund af dette. Kan man det, så vil man som klub gøre sig selv en kæmpe tjeneste.

Eksempelvis kan klubben bruge Dangerzone til at se, hvor på banen, man scorer flest mål fra. Det er en værdifuld indsigt, som klubben kan analysere på via video og hernæst sætte i system ved at træne øvelser, der giver afslutninger i de rigtige zoner. På den måde bliver det nemmere for spillerne at tage den rigtige beslutning i de rigtige situationer, hvilket vil give et bedre output i form af mål. Dette er grundlæggende et eksempel på DIDVO-modellen som forklares senere.

Så analyse af data ER vigtig for udviklingen af en fodboldklub eller sportsorganisation.

Men inden vi udnævner data til en frelser, der bringer guld og grønne skove med sig gennem flotte algoritmer, der kan fortælle, hvor mange mål holdet kan forvente at score, så er det vigtigt at forstå kompleksiteten ved data. For data er ikke bare data, og arbejdet med data handler i høj grad mere om best principles end best practices. For skal data være værdiskabende for en fodboldklub, så skal man være i stand til at forstå, hvad det er for en data, der kan hjælpe klubben bedst muligt. Det vil sige, at data først har et formål, når det sættes i en kontekst, der gør den indsamlede viden brugbar. Det handler altså om at identificere ens behov.

Ledestjernen Benfica

Så hvordan sætter vi data i kontekst, når vi arbejder med talentudvikling? Det umiddelbart mest oplagte er at se på, hvordan data kan sættes i kontekst med fremtidige spillersalg. Men også klubbens kultur, fællesskab og miljø er kontekster, hvor data kan være værdiskabende, når vi taler talentudvikling.

Hvis vi vender kikkerten mod udlandet og ser på, hvilke internationale tendenser der gør sig gældende her, så er der meget vi kan lære herhjemme.

I april deltog vi til football summit i London, hvor fodboldens verdenselite var samlet til oplæg og snak om fremtidens fodbold. To af talerne var repræsentanter fra Ajax og Manchester City, der fortalte om, hvordan man i klubberne bruger data til at arbejde med PHV (Peak Hight Velocity). Med PHV måler klubberne på ungdomstalenternes fysiologiske vækst, og ligeså snart spillerne rammer deres vækstspurt, så individualiseres deres normale træning væsentligt, og der bliver i samarbejde med b.la den fysiologiske afdeling lavet individuelt tilrettelagt træningsforløb for at skåne spilleren, så chancen for skader minimeres. På den måde justeres fokus korrekt alt efter, hvilke udfordringer spilleren ser ud til at stå over for.

En anden tendens kommer fra hollandske AZ Alkmaar, der bruger data og analyse til at finde de næstbedste spillere med størst potentiale, og så arbejde med disse spilleres kognitive og mentale forståelse for spillet. I den forbindelse tilrettelægges træningen i forhold til, at spillerne hele tiden skal tage selvstændige beslutninger og tænke fodbold kreativt.

Men den internationale klub der muligvis er stærkest forankret i digitalisering af deres viden, er (i hvert fald i vores optik) Benfica. Den portugisiske storklub bruger data til at danne det ultimative overblik. Foruden PHV, måler Benfica også på, hvor meget søvn spillerne får samt deres hjerterytme og restitutionsniveau. Alle informationerne deles digitalt mellem klubbens afdelinger, og det høje niveau og registrering af videndeling gør, at Benfica hele tiden kan tage flere oplyste, og dermed mere ”rigtige”, beslutninger på spillernes vegne, fordi klubben konstant kan justere og tilpasse livet omkring spilleren på bedst mulig vis. Benfica bruger altså data til at skabe konkret værdi i en kontekst som kultur og på sigt også økonomi i form af spillersalg.

Og noget tyder på, at de har fat i den lange ende i den røde del af Lissabon. For da Portugal i maj 2019 vandt Nations League, var en fjerdedel af truppens spillere uddannet fra Benficas akademi. Herunder spillere som João Félix, Bernado Silva, João Cancelo og ikke mindst manden der afgjorde det hele, Gonçalo Guedes.

Men hvad betyder alt det her for danske sportsklubber? Førnævnte klubber smider store summer af penge i digitalisering, og det kan være svært at hamle op med som dansk klub. Det er her, pointen om best principles over best practices, træder i kraft. For selvfølgelig skal vi herhjemme kigge mod, hvad de gør i udlandet. Men vi skal ikke lave én-til-én samme opsætning. Det er sjældent det, der er det mest værdifulde for os. Til gengæld kan vi se på, hvilke elementer de bruger, som vi kan tage til os og benytte i vores miljøer. Det hele handler om kontekst. Alle førnævnte klubber har haft et behov, som de har fundet ud af, kan løses gennem data. Og det er i bund og grund det samme, der gør sig gældende for danske klubber, bare i en lidt anden skala.

DIDVO-modellen

En af de udfordringer vi oftest støder på, når vi er i dialog med danske fodboldklubber, er, at de ikke er bevidste om, hvilken data der er rigtig for dem i forhold til talentudvikling, eller hvordan de bruger den bedst muligt. Det er svært at vide, hvordan man skal bruge data, og derfor distancerer man sig fra det.
Som Mads Davidsen sagde i en udsendelse om emnet i Mediano: ”Klubberne ser ikke vigtigheden af data endnu, og havde de pengene, ville de hellere ansætte en holdleder end en analytiker”. Og det er synd. For forståelsen for, hvordan en klub kan bruge data til talentudvikling, er det første skridt mod at skabe et bæredygtigt talentudviklingsmiljø.

I samme podcast fortæller Christian Binggeli-Winter fra vores samarbejdspartner KMD om, at data først giver mening for en sportsklub, når den er værdiskabende – altså en løsning på det identificerede behov. Til dette kan vi bruge nedenstående model om konceptuel værdiskabelse. I modellen starter klubben ud med at generere en vis mængde data i inderste felt, som klubben efterfølgende lærer, hvordan man kan bruge i praksis. Når man som klub kan det, begynder dataen at have værdi.

Processen forekommer dog en anelse mere kompleks, og vi har tilladt os at tilføje et par ekstra led, da der er en række vigtige steps klubben skal tage hensyn til, før de kan nå frem til værdiskabelsen. Vores model har vi valgt at kalde for DIDVO-modellen.

DIDVO-modellen er et forsøg på at få klubberne til at finde frem til deres best principles. Altså hvilken data, der skaber mest værdi for den enkelte klub. Modellen fungerer indefra-og-ud gennem en iterativ proces, hvor klubben hele tiden tager beslutninger på baggrund af de indsigter, dataen genererer, hvilket skaber nye processer.  

Data refererer til den del af processen, hvor man indsamler sin viden. Det er her klubben bruger et konkret værktøj til at indhente den ønskede data på baggrund af det identificerede behov. Når den nødvendige data er indhentet, kan klubben sætte det i system og hernæst begynde at hive indsigter ud. Det er eksempelvis her, man kan benytte eye4talents produkter til at generere data om scouting, spillerudvikling, træningsplanlægning osv.

Insights er den del af processen, hvor de vigtige pointer fra dataindsamlingen bliver trukket ud. Det er her, vi kan spotte mønstre, eller mangel på samme, og se, hvor vores data fungerer eller er mangelfuld. Det er eksempelvis Benficas overblik over spillernes søvn, eller hvilke spillere der har den bedste rating baseret på klubbens scouting. Indsigter, der ruster aktørerne til næste fase af processen.

Decision er en skelsættende del af processen. Det er her, der skal tages beslutninger på baggrund af den indsamlede data. Hvad viser indsigterne? Skal vi tilbage til dataindsamlingen og gøre noget anderledes, eller skal vi fortsætte med det, vi gør? Hvordan ser vores behov ud nu? Det er her, den iterative proces sættes i gang. Vores viden er blevet større, og vi skal nu beslutte, hvordan vi kan bruge dataindsamlingen til at indsamle bedre, nye eller andre indsigter. Eksempelvis hvornår spilleren skal tages ud af træning i forhold til PHV, eller hvis vi kan se, at klubbens scouts, benytter forskellige metoder. Hvordan strømliner vi så scoutingen? Her tager vi en beslutning om at indsamle ny viden på det givne område, og på den måde starter en ny DIDVO-proces, hvor der samles mere data med udgangspunkt i den beslutning, der er taget.  

Value creation er når vi begynder at mærke værdiskabelsen af vores indsats. Vi kan se vores viden er værdifuld for konteksten og bidrager positivt til det, vi er ved at udvikle. Vender vi tilbage til Benfica, så giver søvn og PHV-data klubben værdi, fordi spillerne slipper for skader og hurtigere bliver klar til førsteholdet.

Output er sidste step i modellen, og det er her vi oplever det endelige resultat af vores indsats. Det er her spillerne får debut på førsteholdet, bliver solgt, scoutingen finder de spillere, der passer til klubbens filosofi og gør rekruttering lettere eller noget helt fjerde.

Den langsigtede investering

Data kan altså være forholdsvis simpelt, hvis klubben forstår at bruge og prioritere værktøjerne rigtigt, og tager sig tiden til at sætte strukturen op. Det er ikke noget, der sker over natten, og det kan give god mening at prøve sig frem med en mindre dataindsamling og langsomt udvide behovet.  

Data er ikke en floskel, som man skal have meget eller lidt af som sportsorganisation. Data er et aktiv, der skal bruges i den kontekst, som passer til klubbens værdier og visioner. Det handler om at sætte sig ind i de behov, man sidder med som klub, og herefter anskaffe sig de værktøjer, der kan hjælpe én med at bygge bro fra behov til struktureret løsning.

I næste blogindlæg går vi endnu mere i dybden med DIDVO-modellen og giver indsigt i, hvordan vores samarbejdsklub FC Nordsjælland har oplevet værdi med digitaliseret scouting gennem modellen.

Har du spørgsmål til, hvordan eye4talent kan hjælpe din sportsorganisation med data, kan du læse mere om vores løsninger her. Du er også velkommen til at kontakte Jesper Milton Thyme eller Lasse Rostholm. Har du spørgsmål til indholdet i blogindlægget, kan du kontakte Sebastian Sjöström Veggerby.

Jesper Milton Thyme
E-mail: jt@eye4talent.com

Lasse Rostholm
E-mail: lr@eye4talent.com

Sebastian Sjöström Veggerby
E-mail: sv@eye4talent.com