door: Stephan van der Zwaard, Arno Knobbe, Rens Meerhoff, Arie-Willem de Leeuw & Auke Damstra

Waar staan we over tien jaar? Hoe ziet de Nederlandse sport er dan uit? Hoeveel records hebben we dan verpletterd? Weten we dan beter hoe we blessures kunnen voorkomen? En hoe heeft sportdata, die de laatste jaren toch een steeds centralere rol heeft gekregen, ons hierbij kunnen helpen? 

Voor het antwoord op de vraag wat er kan veranderen in tien jaar tijd, gaan we eerst een stap terug in de tijd. Tien jaar geleden was er bijvoorbeeld nog geen Strava of Runkeeper, waarmee je je hardlooprondjes in kaart kon brengen. Toen waren er nog weinig activity trackers - laat staan smart watches - om op elk moment van de dag te kunnen zien hoeveel stappen je had gelopen, hoe goed je had geslapen of hoe je hartslag omhoogschoot bij het sprintje naar de bus. Er was zelfs nog geen WhatsApp om in de groepsapp van je team de laatste ins en outs voor de wedstrijd te bespreken.

Waar staan we nu? 
De afgelopen jaren is er veel veranderd rondom sportdata. Zo heeft het verzamelen van data een enorme vlucht genomen: camerasystemen kunnen de positie van spelers tracken, sensoren worden verwerkt in sportkleding en er zijn vele applicaties ontwikkeld voor het monitoren van de sporter, zoals zijn/haar welzijn of trainingsbelasting. Deze toegenomen hoeveelheid verschillende datastromen heeft bijgedragen aan de opkomst van Athlete Management Systems, die helpen om data van meerdere bronnen en sporters te bundelen in één systeem. 

Ook de ontwikkelingen op het gebied van data-analyses hebben niet stilgestaan. De afgelopen jaren hebben artificial intelligence, data science en machine learning hun intrede gemaakt in de sport (figuur 1). Deze technieken helpen bij het maken van voorspellingen en het ontdekken van onderliggende en soms onzichtbare patronen in de data. Zo heeft de sport bijvoorbeeld meer zicht gekregen op herkenning van sport-specifieke bewegingen, trainingsprikkels voor optimale prestaties, tactiek en individuele risico’s voor blessures. 

Vruchtbaar
We zien dus dat de werelden van sport en data steeds meer naar elkaar toegroeien, ondanks dat sommige sporters, coaches en clubs terughoudend blijven in het (volledig) vertrouwen op sportdata. Eerste initiatieven voor het samenbrengen van sport en data lijken in ieder geval vruchtbaar, zoals de uitzonderlijke prestatie van Leicester City door het winnen van de Premier League of de snelste marathontijd ooit in het Breaking2-project (slechts 25 seconden van de magische grens van precies twee uur). 

Een kijkje in de toekomst
De waarde van sportdata wordt dus steeds zichtbaarder. Maar hoe ziet de sport van de toekomst eruit? We verwachten de komende jaren een groeiende rol voor de internet of sports (internet of things in sport). Wearables worden steeds toegankelijker, technologieën worden draagbaarder en deze zullen meer en meer geïntegreerd worden in de outfit van de sporter. Door de continue stroom van sportdata worden big data in sport de nieuwe norm. Hierdoor zal meer nadruk komen te liggen op het real-time verzenden en ontvangen van data, wat een extra uitdaging geeft in watersporten als zwemmen en zeilen, waarbij de sporter minder goed benaderbaar is. Drones bieden hier uitkomst om de streaming van data te vergemakkelijken. 

Daarnaast zijn virtuele (VR) trainingen in opkomst, waarmee de sporter kijkgedrag en reactievermogen kan trainen of leert omgaan met uitzonderlijke, nagebootste (wedstrijd)situaties. Met deze ontwikkelingen zal ook de vraag en invulling van data-analytics veranderen. Men zal (moeten) leren omgaan met het bewerken van grote hoeveelheden sportdata. Modelleren van sportdata neemt een vlucht en de focus van analyse verschuift van de grote groep naar het individu. De recreatieve sporter krijgt een tailormade beweegadvies op zijn smart watch om gezond door het leven te stappen. 

Stroomlijnen van dataverzameling
En in de topsport wordt uitgegaan van het individuele profiel van de sporter, waarbij machine learning meer en meer bijdraagt aan geïndividualiseerde sturing en monitoring van training, prestatie en herstel. Hierdoor kan de sporter nog gerichter stappen maken om te komen tot zijn/haar uitzonderlijke prestatie. 

De werelden van data en sport raken steeds meer in elkaar verweven. Essentieel hierbij wordt het stroomlijnen van dataverzameling, integratie van verschillende datastromen en opslag van big sportdata. We zullen moeten voorkomen dat de sportpraktijk verdrinkt in de zee van data, en juist geholpen wordt om de diamanten uit de data te halen (lees: relevante inzichten opdoet). Met de komst van innovatieve sportdata-platforms (zoals de Sport Data Valley) wordt het mogelijk om sportdata integraal te verzamelen, op één plek veilig op te slaan, slim te analyseren en te delen met anderen. Deze platforms vormen hiermee de schakel tussen sportdata, onderzoek en analysetools en verbinden recreatieve sporters, topsport, onderzoek en bedrijfsleven. 

Het is belangrijk dat analysetools de recreatieve sporters helpen om slimmer te sporten en coaches ondersteunen bij het integreren van alle informatie van de (top)sporter (fysiek, mentaal, technisch, voeding, et cetera). Data science en artificial intelligence zullen het makkelijker maken om inzichten te destilleren uit de grote bak met sportdata, en kunnen fungeren als een soort assistent-coach. 

Hierdoor kan de coach sneller feedback krijgen op de effecten van zijn/haar (trainings)sturing en hiervan leren of patronen in de data ontdekken waar hij/zij nog niet eerder aan gedacht had. Hopelijk zien we dat de sport, sportdata en data-analytics in sport elkaar steeds beter weten te vinden. Dan zeggen we binnen tien jaar misschien wel dat het is gelukt: de magische grens van twee uur op de marathon is doorbroken! 

Dr. Stephan van der Zwaard is sportwetenschapper en data scientist bij het Leiden Institute of Advanced Computer Science aan de Universiteit Leiden. Hij werkt hier als data steward (lees: data scientist en data adviseur) bij het Sport Data Valley project. In dit project zal een dataplatform worden gerealiseerd die sporters helpt om hun sportdata veilig op te slaan, te delen en analyseren. 

Dr. Arno Knobbe is informaticus en universitair docent bij het Leiden Institute of Advanced Computer Science aan de Universiteit Leiden. Hij is hier hoofd van de data mining onderzoeksgroep en directeur van het Sport Data Center consortium, een samenwerkingsverband tussen kennisinstellingen uit Amsterdam, Delft en Leiden.

Dr. Rens Meerhoff  is sportwetenschapper en post-doctoraal onderzoeker bij het Leiden Institute of Advanced Computer Science aan de Universiteit Leiden. Hij is onderdeel van de data mining onderzoeksgroep en werkt aan verschillende sport gerelateerde projecten. Hij richt zich met name op de analyse van tactiek in het voetbal.

Dr. Arie-Willem de Leeuw is post-doctoraal onderzoeker bij het Leiden Institute of Advanced Computer Science aan de Universiteit Leiden. Hij is onderdeel van de data mining onderzoeksgroep en werkt aan verschillende sport gerelateerde projecten. Hij richt zich met name op prestatieoptimalisatie en blessurepreventie.

Auke Damstra  is managing director van het Sport Data Valley project bij het Leiden Institute of Advanced Computer Science aan de Universiteit Leiden. In dit project zal een dataplatform worden gerealiseerd die sporters helpt om hun sportdata veilig op te slaan, te delen en analyseren.