Amazon Web Services (AWS) is wereldwijd de grootste cloudprovider. De hoofdactiviteit van AWS is het leveren van cloudinfrastructuur voor je applicaties en data. AWS doet echter nog veel meer en een van de zaken die minder bekend is, is AWS for Sports. Met verschillende oplossingen helpt AWS sportclubs beter te presteren door gebruik te maken van data. AWS doet dit in steeds meer sporten.
Inmiddels is AWS actief in de Formule 1, Bundesliga (Duitse voetbalcompetitie), NFL (American Football), NHL (Amerikaans ijshockey) en PGA Tour (Golf). Daarnaast werkt het ook direct samen met allerlei sportclubs uit diverse sporten. De samenwerkingen kan de sport beter of aantrekkelijker voor de kijker maken. Ook kan een club met behulp van AWS betere beslissingen nemen op basis van data, om het team beter te laten presteren.
We spraken erover met Luuk Figdor, Principal Sports Advisor bij AWS. In dit artikel zoomen we vooral in op het verbeteren van de prestaties binnen een sport.
Lees ook: AWS introduceert Glue Data Quality voor datakwaliteit
Sportprestaties verbeteren met data, Moneyball bereikbaarder dan ooit
Voor het verbeteren van de prestaties van een club is steeds meer data beschikbaar. Om die data te genereren zijn veel sensoren nodig. In het voetbal is de camera een van de belangrijkste sensoren. Voetbalclubs die actief bezig zijn met data hebben vaak 16 tot 20 camera’s hangen die continue de spelers op het veld volgen. Hun positie wordt 25 tot wel 100 keer per seconde opgeslagen. Elke beweging wordt middels algoritmes geanalyseerd.
Een andere manier om data te verzamelen is door spelers een sensor te laten dragen. Je ziet bij voetbalwedstrijden nog weleens dat een speler zijn shirt uittrekt en een soort sport-bh draagt. Daarin bevinden zich sensoren. Dit om te meten wat een speler aan het doen is, welke bewegingen die maakt, hoe intensief die bezig is en hoe die prestaties gedurende een wedstrijd teruglopen. Het biedt inzichten die coaches voorheen niet hadden.
Een van de populairste data-analyses binnen het voetbal is de zogenaamde skeleton tracking. Hierbij wordt met behulp van sensoren het skelet van de speler tot in milliseconde gevolgd. Daarmee kan elke beweging van een speler worden gevolgd. Wandelen, sprinten, rennen, springen, schieten, passen, bal aannemen met links of met rechts; eigenlijk elke beweging van een speler wordt hiermee inzichtelijk in de data. Ook de intensiteit is hiermee te meten en daarmee is de zogenaamde skelet meting uiterst waardevol.
AWS bouwt ecosysteem van partners om sportdata te genereren
Zoals je je wellicht kan voorstellen komen er enorm veel verschillende expertises kijken bij het ontwikkelen van sensoren, maar ook bij de algoritmes en AI-modellen die nodig zijn om die sensoren op de juiste manier uit te lezen, te interpreteren en om te zetten in bruikbare data. Dit doet AWS niet zelf.
Het bedrijf heeft in de afgelopen jaren verschillende partners verzameld die goed zijn in het ontwikkelen van sensoren en modellen die waardevolle data kunnen leveren van verschillende sporten.
AWS helpt clubs met het koppelen van alle data in een Sport Data Platform
De kennis en kunde van AWS komt in beeld als een sportclub beschikt over verschillende actieve sensoren die data genereren. Daar begint voor veel clubs ook de grootste uitdaging. Het aanschaffen, installeren of gebruiken van sensoren is de eerste stap. Een sportclub beschikt dan over allemaal silo’s met data die op zich relevant zijn, maar pas echt waardevol zijn als je verschillende sensoren kan combineren.
Dat is waar een Sport Data Platform in beeld komt. Deze oplossing van AWS is in staat om op allerlei manieren data tot zich te nemen. Van S3-buckets (object storage) tot live streaming data. Vervolgens is het in staat om al die verschillende databronnen aan elkaar te knopen. Als er uit een data-analyse van bijvoorbeeld skeleton tracking blijkt dat een speler zich vaak overbelast op bepaalde punten in de wedstrijd, kan door de koppeling ook snel het beeld erbij worden gepakt. Dan kan bijvoorbeeld de conclusie zijn dat de speler moet proberen minder slidings te maken of minder onnodig te springen. Of het kan iets technisch zijn, de manier waarop de voet geplaatst wordt bij het afzetten. Het probleem kan in beeld worden gebracht, de coach of looptrainer kan het beter analyseren en het duidelijker overbrengen op de speler.
Volgens Figdor ligt een Sport Data Platform aan de basis van sportinnovatie. Doordat clubs veel eenvoudiger analyses kunnen doen op zo’n grote berg gekoppelde sportdata weten ze er ook steeds meer waarde uit te halen. Wat begon met eenvoudige analytics is inmiddels uitgegroeid tot geavanceerde analyses op basis van AI en machine learning. Hoe meer data je hebt over een speler, hoe eenvoudiger het wordt om het maximale eruit te halen, maar ook om een speler niet te overbelasten.
Inmiddels zit in menig dug-out een assistent-trainer met een iPad die live naar analyses kijkt van data die uit een Sport Data Platform komt. Steeds meer grote clubs hebben hun eigen data-analisten in dienst om meer waarde te halen uit de verzamelde data. Ook ontstaan er steeds meer bedrijven die zich hierin specialiseren. Zij kunnen op basis van al die data modellen leveren om analyses te doen. Uiteindelijk is het een hele nieuwe gespecialiseerde industrie.
Hoe start een club met data-analyses en voor welke clubs is dit haalbaar?
Sportclubs die momenteel beperkt werken met data, zullen de werkwijze mogelijk interessant vinden. Tegelijkertijd kan het de vraag zijn hoe ze dit in hun club voor elkaar krijgen. Is het überhaupt wel haalbaar voor de club?
Verrassend genoeg is het voor meer clubs haalbaar dan ze zich soms realiseren. In de Bundesliga werkt elke club inmiddels met data, mede doordat de Bundesliga zelf hierin heeft geïnvesteerd. Het wilde als league de clubs een technologische voorsprong geven op andere clubs in Europa. En in Nederland wordt er ondertussen ook hard aan de weg getimmerd en zijn steeds meer clubs druk bezig met data.
Figdor geeft aan dat sommige clubs het soms zien als iets nieuws waar ze vervolgens nieuw budget voor moeten zoeken. Dit terwijl ze intern vaak al diverse data-tools hebben die allemaal een stukje van de puzzel vormen. Zo werken fysiotherapeuten en doktoren bij een club al met digitale hulpmiddelen om de prestaties en intensiteit van spelers te meten bij wedstrijden en trainingen. De scoutingafdeling van een club werkt vaak met videobeelden om analyses te doen. Ook worden er door trainers en coaches vaak video-analyses gebruikt om het spel te verbeteren. Soms wordt er ook data extern ingekocht op basis van videobeelden. Hoeveel passes hebben spelers gegeven, hoeveel schoten deden ze en hoeveel stappen hebben ze gezet?
Het staat echter allemaal los van elkaar. De afdelingen weten soms van elkaar niet eens welke data ze hebben of hoe ze die kunnen gebruiken. Sommige oplossingen zijn eenvoudig te gebruiken in een AWS Sport Data Platform, andere niet. Maar door al die investeringen overkoepelend te doen, kunnen alle belanghebbende in de club beschikken over betere data en analyses.
Daarnaast stelt Figdor dat dit een investering is die los moet staan van clubpolitiek. Normaliter brengt elke trainer zijn eigen technische staf mee. Als clubs daarin ook meegaan qua databeleid dan wordt het wel een dure aangelegenheid als je elke paar jaar, of sommige clubs elk jaar, een compleet nieuw dataplatform moet implementeren. Als je een goed werkend dataplatform hebt met goede bruikbare analyses zou elke trainer daarmee uit de voeten moeten kunnen.
Meer en meer clubs investeren in data
Deze vorm van data-analyse in de sport was een aantal jaar geleden enkel haalbaar voor de echt grote clubs. Inmiddels zijn er enorm veel ontwikkelingen geweest op het gebied van AI, machine learning en de beschikbaarheid van sensoren. Ook het platform van AWS is door de jaren heen beter en effectiever geworden. Het maakt de nieuwe industrie groter, competitiever en ook betaalbaarder. Hierdoor kunnen steeds meer clubs kiezen voor een datagedreven aanpak. De bekende top-down approach van AWS zien we ook terug in de sportdata.
Figdor stelt dat naast de overall kosten er ook veel gradaties en keuzes zijn waarin je kan werken met data. Je kan een speler 100 keer per seconde analyseren, maar ook 25 keer. Ga je met livebeelden werken wat veel kostbaarder is of niet? Welke sensoren en welke modellen ga je gebruiken voor data-analyses? Je kan als club meteen voor alles gaan en een grote investering doen, maar de meeste clubs beginnen eenvoudig en bouwen het platform daarna steeds verder uit. De interne data-analisten bij de clubs kunnen met een actief platform ook duidelijker aangeven welke data of sensoren ze nodig hebben om tot betere resultaten te komen.
Uiteindelijk hoopt Figdor dat hij meer en meer clubs kan aansluiten en hun Sport Data Platform op AWS bouwen, om een centrale rol te vervullen in hun datastrategie. Daarnaast hoopt hij nog meer partners te vinden. Op die manier kan de AWS Marketplace een grotere rol innemen en kunnen sportclubs daar straks meer AI en machine learning modellen kopen om los te laten op hun data voor betere analyses.
Wat we zeker weten is dat AWS in elk geval innovatie in de sport blijft stimuleren met zijn sports-oplossingen.