Teknologien, der kan hjælpe Danmark til VM i 2018 - og virksomheder til bedre forretninger
Publiceret 17 okt 2017
For at få bolden i mål kræver det, at ledelsen træffer de rigtige beslutninger. I udlandet vinder big data allerede masser af kampe - bliver Danmark det næste land? Og hvad kan virksomheder lære af fodboldklubber?
Vidste du, at professionelle sportsfolk ikke kun bliver filmet på banen, men desuden overvåges på enhver tænkelig måde med accelerometre, pulsmålere og gps-sensorer? Big data er i fuld gang med at revolutionere sport efter sport. Statistik har altid været et vigtigt redskab for trænere, men de datamængder, det nu er muligt at samle, er uden fortilfælde i sportshistorien.
Dataanalyse har allerede haft succes indenfor rugby og baseball, og alt tyder på, at fodbold nu bliver det næste store område. I Storbritannien er alle 20 Premier League-stadioner for eksempel blevet udstyret med digitale kameraer, der følger alle spillernes mindste bevægelse på banen. Et tocifret antal datapunkter indsamles hvert sekund per spiller, næsten halvanden million datapunkter i løbet af en kamp. Under en træning vokser datamængden endnu mere, da spillerne træner med sensorer i skoene og på kroppen, som ikke er tilladte under en kamp.
Ideen har fra starten været meget klar: jo flere oplysninger, der indsamles, desto bedre beslutninger kan træneren tage. Hvor hurtigt kan vores angriber skifte løberetning? Hvor ofte spiller midtbanespilleren bolden videre? Hvilke bevægmønstre har målmanden? Hver spiller analyseres, og der skabes modeller for, hvordan spillet kan optimeres. I starten fokuserede alle på at indsamle så meget data som muligt, men i takt med at mængden af data er eksploderet, er det blevet tydeligt, at det vigtigste er, hvordan alle oplysningerne tolkes.
- Mængden af data i sig selv gør ikke nogen lykkelig, siger Jim Nielsen, administrerende direktør for Knowit Decision Danmark. Det værdifulde er, hvis oplysningerne kan bruges til at træffe intelligente beslutninger, og så kan en større mængde data være med til at give en konklusion, der er bedre underbygget. Men det kræver, at man forstår oplysningerne og tolker dem korrekt.
Jim Nielsen giver Thomas Davenports berømte DELTA-model som eksempel. DELTA er en hypotetisk model for, hvordan en organisation kan bruge de indsamlede data til at opnå indsigt om og optimere sin virksomhed, der blev udviklet af ledelsesforskeren Thomas Davenport for omkring ti år siden. (En komplet gennemgang findes i Davenports bog "Competing on Analytics: The New Science of Winning" fra 2007.) Forkortelsen står for Data, Enterprise, Leadership, Targets og Analysts, hvilket er de forskellige niveauer i en organisation, som Davenport mener, at analysen kan anvendes på. Jim Nielsen mener at Analyst-niveauet er særligt interessant, for der foregår de processer, der afgør, om en organisation kan tage indsigter til sig og anvende den nye viden:
- Dataindsamling og -analyse skal være integreret i virksomheden, opsummerer Jim Nielsen. Sportsklubberne har forstået værdien af at analysere alle resultaterne og beregne, hvordan man kan påvirke fremtidige resultater. I andre organisationer, kan det tage længere tid, inden man ser resultater, hvilket gør det endnu mere vigtigt at udvikle interne strategier og implementere dem.
Big data og avanceret dataanalyse er ingen magisk løsning, og det kræver, at ledelsen forstår sin virksomhed og er villig til at foretage de nødvendige ændringer. Men Jim Nielsen ser ingen umiddelbar konflikt mellem informerede beslutninger og mavefornemmelse.
- Det er smart at presse mest mulig viden ud af organisationens datamængde, siger han. Men det må ikke ske på bekostning af kreativitet og mod til at foretage ændringer. Computere skal ikke erstatte ledere, men styrke dem. Og Danmark er muligvis gået glip af EM, men vi ses til VM i 2018.
Har du lyst til at arbejde med store datamængder og intelligent analyse indenfor Intelligent Business på Knowit?