Waar ‘Data Driven Dumoulin’ zijn keuzes op baseert - KPMG Nederland
close
Share with your friends

Waar ‘Data Driven Dumoulin’ zijn keuzes op baseert

Waar ‘Data Driven Dumoulin’ zijn keuzes op baseert

Langzaam maar zeker gaan alle takken van sport inzien dat data-analyse een belangrijk wapen wordt in de strijd met de concurrentie. In essentie is het heel simpel: als je met data-analyse betere inzichten kunt genereren, kun je ook betere beslissingen nemen over het strijdplan. Tijdens de wedstrijd, maar ook daarvoor: Team Sunweb gebruikt data-analyse als input voor de keuze of Tom Dumoulin in 2019 de Giro of Tour de France rijdt. De keuze is nu gemaakt voor de Giro. Maar hoe werkt die data-analyse eigenlijk? In gesprek met Olivier Go, data-scientist bij KPMG die samen met Team Sunweb werkt aan optimaal gebruik van data.

Gerelateerde content

KPMG heeft een dataplatform ontwikkeld om samen met Team Sunweb snelle en betrouwbare inzichten over kansen en risico’s van renners in bepaalde wedstrijden in kaart te brengen. Welke data gebruik je daarbij?

“Hoofdzakelijk historische data, over hoe renners in bepaalde wedstrijden hebben gepresteerd en hoe ze tijdens trainingen presteren. Dus onder andere hoe ze een bepaald parcours, met klimmetjes of andere eigenschappen, aankunnen en hoe dat zich verhoudt tot andere renners. De data corrigeren we dan voor bepaalde incidenten waar je weinig invloed op hebt, zoals materiaalpech. Hoe we dat precies doen is natuurlijk concurrentiegevoelige informatie. Maar het is een feit dat Team Sunweb trendsettend bezig is op dit gebied. In de wielersport wordt natuurlijk al veel langer geanalyseerd hoe renners presteren. Maar het was ten eerste vaak wat grofmazig en ten tweede kostte het ook veel tijd. De staf was soms uren bezig om in Excel een bepaalde analyse te doen. Nu kunnen we met ons platform putten uit de prestaties van een paar duizend renners en talloze parcoursen en daar binnen een paar seconden inzichten uit krijgen. Zodat je ook tijdens de koers de kansen en risico’s van een bepaald scenario kunt bekijken en daarop acteren.”

Maak je naast de parcours- en prestatiegegevens ook gebruik van andere zaken zoals slaap- of voedingspatronen? Of misschien zelfs hoe de weersomstandigheden effect hebben?

“We kunnen niet al te diep in de keuken laten kijken. Meer in het algemeen geldt: we professionaliseren samen met Team Sunweb steeds verder. We begonnen met relatief simpele toepassingen (use cases) en bouwen dat uit op basis van leerervaringen over wat wel en niet werkt. Dat betekent bijvoorbeeld dat we ook analyses kunnen draaien over materiaalkeuzes en ook dat we data uit andere bronnen, zoals informatie over voeding, kunnen gaan toevoegen aan het platform. Het management van Team Sunweb ziet ook echt het potentieel van data-analyse en dat is een belangrijke voorwaarde voor succes.”

Tom Dumoulin

Tom Dumoulin stond dit jaar voor een lastige en veelbesproken keuze over starten in de Tour of de Giro in 2019. De keuze is gemaakt om te starten in de Giro. Een hoogwaardig datamodel is dan mooi, maar is er echt sprake van een Data Driven Dumoulin’ of weet hij samen met zijn staf toch allang op basis van eigen kennis wat de beste keuze is om zijn kansen op winst te maximaliseren?

“Natuurlijk kun je ook zonder data-analyses conclusies trekken. Tal van wielerexperts doen dat natuurlijk ook. Toch is het zinnig om op zijn minst die aannames uit te dagen en je gut feeling over de beste strategie te testen. Zo is er bij veel commentatoren een nogal hardnekkig beeld dat Dumoulin het moet hebben van de tijdritten om winst te boeken op de concurrentie. Maar als je puur naar de cijfers kijkt, blijkt ook dat hij een top 10 klimmer is.

Bovendien kan het beeld over de specifieke vermogens van een renner worden vertroebeld als je te weinig naar de feiten kijkt. Neem bijvoorbeeld een renner die een paar minuten verliest in een belangrijke bergrit. Dan beklijft het beeld dat hij niet me de besten mee kan in een klim. Maar het gebeurt ook wel eens dat die minuten verloren zijn als gevolg van eerdere materiaalpech en dat de renner in de klim zelf even snel was als de besten. Dat is minder zichtbaar zonder objectieve analyse op basis van feiten.

Belangrijk om te beseffen: je gebruikt de data-analyse natuurlijk niet om zwart-wit voorspellingen te doen over het al dan niet winnen van een wedstrijd. Dat gaat niet. Wat wel mogelijk is: de kansen en risico’s in een wedstrijd zo scherp mogelijk op het netvlies te krijgen. Zodat je zicht krijgt op mogelijke koersscenario’s, de kansen van de ploeg of individuele renners en de mogelijke impact van strategische ingrepen.”

Woody Allen zei het ooit al zo treffend. Voorspellen is lastig, zeker als het over de toekomst gaat. Loop je met deze aanpak niet het risico dat je teveel gaat blindstaren op de data?

“Data-analyse heeft op zichzelf geen enkele waarde als je er niet met materiekennis naar kijkt. Dat geldt voor marketeers die met data-analyse hun verkopen een boost willen geven en het geldt ook voor data-analyses in de sport. Een belangrijke voorwaarde voor succes is een naadloze samenwerking tussen data-scientists en professionals die de context van de data begrijpen. Je moet de uitkomsten niet over de schutting gooien maar er samen naar kijken. Samen met Team Sunweb analyseren we dus waar kansen en risico’s liggen en met die analyse kan de ploegleiding dan betere afwegingen maken. Als je die kennis er niet in zou stoppen loop je inderdaad het risico dat je tot rare conclusies komt. Overigens helpt het in dat verband wel dat het KPMG team ook ervaren sporters zijn met kennis en ervaring in de wielersport. Dan kun je je makkelijker in de context verplaatsen.”

Nu maar duimen dat Dumoulin deze zomer niet lek rijdt op kritische momenten?

“Precies. Dat zijn niet-beïnvloedbare factoren. Ik denk dat als je op dit niveau meedoet, je alle beïnvloedbare factoren zo goed mogelijk moet organiseren. Een kleine voorsprong op dat punt kan het verschil zijn tussen winst en verlies. En daarom is data-analyse zo belangrijk.”

Meer informatie?

Wilt u meer weten hoe data-analyse de prestaties van uw organisatie kunnen verbeteren, maak een afspraak met Olivier Go, data scientist of Paul Adriani, senior manager, digital advisory.

Neem contact met ons op

 

Wilt u een offerte van ons ontvangen?

 

Offerteaanvraag (RFP)