Idag finns inget bästa tillvägagångssätt när det kommer till big data-analys i fotboll. Det finns ingenting som säger att en klubb med en bättre, mer genomarbetad plan med sitt arbete kring big data kommer att ta fler poäng, fler titlar eller göra ett bättre ekonomiskt resultat. Det går alltså inte att direkt härleda klubbens framgångar eller misslyckande till big data-analysen. Vad vi kan säga är bara om organisationen enligt vissa teorier jobbar på ett sätt som genererar värde och kunskap av investeringarna man gör. För att kunna göra en djupare, mer precis analys krävs mer information från studieobjekten, som vilka ens nyckeltal är, och även eventuellt längre tid så att en uppföljning efter säsongen skulle kunna göras. Säsongen 2019 i serien är långt ifrån klar vilket gör att varken vi eller organisationen vet hur väl deras big data-arbete faller ut, eller exakt vilket värde som big data-analysen har möjlighet att skapa.
Organisation A och B har olika förutsättningar kopplat till big data-analys. Organisation A grundar sitt arbete i vilket värde de vill uppnå och enligt de mål som finns uppsatta. Organisation B grundar sitt arbete i ekonomiska förutsättningar och uppsatta mål. Där finns en identifierad skillnad i grunden till strategin mellan organisationerna kopplat till big data-analys. En intressant fortsatt forskning inom detta område hade varit att gå djupare in på organisationernas förutsättningar, för att se om och hur dessa påverkar deras respektive resultat. Hur skiljer sig värdeskapandet beroende på om din big data-strategi grundar sig i dina ekonomiska förutsättningar eller i värdet du vill skapa?
Vidare har organisationerna som tidigare nämnt olika strategier i deras arbete med big data- analys. Organisation A kontrollerar och styr stora delar av deras insamling och analysering, medan organisation B outsourcar stora delar av denna process. En fortsatt studie hade kunnat gå in djupare i respektive strategi och identifiera nyckelfaktorer. I detta arbete hade det var intressant att studera hur de olika strategierna påverkar deras output och om där finns faktorer som tyder på att det ena arbetssättet får ett bättre resultat kopplat till värdeskapande. Kanske kan en “best practice” identifieras i vidare forskning?
Även hur organisationerna förhåller sig till sin spelidé kopplat till big data-analys vore intressant att forska i. Organisation A har en spelidé som är förankrad i organisationen vilket gör att man har möjlighet att jobba fram vilka nyckeltal som bäst korrelerar med poängskörd under en lång tid. Organisation B:s spelidé bestäms av huvudtränaren som byts ut med jämna mellanrum. Vad är bäst för värdeskapandet i big data-analys kopplat till spelare på kort och lång sikt?
I branschen som organisationerna tillhör har det identifierats att dessa till viss del använder samma program. I detta kan det finnas en svårighet att vinna konkurrensfördelar, eftersom organisationerna har tillgång till varandras information som finns lagrat i programmets databas. Sparad information som berör till exempel spelarprestationer finns tillgänglig för alla användare av tjänsten. Detta gjorde att studieobjekten var restriktiva med att nämna vilka nyckeltal man
säsong. Osäkerheten i att man inte vet vilket sätt som är bäst att jobba på och vilka nyckeltal som man bör använda för att skapa mest värde är möjligtvis grunden till denna restriktivitet.
Om vi ser till de etiska problem som arbetet med big data-analys kan ha i dessa organisationer så är den personliga integriteten intressant att tänka på. Spelarna övervakas i stor utsträckning och organisationen får till exempel information om väldigt många individuella fysiska värden varje dag via programmen Kitman Labs och Polar. Detta kan vara problematiskt i och med att man ser på spelarna som en investering, eller resurs, snarare än som en människa. Detta gör att man dels riskerar tona ner de psykologiska aspekter som påverkar människor i deras prestation, och dels att spelarna inte ställer sig bakom arbetssättet till hundra procent då de inte känner sig bekväma med övervakningen.
7 Slutsats
Utifrån forskningsfrågan har vi undersökt hur organisationerna jobbar med big data-analys och på vilket sätt det skapas värde för organisationen ur denna. Med hjälp av tre olika modeller har vi tagit fram en teoretisk ram att utgå från när vi analyserat fallstudierna. Vi kan konstatera att värde har skapats hos båda organisationerna i form av effekter, kunskap och lärdom som ligger till grund för att kunna transformera verksamheten. Detta har skett på olika vis inom organisationerna och kan också komma att påverka organisationerna på olika sätt. Vi kan inte säga ännu hur effekterna påverkar transformationen och om detta kommer leda till prestationsförbättringar då vi inte vet om organisationerna nått sina organisatoriska strategiska mål som man satt upp för denna säsong.
Skillnaden mellan dessa två organisationer är att eftersom organisation B har all sin big data- insamling och big data-analys gjort externt har man mycket mindre kontroll över detta. Organisation A:s strategi grundar sig även i att ta fram det arbetssätt som kommer generera mest värde för organisationen utifrån arbetet med big data, medan organisation B:s strategi först och främst utgår från den ekonomiska aspekten, vad har vi råd med? Detta gör också att organisation A kan ställa rimligare förväntningar i vilka effekter som arbetet kommer att ha och vilket gör att de får en större kontroll och kan ställa rimligare krav på varje del av organisationen.
Vi har visat på att värde kan utvinnas från arbete med big data-analys kopplat till spelare i fotbolls- organisationer. Organisationer som verkar inom den svenska fotbollen kan stödja sig på denna forskning som talar för ett värdeskapande i big data-analys för att själva våga investera i sitt eget arbete med big data-analys. Detta skapar goda förutsättningar för en utvecklingen av big data- analys på sikt för att kunna finna nya tekniker att skapa värde med, inte bara för spelarna i representationslaget, utan även för organisationens ungdomsverksamhet.
Detta ämne är relativt outforskat vad gäller big data-analysens användning inom detta område. Det finns idag inget bästa sätt att jobba på utan organisationerna får själva avgöra hur de tror att de kan använda sig av detta i sitt arbete mot sina mål. Vi har som sagt kommit fram till att detta arbete skapar värde, men inte hur det påverkar organisationen. Frågan är om organisationerna själva vet om det.
8 Referenser
Agarwal, R,. & Dhar, V. 2014. Big Data, Data Science, and Analytics: The Opportunity and Challenge for IS Research. Information system research 25 (3) 443-666.
Ahmed, A., Suprateek, S., & Roger C. 2016. Big Data Research in Information Systems: Toward an Inclusive Research Agenda. Journal of the association for information systems 17 (2) 1-33.
Akter, Shahriar., Wamba, Samuel F., Gunasekaran, Angappa., Dubey, Rameshwar., & Childe, Stephen J. 2016. How to improve firm performance using big data analytics capability and business strategy alignment? International Journal of Production Economics 182: 113-131.
Braganza et al. 2017. Resource management in big data initiatives: Processes and dynamic capabilities. Journal of Business Research vol 70/2017, sid 328-337.
Chen, M., Mao, S., & Liu, Y. (2014). Big Data: A Survey. New York City: Springer US.
Chen, P., & Zhang, C.-Y. (2014). Data-intensive applications, challenges, techniques and
technologies: A survey on Big Data. Macau: University of Macau.
Denscombe, M. (2016). Forskningshandboken. Lund: Studentlitteratur AB.
Elgendy, N., Elragal, A. 2014. Big Data Analytics: A Literature Review Paper. Advances in Data
Mining: Applications and Theoretical Aspects, sid 214-227.
Fotbollskanalen. (den 11 01 2018). Fotbollskanalen. Hämtat från www.fotbollskanalen.se: https://www.fotbollskanalen.se/fotbollskanalen/artificiell-intelligens-flyttar-in-pa- fotbollskanalen/
Gulitti, T. (den 26 01 2019). NHL. Hämtat från www.nhl.com: https://www.nhl.com/news/nhl- plans-to-deploy-puck-and-player-tracking-technology-in-2019-2020/c-304218820 Hartvedt Andreassen, K. (2018). Metrix: Real-time Analysis of Physical Performance Parameters
in Elite Soccer. Tromsø: The Arctic University of Norway.
Informant 1: IT-direktör, organisation A. 2019. Intervju 17 april. Informant 2: Dataanalytiker, organisation B. 2019. Intervju 17 april.
Janssen et al. 2017. Factors influencing big data decision-making quality. Journal of Business
Research vol 70/2017, sid 338-345.
LaValle, S., Lesser, E., Shockley, R., Kruschwitz, N., & Hopkins, M. (2011). Big Data, Analytics
and the Path From Insights to Value. Cambridge: MIT Sloan Management Review.
Li, M. (2019). Big Data Based Outdoor Sports Monitor and Analysis System Design of University. 2019 International Conference on Intelligent Transportation, Big Data &
Smart City (ss. 245-248). Changsa: 2019 International Conference on Intelligent
Transportation, Big Data & Smart City.
Marr, B. (2017). Big data - Smarta data och smart analys för bättre beslutsfattande och bättre
Marr, B. (2017). Data Strategy - how to profit from a world of big data, analytics and the internet
of things. London: Kogan Page Limited.
Matteoni, P. (den 02 04 2009). Fotbollskanalen. Hämtat från www.fotbollskanalen.se: https://www.fotbollskanalen.se/allsvenskan/fakta---sa-videoanalyserar-de-allsvenska/ Mithas, S., Lee, M., Earley, S., Murugesan, S., & Djavanshir, R. 2013. Leveraging big data and
business analytics. IT Professional 15 (6) 18-20.
MLB. (2019). Major League Baseball. Hämtat från
https://www.mlb.com/athletics/history/timeline-2000s
Neyer, R. (den 20 08 2017). Sabermetrics. Hämtat från www.britannica.com: https://www.britannica.com/sports/sabermetrics#ref1182375.
Rayport, J. F., och Sviokla, J. 1995. Exploiting the Virtual Value Chain. Harvard Business Review
11/1995.
Rowley, J. 2006. The wisdom hierarchy: representations of the DIKW hierarchy. Journal of Information Science 33/ 2007, sid 163–180.
The Economist. (den 17 08 2013). The Economist. Hämtat från www.economist.com: https://www.economist.com/britain/2013/08/17/ball-watching
Ylijoki, O., Porras, J. 2018. A recipe for big data value creation. Business Process Management
9 Bilagor
Bilaga 1
Transkribering av intervju via telefon med informant 1, teknisk direktör för Organisation A, onsdag den 17 april 2019.
Intervjuare är Felix Flike och protokollförare är Markus Gervard. Skratt: [Skratt]
Paus: [Paus]
Antal sekunder paus: + 1/2/3/4/5… Bakgrundsljud: [ljud?]
Avbrott: [Avbrott] F: Felix Flike
Intervjun startar - Del 1
F: Vi kommer att spela in och sedan transkribera intervjun som sker och kommer använda den som empiri i forskningen. Hoppas att det är lugnt?
F: Som sagt tidigare så ska vi göra ett arbete om big data analys i fotbollsklubbar framför allt och kommer ställa frågor som berör de program och system som används. Sen kommer vi även ställa lite mer generella frågor angående organisationen mål och liknande. Du kommer kanske inte kunna svara på alla frågor, men då tar vi de problemet då och löser de. Vi kan väl börja med att presentera dig och vad du jobbar med lite snabbt bara?
F: Tack. Vi kan väl börja direkt med vilka program använder ni er av som klubb idag kopplat till player performance? Och gå igenom dem var för sig.
F: Den prestation som sker på planen. Tex. Videoanalys och analysverktyg av spelet, och datainsamling som komemr från spelarna.
F: Jättebra
F: Då är det så att ni använder er av matcher/sekvenser som ni tar fram och studerar för att senare använda som material till förbättring? [Paus + 3 sekunder] Eller?
F: Ja, det går bra
F: Vad är ”of the ball data” då?
F: Okej. När du säger spelidé, är det huvudtränaren som sätter de och tar fram KPI utifrån denna? F: Jag antar att ni också har system som mäter fysisk status och så? Ni hade ett samarbete innan med Kitman labs?
F: Personen gör då all analys av den data som lämnas till honom?
F: Är de ett program med AI som kan ge indikationer på spelarens status? F: Menar du att spelarna inte alltid är ärliga i svaren?
F: I din klubb, är detta på grund av att man inte får tillräckligt med utbildning?
F: När du förklara de så låter det ändå som att alla spelare, tränare och hela staben är med varför data insamling ska användas både inför, under och efter match?
F: Varför använder ni er utav den då?
F: Är det brist på bättre teknologi som gör att ni använder av den ändå eller har GPS ett annat syfte?
F: Den information som presenteras för spelarna under match är det Signality data eller data kopplat till videoanalys?
F: Skulle du säga att detta är en av de större utmaningarna i arbetat, att få de att förstå just vikten av de?
O: Ja, de är superintresserade. Kalle är en auktoritet i applicerad matematik bland spelarna. I takt med att klubbar rör sig mot ett mer data insamlande håll så måste det finnas någon förmedlar och tolkare av data.
F: I er organisation så är Kalle ganska viktig i att han gör analysen och kan förmedla det på ett intressant och bra sätt?
F: Jobbade Organisation A med det här innan du kom till klubben eller är detta något som du varit med och infört?
F: När ni börja jobba med Kalle, gick det till såhär då? Att ni ville börja jobba på ett specifikt sätt, hur ska vi uppnå de?
F: Är det en av de stora nyttorna ni har med data?
F: Hur ser kulturen kring fansen ut, har den förändrats tillsammans med förening? Sprider sig er strategi utåt?
F: Det riktas sig mer åt era kunder?
F: Om en klubb som skulle köra med bara tredje part data då kan alla andra organisationer ta del av denna data?
F: Har ni några sportsliga mål?
F: När du säger utveckla spelar så menar du utifrån KPI:er och värde?
F: Finns där någon idealisk spelidé eller finns där ständigt en process att förbättra? F: Organisationsmål, har ni några mål som ni strävar och arbetar efter?
F: Har ni några delmål på vägen?
F: Data som ni får fram via signality [Avbrott]
F: Data som Kalle kollar på och sedan tar upp med spelare är det bara direktiv som han fått av er? Exempelvis samband, sannolikhet eller identifierar han själv samband och sannolikheter. F: Har ni den tilltron till Kalle när han tar egna initiativ?
F: När börja han hos er?
F: Kan du dra igenom snabbt programmen ni använder?
F: Wyscout, görs där ingen analys? Samlar inte den in datapunkter?
F: Jag har tittat och har ett grepp om hur det fungerar. Varit inne och kollat på hemsidan, men inte testat tjänsten.
F: Signality, vilka ligger bakom den?
F: Det som Kalle jobbar med är signality och wyscout?
F: Sen i den fysiska analysen var det Kitman labs och katapult? F: Hålls dessa separat?
Del 2
F: Angående din roll i klubben som teknisk direktör. Skulle du kunna beskriva dina arbetsuppgifter och ansvarsuppgifter?
F: Marknadsanalys kring vad konkurrensen har och använder. Har ni någon uppfattning kring hur ni ligger till i jämförelse mot andra organisationer?
F: Så i någon mån anser ni er vara ledande?
Bilaga 2
Transkribering av intervju med informant 2, analytiker för organisation B, onsdag den 17 april 2019.
Intervjuare är Felix Flike och protollförare Markus Gervard F: Felix Flike
F: Du kan börja med att presentera dig och vad du gör i klubben
F: Skitbra. Då undrar vi lite över ehh, vi kan börja egentligen med program som ni använder er av då. Som datainsamling till exempel.
F: Jag antar att ni kanske har något för match, som mäter som wyscout eller nåt liknande kanske och nåt/några som fysios använder asså för att mäta hjärtfrekvens eller aa allt möjligt.
F: Skulle du kunna berätta lite vilka program ni använder. Vi kan börja med match, programmen kring match till exempel. Inför match, under match och efter match.
F: Är det du som gör taggningen?
F: Ok, är det deras direktiv som du följer eller känner du också vad som är viktigt? F: Ok, för spelarna?
F: Inte individuellt utan i grupp? F: Både och, OK
F: Men det kanske bara gäller några få spelare eller gäller det alla? F: Men då tänker vi liksom videoklipp inte själva statistiken? F: Vad är det för nåt?
F: Okej men taggar ni alla spelare med detta? F: Är det via SEF?
F: Alla klubbar har tillgång till det?
F: Förlåt att jag avbryter, men värmekamerorna du pratade om, använder ni det till matchanalyser? F: Okej
F: Yes, fattar. Men hur kommer det sig att ni använder det då överhuvudtaget? F: Men det kanske inte är något som alltid når spelarna?
F: Så att ni får egentligen bara analysen och använder den in i organisationen?
F: Så att ni får inte rådata till er organisation. Det är ingen som är anställd i organisation B som gör analysen av rådatan utan det är Wyscout
F: Okej. Och vilka är det som jobbar med just det? Är det tränarteamet? F: Och dom är satta av er..?
F: Utifrån er spelidé?
F: Okej. Inför match, om vi tänker inför match har ni någon liksom någon genomgång då? Jag antar att ni har någon slags matchförberendande innan. Använder ni någon slags statistik eller program för att titta då på till exempel framtida motståndare?
F: Okej. Du har varit i klubben i några år. Har du någon aning om hur länge ni använt vissa av programmen? Har ditt arbete förändrats från säsong till säsong eller tränare till tränare?
F: Så att egentligen när tränarna rekryteras så finns det inget särskilt tänk att den ska ha den här och den här inställningen till statistik?
F: Hur kommer det sig att ni jobbar på det sätter ni gör? Har det varit en process eller har styrelsen sagt att ni ska jobba med dataanalys och så får ni jobba efter dom direktiven?
F: Okej, så det finns ingen ansvarig i klubben för vilken typ av teknik ni använder utan det är du som analytiker som ger förslag på vad som ska användas? Förstår du? Det är alltså ingen som har ett övergripande ansvar.
F: De program som fysion använder, kommer inte ihåg om vi drog igenom dom också? F: Eller har du koll på dom?
F: Och det är då något slags pulsmätare? F: Okej, vad är det som ni tycker är viktigt?
F: Okej, ja. Och det bakas in i matchgenomgången eller den individuella feedbacken efter match? F: Då kan ni också se om någon börjar bli sliten?
F: Okej, det programmet. I och med att det hämtar in så många datapunkter så antar jag att det gör analysen också?
F: Okej alright. Är det något mer program som du kommer på som ni använder er av?
F: Nej okej så om man kollar till player performance eller vad man ska säga så är det dom programmen.
F: Varför har ni både XPS och Sportscode om de gör samma sak?
F: Sett till organisationen då. Jag antar att organisationen har några sportsliga mål. Har ni några sportsliga mål? Till exempel för den här säsongen, på kort och lång sikt?
F: Okej, målet är att komma topp 3?
F: Har ni några andra mål inom organisationen? Till exempel utveckla si och så många spelare till den här nivån eller vårt eget spel.
F: Och då är det lättast att bara sätta "Om vi är topp 3" det är vårt sportsliga mål?
F: Då blir det väl ändå på något sätt i och med att ni har specifika nyckeltal som ni kollar på i Wyscout så är det ju ändå någonting som ni strävar efter att göra bra i ert spel. Borde man inte kunna säga att det är mål..?
F: Säg att du tar fram dom talen från wyscout t ex sen så har du taggat upp och ska prata med en spelare om dens insats vid en match. Hur presenteras det för spelaren? Sitter man ner med spelarn med videoklipp och berättar?
F: Statistiken är alltså mer för att underbygga och bekräfta er bild om att er känsla kanske är rätt? F: Okej, så nyckeltalen presenteras för hela gruppen. I en powerpoint?
F: Alright. Har ni egentligen någon strategi för hur dataanalysen ska användas nu och på sikt? Tänker ni att inom det här området så behöver vi utvecklas? Du sa förut att ni trivs med de verktyg ni har. Men har ni någon strategi egentligen kring hur det arbetet ska fortgå? Eller hur det ska utvecklas?
F: Det gäller utbildningar för dels ledarteamet eller? F: Vilka är det som är med och fattar dom besluten?
F: Okej, när ni tänker på vilka program som ska användas, väger ni in vad tränarna är benägna att säga?
F: Så det är standard att skriva ett års avtal eller är det företagen som erbjuder det? F: Men just det. Betalar ni för fler nyckeltal än ni använder?
F: Just de nyckeltal ni använder, är det något ni bestämt innan ni använt programmet eller när ni köpt det?
F: Ni har ett behov och kollar vilka som kan möta det behovet? F: Ni litar på programmet fullständigt?
F: När ni får in nya program, du och Sportchefen då. Ni har inte satt upp att inom det här området