De legendarische Braziliaanse voetballer Pelé omschrijft voetbal als 'het prachtige spel'. De dynamische aanvaller was behendig, onvoorspelbaar en hij had veel geluk. Tekenend voor het spel zelf. Terwijl geluk een belangrijke rol speelt in de uitkomst van een voetbalwedstrijd, is de actie op het veld te kwantificeren. Zou serieus rekenwerk de kansen in iemands voordeel kunnen keren? ASML en PSV hebben de krachten buiten het voetbalveld gebundeld, om de prestaties op het veld te verbeteren.
Moneyball
De meeste professionele sportteams gebruiken statistieken om hun wedstrijden en spelers te evalueren. Met name sinds de publicatie van Michael Lewis' boek (en later film) Moneyball uit 2003, kan de rol van statistieken de ambitie van een team maken of breken. Maar Moneyball gaat over honkbal. Een sport die bestaat uit concrete elementen: korte, gedefinieerde acties op eigen tempo met een duidelijk begin en eind. Voetbal is anders. Het is een onafgebroken sport waar spelers zich constant aan moeten passen aan veranderende situaties op het veld. Wat het een minder voor de hand liggende kandidaat maakt voor datagedreven analyses. “Sterker nog, naar schatting is 31% van het resultaat van een seizoen gebaseerd op geluk”, vertelt Ruud van Elk, Hoofd Sportwetenschap en data-analyse bij PSV. “Onze taak is om de andere 69% proberen te sturen.”
Meet, analiseer, verbeter
Prestatiecontrole begint met data. Professionele voetbalclubs in Nederland werken met twee belangrijke datasets: event-data en tracking-data. De event-data is een handmatig bijgehouden logboek van opeenvolgende activiteiten van de bal op het voetbalveld. In simpele termen, speler A speelt de bal naar speler B, wat meestal zorgt voor 2.000 rijen aan data per voetbalwedstrijd. De tracking-data is een geautomatiseerd logboek van de positie van elke speler en de bal op het voetbalveld, die 25 keer per seconde wordt gemeten, wat betekent dat deze data veel rijker is aan context.”
“We hebben met beide data-soorten apart gewerkt”, vertelt Van Elk. “Het zorgt ervoor dat we simpele statistieken, zoals afstand gelopen per speler, passes per speler en schoten op doel kunnen monitoren. Maar om het complete plaatje te zien moet je de data combineren en visualiseren als geheel. Niet veel sportteams hebben de expertise om dit goed te doen. Daarom zijn we bij onze Brainportpartners gaan kijken voor ondersteuning.”
Big Data Analytics
De ‘Big Data Analytics’-afdeling van ASML hapte toe. Met meer dan 300 medewerkers ondersteunt de afdeling het onderzoek en de ontwikkeling van ASML met geavanceerde van allerlei gegevens. Rob Beeren, hoofd van de ‘Corporate analytics group’ van ASML, herinnert zich hoe hij voor het eerst van de ambities van PSV hoorde. “Bij een kennisuitwisselingsevenement in 2020, presenteerde PSV hun toekomstvisie. Prestaties stimuleren met data-analyse was een sleutelonderdeel van deze visie. We realiseerde dat we konden helpen en van elkaar konden leren door de expertise van ASML in data-analyse toe te passen op de hoge sportprestatieomgeving van PSV.”
Rob had een speciaal team in gedachte voor deze klus: het innovatielab. Een gespecialiseerde groep van zes datawetenschappers binnen de ‘Big Data Analytics’-afdeling, onder leiding van Diederick Edel. “De staf van PSV was eerst een beetje terughoudend”, zegt hij. “Onzeker over hoe het zou zijn om samen met een hightechbedrijf als ASML prototypen te ontwikkelen en of het de resultaten waar ze naar zochten zou opleveren. Maar wij zetten onze ‘Minder praten, meer doen!-filosofie’ aan het werk. Het ASML-PSV-team zette gezamenlijk de ambities en de weg om er te komen op papier.”
Veldcontrole berekenen voor PSV
De eerste cruciale stap in de samenwerking was om alle beschikbare datasets samen te brengen. Die uitdaging kwam Maud Diepstraten, datawetenschapper bij het innovatielab, ten deel. “Samen hebben we besloten om een geavanceerd algoritme-model te maken die PSV zou kunnen helpen begrijpen hoe het team het veld controleert tijdens een voetbalwedstrijd”, zegt Diepstraten.
Door ruwe tracking-data te gebruiken als fundering voor het model heeft het team veldcontrole berekend door te begrijpen waar elke speler is op een specifieke tijdcode, waar ze naartoe gaan en hoe snel ze bewegen. Diepstraten: “We definiëren veldcontrole als welke speler welk gedeelte van het voetbalveld controleert op een bepaald moment. Dus door een rooster te projecteren op het veld kunnen we berekenen welke speler een bepaalde plaats het snelst of als eerste kan bereiken”, legt Maud uit. “Door dat te berekenen voor elke cel in het rooster kunnen we de veldcontrole van een team visualiseren.”
Uniek
“Met dit veldcontrolemodel werken is vrij uniek voor het Nederlandse voetbal”, vertelt Van Elk. “Het is iets waar we ons voordeel uit willen halen bij onze training, maar we zien ook mogelijkheden om er nog meer waarde aan te geven.” Edel: “Bij ASML weten we dat datawetenschappen snel blijven evolueren. Er zit eindeloze potentie in en we moeten slimme keuzes maken om de beste resultaten te bereiken. Als je het mij vraagt, zijn we pas net begonnen.”