Teljesítményfokozás III – Analitika

Talán csak a legvérmesebb sportrajongók agyában fut át, hogy egy-egy mozdulat vagy döntés mögött mindig ott áll valamilyen megalapozottság. Az analitika előretörésével a sportolók közvetve ugyan, de befolyásolni tudják eredményességüket azáltal, hogy az adott szituációban a számok által alátámasztott legjobb döntést hozzák meg. Az új tudományág hatására több évtizedes berögződéseket kellett sutba dobni, mert a számok bebizonyították, hogy nem mindig az a leghatékonyabb megoldás, ami a legjobbnak tűnik.

Az analitika története

A sport és az adatok mindig kéz a kézben jártak. Az újságok eredményeket közölnek, a közvetítések során pedig régóta használnak különböző statisztikákat, hogy kontextust adjanak a látottakhoz. Az 1980-as évek előtt az edzők kizárólag a nyers statisztikára és a szubjektív véleményükre hagyatkozhattak egy-egy játékos teljesítményének meghatározásában. Az azóta eltelt bő 40 év alatt nagyot fordult a világ és a korábban szánt szándékkal került adatelemzők ma már szerves részét képezik a profi sportklubok stábjainak. Az analitika megítélésében nagy áttörést hozott az MLB-ben szereplő Oakland Athletics 2002-es menetelése, amikor az akkori edző úgy döntött, hogy kevésbé ismert játékosokkal, de a matematikán alapuló analitikára építve vág neki az idénynek. A forradalmár edző és a csapat pedig kis híján bajnoki címet ünnepelhetett a szezon végén. Az Athletics sikerét látva szép lassan minden sportág elkezdte beépíteni az analitikát a felkészülésébe és a mérkőzések közbeni elemzésekbe. Az új évszázadban fejlődésnek indult számítástechnika pedig csak tovább fokozta a tudományág fejlődését. A Research and Markets 2021-es jelentése szerint a globális sportelemző iparág néhány éven belül eléri a 3,4 milliárd dolláros értéket. A nyomkövető szoftverek és a gépi tanulás használatával a kluboknak lehetőségük van egy teljesen új szemszögből vizsgálni saját vagy éppen az ellenfél játékát. Az olyan cégek, mint a Genius Sports, képesek statisztikai lebontásokat generálni a videófelvételekből, ezzel segítve az edzőket a minél jobb stratégia megtalálásában.

Új utakon az NFL

Nem meglepő módon az olyan összetett sportágak esetében, mint az amerikai football, ma már elképzelhetetlen a jó szereplés korszerű adatelemzés nélkül. Az NFL-be például az analitika új, a hagyományos statisztikáknál lényegesen nagyobb információtartalommal rendelkező mutatókat hozott. A várható pont mutató (EP) az adott játék értékét méri és jóval többet mond annak hatékonyságáról. Példának okáért egy három yardot érő play egészen más értékkel bír 4&2-re mint 4&7-re. A korszerű adatelemzések segítségével a csapatok rengeteg időt tudnak megspórolni, ugyanis a szoftverek másodpercek alatt megmondják azt, amiért régebben órákat kellett videóelemzéssel tölteni. A különböző játékszituációkra írt valószínűségek pedig megváltoztatták a játék alapvető dinamikáját. Az elmúlt szezonok során ugrásszerűen megnőtt a két pontos kísérletek és a negyedik kísérletek száma, ami kizárólag az új eredmények hatása. Korábban a vezetőedzők csakis a megérzéseikre hagyatkozhattak, ami sokszor vezetett konzervatív döntésekhez ilyen szituációkban, pedig a számok világosan mutatják, hogy a legtöbb esetben bizony megéri kockázatot vállalni.

Egy analitikus szerepvállalása

Ryan Paganetti, aki 2015 és 2020 között dolgozott a Philadelphia Eagles csapatánál, tevékeny részt vállalt a franchise 2017-es bajnoki címében. Az adatelemzőként végzett, és a játék menedzseléséért felelős szakember hétről hétre fontos információkkal szolgált a soron következő ellenfélről. Feladatának súlyát jól mutatja, hogy hivatalos volt az edzői értekezleteken is, meccsek közben pedig kapcsolták neki a vezetőedzőt, ha az adatok azt mutatták, hogy változtatni kell a játékhívásokon. Paganetti fontossága kiválóan mutatja, mekkora szerep jut a tudománynak manapság, afelől pedig senkinek ne legyen kétsége, hogy a számítástechnika fejlődésével még hangsúlyosabbá fog válni az analitika.