Kui kaugele võimaldab analüüs minna spordis? Kas andmete abil saab ütelda, kes võidab tänavuse EMi?

Mida andmed räägivad?

Ühe jalgpallimängu kohta saab koguda interneti avarustest erinevaid andmeid – alates sellest, millal ja kuskohast lüüakse väravaid, kui palju antakse kollaseid kaarte, kuidas liiguvad mängijad, kuni selleni, milline on jalgpallurite vanuse ja pikkuse mõju resultatiivsusele.

Näiteks pakub algselt ärianalüüsiks loodud Qlik’i platvormil baseeruv tasuta Euroopa Meistrivõitluste rakendus võimaluse kaevuda nii tänavuse EMi kui ka kogu EM’i ajaloo 56 aasta mängude andmetesse ning mänge erinevatest aspektidest analüüsides tulemusi ennustada.

Tugitoolisportlasest jalgpallihuvilisele on ehk huvitav teada, et kööki pole mõtet võileibu tegema minna teise poolaja alguses ja lõpus – sest kõige suurem tõenäosus väravate löögiks 56 aasta andmete põhjal on just neil minutitel. Väga haruldane ei ole ka väravate löömine lisaajal.

Kõik penaltid ei saagi sisse minna

Kas selle EM puhul oleme lugenud ahastavaid lugusid, kus imestatakse penaltite möödalöömise üle. Jalgpalli treener teab hästi, et pigem on erakordne see, kui kõik 5 lüüakse sisse! Andmed reedavad, et penaltite puhul on 100st löögist ainult 73 resultatiivsed – seega ei maksa väga imestada, kui mõni lööjad eksivad või väravavaht palli kätte saab. Kurjustada võiks alles siis, kui 10 pallist rohkem kui 2 lähevad väravast mööda ning väravavaht võtab ära enam kui ühe palli. Ja väravavahti võiks kindlasti kiita juhul, kui ta penaltiseeriast juba ühe palli ära võtab - siis see on juba väga hea tulemus!

Üks suur mäng

Analüüs jalgpallis ei erine palju ettevõtete igapäevasest ärianalüüsist, kus vaja analüüsida nii tulemusi kui ka tegevusi erinevatest aspektidest. Näiteks ettevõtte tehtud turundus- või müügipakkumisi võiks samuti mõõta nagu sööte – osad on neist luhta läinud, kuna klient ei saa söötu kätte, samas osad skoorivad ning järgneb värav ehk ostusündmus.

Võimalik, et nii analüüsides avastate persoone, kes omavahel sööte ei vahetagi või siis on mõned kombinatsioonid edukamad kui teised. Arengu seisukohalt on huvitav jälgida mitte niivõrd mängu lõpptulemust, vaid protsessi ehk tegevusi, kuidas sellise tulemusteni jõuti.

Mõõdikute teoorias on teada, et sama olulised kui tulemusmõõdikud (KRI – key result indicators) nagu näiteks käive, toodangu kogus või mängu lõpptulemus, on ka tegevusmõõdikud (KPI – key perfromance indicators) nagu näiteks võtmeklientidega planeeritavate kohtumiste arv, uute toodete arv jmt. Nii oleks jalgpallis näiteks huvitav uurida, mitu % väravatest löövad vahetusmängijad, kas väljamängitud ent löömata väravatega rünnakutele järgnevad väravad vastasmeeskonna poolt jmt.

Kes siis võidab EMi?

Kui kaugele saame analüüsiga minna – kas andmete põhjal on võimalik täna öelda kes võidab EMi? Analüüsiprogrammid töötavad etteantud andmehulkadega, kuid päris mängus on siiski suur hulk mõjureid, mille arvestamine on keeruline. Nii ei saa ükski prognoos olla 100% täpne ning ennustatakse pigem tõenäosust kui kindlat tulemust.

Omamoodi intrigeeriv on teada, et näiteks Inglismaa Islandi mängu prognoos andmete põhjal oli 68,3% Inglismaa kasuks, samal ajal kui Prantsusmaa võidu tõenäosus oli 81,9%. Ja Wales’il on Portugali vastu rohkem võiduvõimalusi kui Saksamaal Prantsusmaa vastu. Kui Prantsusmaa-Saksamaa mäng läheb penaltite peale siis on eelis esimesel, kellel penaltiseeria skoorimise määr on 91%. Vastukaaluks Saksamaa number on 79%.

Olgu mängude tulemused millised tahes - igatahes võimaldab analüüs olla oma otsustes täpsem - olgu tegemist jalgpalli või ettevõttega. Teades täpselt pallurite võimekust ja tegutsemismustreid, on võimalik kavandada võidukamaid strateegiad ning homme olla parem meeskond. Nii ka ettevõtte juhina annab analüüs võimaluse olla objektiivsem, pakkuda oma meekonnale paremaid nõuandeid ning võimaluse vähendada homset ettemääratust.