door: Otto Koppius

Er gaat bijna geen week voorbij of je leest wel iets over app X, startup Y of platform Z die allemaal beloven/claimen dé data-oplossing te hebben voor dingen als het optimaliseren van de fitheid van atleten, het ‘tracken’ van spelers tijdens een wedstrijd om de optimale tactiek te bepalen, de jeugd in beweging te krijgen, de binding met fans te verhogen en wat je allemaal niet kan bedenken. Het heeft nog net geen wasmiddel-achtige proporties bereikt (‘Verbeterd! Haalt nu nog meer vlekken weg!’), maar het scheelt niet veel.

Waar heel veel van dit soort initiatieven echter de plank volledig misslaan, is dat ze starten vanuit de technologie. Veel data is goed en meer data is beter, dus dan wil iedereen dit gebruiken, toch? Toch?

Nou, nee dus. Het motto 'Niet omdat het moet, maar omdat het kan' werkt misschien prima voor Tele2, maar voor data/IT in sport is het funest. Al dit soort data/IT-gedreven initiatieven vallen in dezelfde valkuilen waar reguliere organisaties dertig jaar geleden al in vielen (en helaas nog steeds vaak vallen). De eindgebruiker en de organisatie waarin die werkt wordt over het hoofd gezien. 

Maak het makkelijker, niet moeilijker
Eind jaren tachtig verschenen de eerste onderzoeken naar waarom zoveel IT-gebruikers maar matig tevreden waren over de IT-systemen die ze professioneel gebruikten. Verschillende onderzoeken benadrukten soms net iets andere factoren, maar in essentie zijn het varianten op één van de meest gebruikte modellen van Doll & Torkzadeh ¹, die draait om vijf vragen:

1. Is het systeem gebruikersvriendelijk?
2. Geeft het systeem het type informatie dat je nodig hebt?
3. Is de informatie accuraat?
4. Krijg je de informatie op tijd?
5. Wordt de informatie helder gepresenteerd?

Dit lijken heel voor de hand liggende vragen, maar in de praktijk gaat dit vaak mis. Ik bespreek hieronder vier voorbeelden.

Speler-tracking systemen
Heel mooi dat je als coach kunt zien waar elke speler zich op elk moment bewoog, maar dat is niet wat je als coach wilt weten (mis op punt 2). Je wilt bijvoorbeeld bepaalde standaardsituaties kunnen isoleren uit die grote vergaarbak met data en die analyseren. Of je wilt kijken hoe speler X reageerde toen speler Y aan een actie begon. 

Die data kun je in principe uit het systeem halen, maar dat vereist wel een hoop extra handelingen, die het systeem vaak niet makkelijk voor je doet (mis op punt 1 en 5). Bovendien kun je die informatie vaak pas achteraf echt goed uit het systeem krijgen en analyseren, waardoor veel van de toegevoegde waarde verloren gaat. De feedback naar de speler komt pas na afloop in plaats van gedurende een training of wedstrijd (mis op punt 4).

Fitnesstrackers en atleet-monitoring systemen 
Ik verwacht in de toekomst veel van kleding met ingebouwde sensoren, maar iedereen die wel eens een Fitbit of vergelijkbare fitnesstracker voor langere tijd heeft omgehad, weet dat die best wel eens hartslagen missen (mis op punt 3). Dat is niet erg voor informeel gebruik om af en toe te kijken hoe hoog je hartslag is, maar als je serieus wilt bijhouden hoe intensief een training is geweest, is dat soort ontbrekende of foute data funest. 

Het is geweldig dat er allerlei systemen zijn waarbij atleten vragenlijsten invullen om bij te houden hoe fit ze zijn en hoe goed ze herstellen, maar als het invullen daarvan elke dag een kwartier kost, dan zijn er maar weinigen die dat echt structureel blijven doen en moet je ze als coach continu achter de vodden aan zitten (mis op punt 1). Bovendien is de voorspellende waarde van dat soort systemen nog altijd een punt van debat om diverse redenen (mis op punt 2, maar hierover meer in een latere column).

Training-feedback systemen
Er wordt veel werk gestopt in systemen die sporters en coaches kunnen helpen bij het beter in kaart brengen van bewegingen om zo de techniek van de atleet te verbeteren. High-speed video-systemen worden steeds toegankelijker. De al eerder genoemde kleding biedt veel mogelijkheden met bijvoorbeeld EMG-sensoren die spieractiviteit meten. Ook systemen met augmented reality zijn in opkomst. 

Dit soort systemen zijn het meest nuttig als je de feedback direct tijdens de training aan de sporter kunt geven. Bij veel systemen moet je echter de training stilleggen of kun je de informatie pas na afloop van de training zien omdat er eerst allerlei tijdrovende algoritmes en analyses moeten worden uitgevoerd. Daardoor wordt de feedback veel minder sterk (mis op punt 4). Of nog erger: de informatie wordt wel direct teruggegeven, maar dan is User Experience de sluitpost geweest op de begroting en wordt de sporter of coach overladen met onnodige informatie (mis op punt 1 en 2). Ook kan het systeem teveel afleiden van wat je aan het doen bent (mis op punt 1 en 5).

Fan apps 
Leuk dat je als club sociale media kunt monitoren over wat mensen zeggen over je club, maar uiteindelijk kun je daar als marketingmanager concreet bijzonder weinig mee. Wat zegt het als je een 71 procent positive sentiment score op sociale media hebt afgelopen maand of dat fans 42 minuten engaged zijn geweest volgens allerlei vaak hele arbitraire definities? (mis op punt 2 en 3).

Zoiets wordt pas interessant op het moment dat je het kunt koppelen aan marketingacties of de verkoop van tickets. Daarvoor is alleen weer een koppeling nodig met interne organisatiesystemen met andere definities van data en andere structuren. Dat is vaak een verre van triviale zaak.

Oplossing
Goed, dat is dus wat er allemaal kan misgaan. Wat moet er dan wel gebeuren? De oplossing is, zoals zo vaak, simpel en ingewikkeld tegelijkertijd. Enerzijds is de oplossing heel simpel: focus op een specifieke beslissing van de eindgebruiker die je met behulp van data en IT nu beter en/of sneller kunt maken. Je moet een concreet persoon in een concrete situatie in de dagelijkse praktijk kunnen aanwijzen die beslissing X met behulp van data Y neemt. Diens leven moet je makkelijker maken. Als je niet een dergelijk persoon kunt aanwijzen waarvoor je een gedetailleerde use case kunt maken, dan is het terug naar de tekentafel.

De ingewikkelde kant van de oplossing is dat je er dan achter komt dat er heel veel verschillende beslissingen zijn die je zou kunnen ondersteunen, maar die allemaal net verschillende data en/of processen nodig hebben. Dan moet je als provider van technologie bescheiden durven zijn en te focussen op een beperkte, duidelijk gedefinieerde doelgroep qua personen en beslissingen en die echt goed doen. Als je die succesvol kunt ondersteunen, dan kun je stap voor stap een bredere verzameling beslissingen gaan ondersteunen met een meer diverse groep aan stakeholders. 

Je kan wel claimen dat je een Zwitsers zakmes hebt dat alles kan wat elke mogelijke klant wil, maar een vakman gebruikt nog altijd liever een echte schroevendraaier. Of om een sport-analogie te gebruiken: het is heel mooi dat je olympisch kampioen wil zijn, maar dat wordt je niet van de ene op de andere dag. Dat gaat stap voor stap, training voor training. 
Niet omdat het kan, maar omdat het moet.

Noot:

1. William J. Doll and Gholamreza Torkzadeh. The measurement of end-user computing satisfaction. MIS Quarterly, 12:259–274, June 1988.

Otto Koppius is universitair docent Business Analytics op de Rotterdam School of Management, Erasmus Universiteit. Hij doet vooral onderzoek naar toepassingen van nieuwe databronnen zoals wearables en nieuwe analysemethoden om vraagstukken rondom talentmanagement, coördinatie in teams en de fysieke en mentale fitheid van atleten en werknemers te bestuderen. Naast zijn universitair werk is hij roeicoach en heeft hij meerdere ploegen naar wereldkampioenschappen en andere grote toernooien begeleid.