Будущее спортивной аналитики

За последние несколько лет мир спортивной аналитики быстро растет и вызывает большой интерес. Многие из нетрадиционных стратегий, представленных в книге «Moneyball», стали частью новой общепринятой мудрости, в то время как фильм, основанный на книге, собрал более 75 миллионов долларов и был номинирован на несколько премий. 


Несмотря на рост данных и анализ, который может качественно отражаться на управленческих решениях,

слишком много команд не взаимодействуют с инструментами и результатами спортивной аналитики.


5adec1be3b7a4_1524548030.jpg


Барьеры для спортивной аналитики в профессиональном спорте


Люди и организации, как в спорте, так и вне его склонны противостоять изменениям. Переход к принятию решений, основанных на анализе данных и статистических моделях, представляет собой значительное изменение парадигмы.


Многие руководители групп практически не имеют опыта со статистическими моделями и  испытывают естественный дискомфорт и недоверие к тому, что могут предложить эти инструменты. Кроме того, новые способы принятия решений угрожают не только отдельным лицам, но и узким и многолетним сообществам. Без тщательного планирования, интеграция новых типов информации и процессов в процесс принятия решений, добавление аналитики может привести к столкновениям в области культуры, которые были описаны в фильме «Moneyball».


В мире спорта также есть более глубокий, древний культурный конфликт. Традиционно, большинство руководителей  выросли в игре, играли, тренировали вели разведку. Таким образом, многие придерживаются убеждений в отношении спорта и его разработок, о которых свидетельствует большой личный опыт. Напротив, сторонники более широкого использования данных и моделей часто не считаются заслуживающими доверия этими традиционалистами из-за отсутствия у них непосредственного опыта в спорте.


Этот конфликт, который встречается во многих офисах по всему миру профессионального спорта. С этим же столкнулся и Paraag Marathe из San Francisco 49ers (американ.футбол). Paraag Marathe, который был с командой в течение 11 лет и в настоящее время является главным операционным директором 49ers, является Стэнфордским MBA и бывшим консультантом Bain со страстью к футболу и цифрам. Тем не менее его участие в футбольных решениях часто критиковали традиционалисты как внутри, так и за пределами команды, потому что он не «футбольный парень».


Этот тип недоверия часто усугубляется барьером общения между аналитиками и профессионалами в спорте. Язык аналитики часто непонятен для спортивных профессионалов, так же как язык спортивных специалистов может показаться чужим для большинства аналитиков. Создание эффективного коммуникационного моста между этими двумя группами жизненно важно для успеха спортивной аналитики.


В одной команде НБА аналитик быстро завоевал репутацию самого умного парня в команде, но практически не повлиял на процесс принятия решений. Его репутация была основана на его анализе в очень технических терминах. Поэтому, хотя работа, которую он производил, была новаторской, она была потрачена впустую, потому что у него не было возможности сообщить об этом так, как это было понятно для лиц, принимающих решения.


Одна команда MLB недавно обнаружила, что конфликт вокруг кадровых решений уже был очень интенсивным, и что в том числе аналитические результаты создавали токсичную атмосферу внутри организации.  Вместо того, чтобы отказаться от использования аналитики, команда привлекла экспертов по теории информации, чтобы переопределить их процесс объединения аналитических данных с информацией разведки, чтобы аналитики и разведчики больше не работали в перекрестных целях, а трудились совместно с целью улучшения команды. Это позволило разведчикам видеть данные, модели и информационные системы в виде набора инструментов, которые помогали им работать более эффективно.


Структура индустрии


По мере того, как данные и вычислительная мощность продолжают расти, возможности использования аналитики также быстро растут и меняются. Таким образом, руководители, даже те, кто интересуется и понимает статистику и модели, не могут полностью осознавать множество различных способов, которыми аналитика может помочь своей команде получить конкурентное преимущество.


Между тем поле аналитики велико, в том числе продавцы программного обеспечения, консалтинговые фирмы, профессора, страстные любители и всевозможные энергичные поклонники - претензия ко всем этим людям только одна, как их данные и модели могут помочь команде победить. Для большинства лиц, принимающих решения, попытка определить, какие предложения действительно могут создать реальную ценность для организации, то есть отделить по-настоящему стоящее предложение от всего остального, - это сложная задача, для которой они просто плохо подготовлены, не имея времени, чтобы сосредоточиться на возможностях и надлежащем обучении. 


Таким образом, некоторые организации предпочитают начинать с малого и думать очень постепенно о том, что они могут сделать в будущем, поскольку многие команды делают достаточно, чтобы их не обвиняли в игнорировании аналитики вообще. Остальные команды в основном останавливаются, не имея четкого представления о том, как начать работу или какие-либо реальные рамки для оценки и разработки аналитической программы, если им как-то удалось начать работу.


Конференции предоставляют места для руководителей, чтобы обсудить, что происходит на местах, в том числе и пожелания руководителей, а также для практиков и исследователей на местах, чтобы установить их авторитет и продемонстрировать свои навыки. В свою очередь, существование и совершенствование университетских курсов свидетельствуют о том, что спортивная аналитика является серьезной дисциплиной, в которой учащиеся могут развивать курс обучения. Это важные первые шаги.


Следующие ключевые шаги будут включать в себя развитие исследовательских и учебных ресурсов при институтах, а не полагаться на небольшое количество преданных делу людей для их дальнейшего существования. Мы предвидим создание исследовательских центров в крупных академических учреждениях, возможно, с частичным финансированием от профессиональных спортивных команд или лиг (в модели MIT Media Lab). 


Такие исследовательские центры позволят исследователям (от студентов до преподавателей) взаимодействовать, обсуждать, исследовать и в конечном итоге создавать инновационные и соответствующие модели для спортивной аналитики; понимать существующие процессы принятия решений;

Как и выпускные программы обучения выпускников в области аналитики и информатики, эти исследовательские центры по спортивной аналитике, вероятно, будут привлекать преподавателей из таких дисциплин, как информатика, экономика, статистика и бизнес-аналитика, чтобы продвигать границы области. В идеале, такие центры также изучат реализацию программ спортивной аналитики и тем самым помогут выявить передовые методы.


Выводы


Спортивная аналитика будет продолжать развиваться. Тем не менее темпы этой эволюции будут во многом зависеть от того, насколько быстро лидеры в спорте убедятся в том, что значительные инвестиции в аналитику (данные, модели, информационные системы и квалифицированный персонал) обеспечат истинное конкурентное преимущество. Лица, принимающие решения, должны будут полагать, что есть ценность в инвестировании в эти технологии и процессы. Этого не произойдет, пока аналитики не смогут эффективно передать эту потенциальную ценность руководителям.


Сегодня многие до сих пор не используют спортивную аналитику каким-либо значительным образом, отчасти потому, что они не знают, с чего начать или как интегрировать аналитику в свою организацию. Именно здесь институциональные структуры могут оказать значительное влияние. Эти учебные программы и исследовательские центры могут предоставить хорошо подготовленных и опытных аналитиков, надежное место для команд, чтобы найти этих аналитиков, и источник консультаций о том, как создать аналитическую программу.


Конечным результатом, по нашему мнению, станет лучший набор инструментов и процессов, ориентированных на данные, для более эффективного управления и принятия решений в мире профессионального спорта, многомиллиардных индустрий, которые характеризуются многомиллионными зарплатами, разнообразными широко видимыми и сложными решениями и растущим набором возможностей для аналитики.


***