Numrush

Meten is weten: De rol van data-analyses tijdens de Olympische Spelen

Meten is weten. De afgelopen jaren zijn cijfertjes en analyses daarop ook in de Nederlandse topsport een steeds grotere rol gaan spelen. Waar coaches vroeger het nut van data niet inzagen, hebben data nu een vaste plek veroverd in de topsport. Maar welke rol is dat dan? En maken die data dan verschil?

“Onze visie op het gebied van data-analyses was tien jaar geleden dat data-analyses pas goed uit te voeren zijn als gegevens automatisch binnengehaald kunnen worden”, zegt Nico Delleman. Hij is voormalig programmamanager innovatie bij InnoSportNL. Die organisatie werd in 2006 vanuit NOC*NSF opgericht om innovatie in de sport te bevorderen. InnoSport werd na een bestaan van bijna tien jaar, waarin verschillende projecten zijn uitgevoerd, eind 2015 opgeheven.

“Coaches verzamelden vroeger al wel data, maar dat ging moeizaam en de gegevens waren bovendien niet altijd volledig. We wisten tien jaar geleden al dat de technologie ons in de toekomst in staat zou stellen om makkelijk data binnen te halen. De afgelopen tien jaar is er een flinke boost gegeven aan het gebruik van data in de topsport.”

Embedded scientists

Inmiddels is het binnenhalen van gegevens in veel gevallen geen barrière meer. Om de sport op het gebied van data-analyses te verbeteren, werd vanuit InnoSport de embedded scientist geïntroduceerd. Die onderzoekers hebben wel een wetenschappelijke achtergrond, maar werken anders dan traditionele wetenschappers, vertelt Delleman.

“Normaal gesproken voert een wetenschapper onderzoek uit op drie hoog, ergens in een universiteit. Na drie of vier maanden komen ze dan met een resultaat. Zo werken de embedded scientists niet. De sporter moet er direct baat bij hebben. De scientist is dus onderdeel van het team. Net zoals een wetenschapper formuleert hij ook zijn eigen hypothese, maar hij gaat niet zoals een traditionele wetenschapper te werk. Je zou kunnen zeggen dat ze veel commerciëler, resultaatgericht werken. Om snel de sporter te ondersteunen.”

De introductie van die embedded scientist is volgens Delleman het grootste resultaat dat InnoSport op het gebied van data-analyse geboekt heeft. Daardoor is het analyseren van data is inmiddels gemeengoed geworden. “Vroeger kon je dat niet bedenken. Nu kijken mensen raar op als het niet gebeurt”, zegt Rens Salomé, embedded scientist bij de Koninklijke Nederlandsche Roeibond.

Data en informatie

Salomé is net terug uit Rio de Janeiro, waar hij het roeiteam heeft begeleid. In de aanloop naar de Olympische Spelen heeft hij zich beziggehouden met data en analyses daarop. Hij verzamelde daarvoor onder andere biomechanische data tijdens trainingen en wedstrijden, zoals de snelheidsdata en de bankpositie. Daarnaast meet hij elke zes weken de fysiologische data van de atleten. Zij doen daarbij een inspanningstest en er wordt een ademanalyse uitgevoerd.

Dagelijks wordt ook de hartslag gemonitord en houden de topsporters bij hoe ze zich voelen. Tijdens het roeien krijgt hij voor elke 50 meter een overzicht van het tempo en de snelheid. Wekelijks bekijkt hij hartslagdata om te zien hoe sporters zich herstellen en hij maakt gebruik van videofeedback.

“Maar dit zijn nog geen gegevens waar een coach wat mee kan”, zegt hij. “Het is mijn taak om data om te zetten in informatie. Ze moeten dus inzichtelijk en begrijpelijk worden. En de interesse van de coach moet er ook zijn.” Volgens Salomé was de topsport wat dat betreft vrij conservatief. “Dat bedoel ik niet negatief. Er werd natuurlijk een bepaald resultaat gehaald, met een bepaalde methode. Waarom zou je van een succesformule afwijken? Als data-analist moet ik een coach overtuigen dat we er ons voordeel mee kunnen doen. Als een coach niet wil, gaat het ook niet door.”

Resultaat

Dat de data nu binnenstromen en geanalyseerd worden, betekent niet dat de topsporters opeens veel betere resultaten kunnen boeken. “Het is niet zo dat de cijfers bepalen”, zegt Delleman. Salomé onderschrijft dat. “Wat dat betreft is mijn bijdrage bescheiden”, zegt hij.

De data helpen een coach met het nemen van een beslissing, maar zijn niet per se doorslaggevend, zegt Salomé. “Het is altijd een combinatie van factoren. Soms is de beslissing gebaseerd op data, maar de coach kijkt altijd naar andere variabelen.” De data geven vooral inzicht. “Uiteindelijk moet een coach tóch een beslissing nemen”, zegt Delleman.”De data helpen daarbij. Maar het is niet zo dat de cijfers bepalen.”

Data spelen dus een bescheiden, ondersteunende rol. “Ik kan ook niet zeggen hoe dit zich concreet uitbetaalt in de sport”, zegt Delleman. “Net zoals je ook niet zou kunnen zeggen hoe de relatie van een topsporter met zijn vader invloed heeft gehad. Maar als ze het niet nuttig zouden vinden, zouden ze er wel mee stoppen.”

“Uiteindelijk wil je zoveel mogelijk zekerheid”, zegt Salomé. “Dan dwing je geluk af.” Je gaat niet aan een wedstrijd beginnen om te merken dat de wind toevallig van links komt. “Nee, je wéét dat de wind van links komt, dus kun je maatregelen nemen.”

De Nederlandse roeiploeg heeft op de afgelopen Olympische Spelen drie medailles veroverd: goud (vrouwen, lichte dubbeltwee), zilver (vrouwen dubbelvier) en brons (mannenacht). Nu de embedded scientist terug is begint de analyse over de afgelopen wedstrijden. Wat hoopt Sanomé in die data te vinden? “Het verlossende antwoord naar meer goud”, zegt hij. “Dat antwoord zit niet alleen in de cijfertjes, maar die kunnen er wel een belangrijk onderdeel van zijn. Data zijn niet doorslaggevend. Wat doorslaggevend is, is hoe hard er geroeid wordt.”