Données sportives : pourquoi elles peuvent tomber à plat et comment les optimiser

Le sport n'a jamais été aussi compétitif. Aujourd'hui, chaque athlète, chaque entraîneur, chaque équipe, utilise l'analyse des données pour obtenir le moindre avantage concurrentiel sur ses adversaires. Il y a beaucoup d'engouement pour ça, mais l'analyse est-elle si efficace que cela ?

Dans le contexte actuel, le volume de données disponibles pour les équipes se développe de façon exponentielle. Si vous prenez le football comme exemple, à mesure que la quantité de données augmente, il devient plus difficile d'analyser ces millions de points de données dans un contenu qui peut être rapidement absorbé, adapté et partagé pour améliorer les performances des équipes, et gagner plus de matchs. Au lieu de cela, de nombreuses équipes ne reçoivent que des rapports statistiques plats qui sont généralement dépourvus de contexte tactique.

Ces rapports statistiques « plats » et ses données sont limitantes pour deux raisons:

Tout d'abord, parce que les « analystes » et les staffs techniques sont sous la pression pour produire de nouvelles stratégies de jeu. Avec seulement deux ou trois jours avant le prochain match, la mise en œuvre d’un style de jeu sur une équipe peut être difficile. Cela signifie que, bien souvent, les analystes ne comparent pas en détail les rapports de données et les séquences vidéo.

Qu’en est-il du temps réellement dédié à l’analyse? De même, les « sports scientists » estiment qu'ils doivent consacrer une grande partie de leur temps aux données brutes, et cela laisse moins de temps pour l'analyse et les recommandations.

Deuxièmement, il n'y a pas d’accompagnement pour ceux qui tentent d'interpréter les chiffres. Simplement, les outils qui fournissent les résultats de données ne fournissent pas d'analyse interactive qui permet aux analystes, aux entraîneurs et aux managers de mieux comprendre le style de jeu de leurs adversaires et l'impact de leur propre style de jeu. Cela permettrait de mieux prendre des décisions concernant la composition de l'équipe, les tactiques à mettre en place et les plans d’entraînements.

Cependant, les données peuvent être segmentées en fonction de situations tactiques et fournir une compréhension de la façon dont le style d'une équipe affectera les exigences physiques de l'opposition. Cela peut être fait en utilisant une méthode appelée « analyse des composants principaux ».

L'analyse des composants principaux, dans le cas du football, prend huit « incidents » sur le terrain tels qu'un dribble en avant et le réduit à « styles de jeu » pour chaque équipe. Ces idées permettent ensuite aux analystes de classer les équipes dans des styles de jeu spécifiques, par exemple le niveau de pressing élevée, contre-attaque ou menaces soutenues. Inclure l'analyse des styles de jeu permet d'économiser du temps et fournit des données contextualisées et directement exploitables. La simplification des données et l'ajout de contexte peuvent aider les scientifiques et les entraîneurs à comprendre comment les styles de jeu d'une opposition affecteront les exigences de leurs propres joueurs. Cela permet ensuite aux sports scientists, aux entraîneurs et aux joueurs de créer des sessions d’entrainement tactiques basées sur des données objectives et de mesurer « la charge de travail tactique » pour chaque poste.

Est-ce que le fait que Manchester United ou Chelsea ait pris le plus grand nombre de tirs cette saison donne vraiment une information précieuse à un entraîneur adverse pour développer une stratégie pour arrêter ce tir d’équipe? La réponse est non. Au lieu de cela, les analyses dans le climat concurrentiel actuel doivent tenir compte de tous les facteurs afin de fournir une image claire et précise de ce qui s'est passé et surtout pourquoi ça s'est passé.

En moyenne pendant un match, un footballeur dépense 97 % de son temps sans ballon. C'est pourquoi il est si important de savoir ce qui se passe sur le terrain. La réalisation de l’avantage gagnant ne peut être effectuée que lorsque les chiffres fournissent un contexte. Avec plus de contexte et des algorithmes qui traitent des milliers de points de données sur plusieurs niveaux et sur l’ensemble du match, les scientifiques, les entraîneurs et les joueurs auront une vision plus précise de ce qu'il faut pour gagner et performer au plus haut niveau.