Skip Navigation LinksHome-Nieuws-Column XL-Item

Talentontwikkeling door clubs: identificeren of opleiden? 4 juni 2019

door: Susan Nederveen & Otto Koppius

Frenkie de Jong en Matthijs de Ligt: het zijn twee van de grootste talenten bij Ajax de laatste jaren, maar tegelijkertijd illustreren ze ook twee hele verschillende aanvliegroutes voor talentontwikkeling door clubs. De Ligt is een voorbeeld van de opleidingskwaliteiten van een club: al op hele jonge leeftijd (9 jaar) bij Ajax gekomen en daar volledig intern opgeleid. De Jong daarentegen is een voorbeeld van de identificatiekwaliteiten van een club: tot zijn 18e bij Willem II gespeeld zonder daar echt door te breken, vervolgens gescout door Ajax die iets in hem zag en bij Ajax in korte tijd uitgegroeid tot een topspeler. Beide routes zijn dus mogelijk, maar je kunt als club niet onbeperkt in beide routes investeren, dus waar moet je prioriteit aan geven? Wat is belangrijker voor een club: talent identificeren of talent opleiden? En hoe kunnen we dat goed met data onderbouwen?

Talentontwikkeling meetbaar maken in een teamsport brengt een hoop complicerende factoren met zich mee, dus om een eerste antwoord te geven op deze vraag, kijken we naar talentontwikkeling in een individuele sport: zwemmen. Dit heeft het voordeel dat we een duidelijke prestatiemaatstaf hebben, namelijk persoonlijke records, waarbij we in het bijzonder naar de 100m vrije slag kijken omdat dat de meest universeel gezwommen slag is1. Om het effect van talenten identificeren versus talenten opleiden duidelijk te kunnen contrasteren, kijken we specifiek naar situaties waarin een jeugdzwemmer/jeugdzwemster2 overstapt naar een andere club. 

Door de voortuitgang van het PR in de jaren na de overstap te vergelijken met dat van de zwemsters in dezelfde leeftijdscategorie, krijgen we een indicatie van hoe goed de nieuwe club is in het opleiden van talenten

Identificeren van talent
Dit is in feite een soort ‘veldexperiment’: van een zwemster die overstapt naar een nieuwe club, weten we haar persoonlijk record voor de overstap. Door haar PR voor de overstap te vergelijken met de PR's van de andere zwemsters in haar leeftijdscategorie, krijgen we een indicatie van hoe goed de nieuwe club is in het identificeren van bovengemiddeld getalenteerde zwemsters3. Door vervolgens de voortuitgang van haar PR in de jaren na de overstap te vergelijken met dat van de zwemsters in dezelfde leeftijdscategorie, krijgen we een indicatie van hoe goed de nieuwe club is in het opleiden van talenten.

XL20-OpenPodium-SNOK-1Een concreet voorbeeld: in 2013 maakt een 14-jarige zwemster een overstap. Op het moment van overstap heeft ze een PR van 69 seconden op de 100m vrij. De mediaan van alle 14-jarige zwemsters in 2013 is 73.56 seconden, waarmee ze een relatieve prestatiescore heeft van (69/73.56)*100 = 93.84. Twee jaar later, als ze 16 is, zwemt ze de 100m vrij in een nieuw PR van 67 seconden. De mediaan van alle 16-jarige zwemsters in 2015 is 69.77 seconden, wat haar een relatieve prestatiescore geeft van (67/69.77)*100=96.0. Hoewel ze dus in absolute zin zeker vooruitgegaan is, is de concurrentie nog meer vooruitgegaan en heeft de club haar dus relatief iets minder goed opgeleid.

Zwemclubs zijn over het algemeen goed in staat om de talenten te identificeren

Zwemmers/zwemsters twee jaar na overstap gevolgd
Deze scores hebben we berekend aan de hand van data van Swimrankings.net voor 334 jeugdzwemmers en –zwemsters die in de periode 2012-2015 een overstap gemaakt hebben en die we vervolgens tot twee jaar na hun overstap gevolgd hebben qua ontwikkeling van hun PR. Voordat we naar de vraag over het relatieve belang van talent identificeren of talent opleiden gaan, eerst twee grafieken om een wat beter beeld te geven van de data. 

XL20-OpenPodium-SNOK-2Ten aanzien van talenten identificeren laat de data links in figuur 1 duidelijk zien dat het de betere zwemsters zijn die een overstap maken: de PR's van zwemmers/zwemsters die een overstap maakten (blauw) liggen duidelijk meer naar links (m.a.w. snellere tijden) dan de PR's van zwemmers/zwemsters die geen overstap maakten (rood). Met andere woorden: zwemclubs zijn over het algemeen goed in staat om de talenten te identificeren.

Kleine stapjes
Ten aanzien van talenten opleiden laat de data hieronder in figuur 2 zien dat verreweg de grootste ontwikkeling plaatsvindt in de periode tot 17 jaar (meisjes) en 18 jaar (jongens). Uiteraard vindt er daarna zeker nog wel verdere ontwikkeling plaats in een aantal gevallen, maar dit zijn vaak maar hele kleine stapjes (en zoals de verdeling laat zien, zijn er ook de nodige zwemmers en zwemsters die niet meer in de buurt komen van hun PR na die leeftijd)5

XL20-OpenPodium-SNOK-3Deze gegevens ten aanzien van de PR's en de ontwikkeling ervan hebben we per zwemmer en zwemsters geanalyseerd zoals boven beschreven in het voorbeeld. Deze hebben we vervolgens geaggregeerd tot prestaties op clubniveau om met behulp van een multilevel regressie in combinatie met een relative weight analysis (RWA)6 het relatieve belang van talent identificeren versus talent opleiden voor clubs te kwantificeren. Hieruit bleek dat het relatieve belang van talent opleiden 15% was en het belang van talent identificeren maar liefst 85%! 

De Frenkie de Jong-route zet in het zwemmen veel meer zoden aan de dijk dan de Matthijs de Ligt-route

Twee kanttekeningen
Voordat clubs echter nou al hun trainers de deur uit doen en vervangen door pure scouts, wel twee kanttekeningen bij de interpretatie van deze resultaten. Ten eerste is een goede interne opleiding voor een club noodzakelijk om talenten überhaupt te kunnen bewegen om een overstap te maken, want geen talent zal willen overstappen naar een club die talenten niet verder helpt. Ten tweede, en nog belangrijker: die 15% opleiden zal in de praktijk wel het verschil maken tussen een talent dat de top wel haalt en een talent dat de top niet haalt, dus opleiden blijft essentieel. Wat de data wel zeggen, is dat de Frenkie de Jong-route in het zwemmen veel meer zoden aan de dijk zet dan de Matthijs de Ligt-route. Kortom, de zwemclub die eens gaat kijken bij het Willem II van het zwemmen, zou zomaar eens een nieuwe topper kunnen vinden.

XL20-OpenPodium-SNOK-4Noten:

  1. We hebben ook de 100m vlinderslag geanalyseerd, waar vrijwel dezelfde patronen uitkwamen. In deze column beperken we ons daarom tot de 100m vrije slag. We hebben ons alleen gericht op tijden gezwommen bij wedstrijden in 25m-baden, omdat die veel vaker voorkomen dan wedstrijden in 50m-baden.
     
  2. We hebben data van zowel jongens als meisjes geanalyseerd, maar de uitkomsten t.a.v. het belang van identificeren vs. opleiden verschilden niet substantieel.
     
  3. Uiteraard zijn er ook overstappen die niet het gevolg zijn van scouting door de nieuwe club, maar door andere oorzaken zoals verhuizing van de ouders. Deze kunnen we niet uit onze data filteren, maar omdat dit soort overstappen onafhankelijk zijn van de talentstatus van een zwemsters, betekent dat dat onze resultaten aan de conservatieve kant zijn.
     
  4. Omdat we de mediaan gebruiken in plaats van het gemiddelde (om de invloed van uitschieters niet te groot te maken), betekent een score onder de 100 dat een zwemster bij de ‘snellere helft’ zit van haar leeftijdscategorie en een score boven de honderd dat een zwemster bij de langzamere helft zit. Met andere woorden: hoe lager de score, hoe relatief sneller de zwemster.
     
  5. Voor verdere achtergrond over de lange-termijn carrière van zwemmers en zwemsters: Allen et al. (2014) laten zien dat de piekleeftijd van olympiërs op ongeveer 24 jaar (m) en 22 jaar (v) ligt en dat olympiërs in aanloop naar de piek gemiddeld 2,4% zijn vooruitgegaan in de vier jaar voorafgaand aan de piek 
     
  6. Zie een eerdere column over Formule 1 voor meer uitleg en verwijzingen waarom RWA een betere methode is.

Susan Nederveen is in 2019 afgestudeerd aan de Rotterdam School of Management bij de CEMS Master Master in International Management. Deze column is gebaseerd op haar afstudeeronderzoek.

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 universitaire werk is hij roeicoach en heeft hij meerdere ploegen naar wereldkampioenschappen en andere grote toernooien begeleid. Voor meer informatie: okoppius@rsm.nl.

« terug

Reacties: 5

Peter Oldenhof
04-06-2019

Reactie als zwemtrainer: vanuit de kale cijfers (PR'en ontwikkeling) zie je niet hoe de techniekontwikkeling van een zwemmer over de jaren heen verloopt. Investeren in een solide, brede basis van techniek zorgt ervoor dat de prestatie uitbouw ook op oudere leeftijd nog mogelijk blijft.

Het is niet moeilijk om jonge zwemmers al vroeg hard te laten zwemmen, maar daarmee beperk je de uiteindelijke doorgroeimogelijkheden, als je niet gelijktijdig voldoende investeert in techniekontwikkeling van de zwemmer.

Dit aspect haal je niet uit deze cijfers en conclusies.

Met sportieve groet,

Peter Oldenhof
(trainer bij De Dolfijn) 

Henk Kraaijenhof
04-06-2019

Leuke poging om het belang van data en analytics afkomstig uit het management in de sport voor het voetlicht te brengen. Helaas een mislukte poging: talentidentificatie en talentopleiding laten zich nu eenmaal niet vangen in simpele getallen, door complexe statistieken of met enkelvoudige parameters. Ik noem een paar kleine factoren, inderdaad een belangrijke factor is dat bijv. dat overstap naar ene andere club niet altijd gebeurt op basis van talentscouting, maar domweg omdat een sporter gaat verhuizen bijv. in verband met studie en zich dus gewoon bij een andere club aansluit. (punt 3). De essentiele vraag is hoe vaak dit nu voorkomt. Tweede factor is natuurlijk dat verandering van spijs doet eten, verandering van club levert vaak een verbetering van prestaties op ten opzichte van degenen die daar al 5 of 6 jaar lid zijn, en dus gewend al zijn aan de accommodatie, de trainer, de aanpak, enz. Een nieuw lid geeft de neiging zich te bewijzen en zijn/haar visitekaartje af te geven ten opzichte van de bestaande groep. In veel gevallen is er geen sprake van een aparte scout, maar IS de trainer de scout en de trainer selecteert dan natuurlijk sporters die hij/zij ziet passen bij zijn eigen aanpak. Bijv. een trainer die heel erg let op techniek of juist op fysieke conditie, zal ook talenten scouten die hierin al uitblinken. Talent is ook heel vaak een verklaring achteraf, vaak hoort men dat iemand, vaak een trainer, al heel vroeg wist dat een succesvolle sporter als junior talent had:  'het zat er al vroeg in'. Natuurlijk, als er 1 van de 20 gescoute talenten daadwerkelijk goed gaat presteren hebben er dus 19 waarvan diezelfde trainer ook zag dat ze talent hadden, maar later niet doorbraken, en dat dus fout had gezien! Daar hoor je nooit iets over. Om kort te gaan, talentscouting en -identificatie is te complex om over te laten aan managers en zogenaamde managementtechnologieen.

Otto Koppius
05-06-2019

Hallo Peter,

Dank voor je reactie en je punt van een eerst een brede techniek-basis ontwikkelen onderschrijf ik volledig. We hebben dat in dit stuk proberen te ondervangen door alleen naar zwem(st)ers te kijken die tussen de 13-16 jaar oud waren op het moment van transfer, want vanuit het MOZ van de KNZB zouden we verwachten dat rond die leeftijd al een behoorlijke basis gelegd zou moeten zijn. Tegelijkertijd stopt techniekontwikkeling uiteraard niet op die leeftijd, dus we kunnen zeker niet uitsluiten dat er ook in die oudere leeftijdsklassen zwemmers zullen zijn waarbij de balans tussen prestatie en doorgroeimogelijkheden scheef zit. Dat effect zal naar verwachting alleen wel kleiner zijn dan wanneer we ons op zwemmers van b.v. 9-11 jaar hadden gefocust. 

Dat spanningsveld tussen focus op korte-termijn prestaties en focus op lange-termijn doorgroeimogelijkheden is erg interessant, zowel wetenschappelijk als praktisch. Er zijn ook zeker analyse-methoden om dat soort prestatie-curves op een correcte manier te modelleren en daarin ook factoren als techniekontwikkeling mee te nemen (mits daar enigszins consistente data over beschikbaar is). Dan kun je b.v. in kaart brengen of je inderdaad 'te snel' vooruit kunt gaat het ene jaar, waardoor je voortuigang in latere jaren geremd wordt. Die methoden vereisen echter wel gedetailleerdere data over een langere periode dan we nu tot onze beschikking hadden via Swimrankings, waardoor we dat helaas niet hebben kunnen doen. Ik kan me prima voorstellen dat er binnen een club als De Dolfijn wel veel meer gedetailleerde data beschikbaar is, dus stuur me gerust een email als je hier eens verder over wil praten.

Groeten,

Otto

Otto Koppius
05-06-2019

Hallo Henk,

Leuk dat dit stuk voer voor discussie geeft, ik herinner me nog een een workshop die je een jaar of 5 geleden gaf voor Rotterdam Topsport voor een aantal coaches diverse RTCs waar de prikkelende ideeen over talentidentificatie en -ontwikkeling over de tafel vlogen.

De drie factoren die je noemt (verhuizing, verandering van spijs en talentherkenning als achteraf-verklaring) zijn in theorie op zich correct en zouden onze resultaten potentieel kunnen ondergraven, als we daar geen rekening mee hadden gehouden. In dit geval spelen ze echter geen grote rol in onze analyse door een aantal voorzorgsmaatregelen die we hebben genomen bij de dataverzameling en -analyse, maar die we niet uitgebreid hebben kunnen uitleggen i.v.m. de beperkte hoeveelheid woorden, dus blij dat ik dat alsnog even kan toelichten. 

Wat betreft verhuizingen: we hebben ons op de leeftijdcategorie 13-16 gericht en dat is over het algemeen niet de leeftijd waarop studie-gerelateerde verhuizingen plaatsvinden. Maar zoals we al opmerken in voetnoot 3, kunnen we 'normale' verhuizingen (of andere niet-prestatie-gerelateerde overstappen) niet uitsluiten, maar als we dit wel hadden kunnen doen, dan was die 85% voor talentidentificatie waarschijnlijk nog hoger geweest. Ter illustratie een gedachten-experiment: stel dat alle overstappen puur als gevolg van verhuizingen zouden zijn, en er dus geen enkel verband is met prestaties. Dan zouden in figuur 1 de blauwe curve (tijden van overstappers) en de rode curve (tijden van blijvers) elkaar exact moeten overlappen, want een overstap is dan puur willekeurig, dus zullen er net zoveel snelle als langzame zwemmers een overstap maken. In werkelijkheid ligt het zwaartepunt van de blauwe curve al duidelijk links van de rode curve (snellere zwemmers maken eerder een overstap), ondanks dat in de blauwe curve een aantal willekeurige overstappen in zitten die het zwaartepunt wat meer naar rechts trekken dan dat het eigenlijk zou zijn. Dus als we die willekeurige overstappen eruit zouden kunnen filteren, dan schuift de blauwe curve nog verder op naar links, wat het relatieve belang van talentidentificatie nog groter zou maken. Uiteraard weten we niet hoeveel precies en daarom houden we de conservatieve ondergrens aan van 85%.

Wat betreft "verandering van spijs doet eten": dit zal zeker voorkomen, maar het omgekeerde komt natuurljk ook voor. Je moet wennen aan een nieuwe omgeving: je vriendjes en vriendinnetjes van je oude club zijn er niet meer, je hebt andere trainingstijden en -schema's, je hebt een nieuwe trainer met een andere leerstijl etc. Dit aanpassingsproces zal per individu erg zal verschillen, zowel of het positief of negatief uitpakt de eerste tijd, alsook de snelheid waarmee iemand zich aanpast aan de nieuwe omgeving. Daarom hebben we (zoals ook beschreven in het stuk) een periode van twee jaar genomen om de vooruitgang te meten. Twee jaar zou, op een enkele uitzondering na, lang genoeg moeten zijn zodat alle positieve en negatieve effecten van aanpassen aan een nieuwe omgeving gestabiliseerd zijn.

Wat betreft je punt over talentherkenning achteraf: dat komt absoluut voor. Daarom hebben we ook bewust ervoor gekozen om geen arbitraire scheidslijn te maken tussen 'wel talent' en 'geen talent'. In plaats daarvan hebben we een meer inclusieve aanpak gekozen, waarbij we alle overstappen hebben onderzocht op hoe die zich vervolgens ontwikkelden, ongeacht of die voor de overstap boven- of benedengemiddeld presteerden op welk vlak dan ook. In die zin volgen we puur het talentidee dat elke trainer heeft: of de ene trainer nou vooral let op fysieke kwaliteiten en de andere trainer nou vooral let op technische kwaliteiten in het scoutingsproces, zodra er een overstap plaatsvindt, is er ergens in het proces een inschatting geweest door een trainer van hoe 'talentvol' die zwem(st)er is (wel met de kanttekening van de 'willekeurige' overstappen zoals hierboven uitgelegd). Waar die inschatting precies op gebaseerd is, zou uiteraard interessant zijn om te weten, maar is voor ons model niet nodig. De enige aanname die we in onze analyse doen, is dat een trainer alleen een zwem(st)er zal scouten die hij/zij verwacht te kunnen ontwikkelen, dus die op zijn minst enigszins past bij de aanpak van die trainer. Dat lijkt me een redelijke aanname. Zodra aan die minimale voorwaarde voldaan is, kijken wij wat de ontwikkeling van die zwem(st)er is in de jaren daarna. Onze hoofdconclusie gaat dus over de ontwikkeling na de overstap, ongeacht of daar nou een (semi-arbitrair) talentstempel op geplakt is, afgezien van de minimale voorwaarde hierboven geschetst.

Wat betreft je laatste zin (de term 'zogenaamde managementtechnologieen' kan ik overigens niet goed plaatsen, over welke technologie heb je het?!) over de complexiteit van talentscouting en -identificatie: natuurlijk is dat enorm complex en nergens in het stuk suggereren we dat er een simpele factor is waarmee we talent zouden kunnen aanwijzen. Maar als ik moet kiezen tussen simpelweg verzuchten 'het is super-ingewikkeld' en dan de moed opgeven dat we hier ooit iets zinnigs over kunnen zeggen, of er juist actief, wetenschappelijk onderbouwd onderzoek naar doen om te kijken of we daardoor een beetje dichterbij de oplossing kunnen komen, dan weet ik wel wat ik kies. Challenge accepted.

Henk Kraaijenhof
06-06-2019

Hallo Otto,

Bedankt voor je uitgebreide en degelijke respons. Allereerst, met management-technologieen bedoel ik niet zozeer hardware alswel software, data analyse, statistieken etc. om prestatieontwikkelingen te monitoren en te managen. Wat blijft staan is de vraag of talentidentificatie en talentontwikkeling op deze manier zuiver gemeten kan worden en of hier conclusies aan verbonden kunnen worden. De assumptie is dat prestatieverbeteringen te voor een groot deel te wijten zouden zijn de kwaliteit van het ontdekken of het ontwikkelen van talenten. Ik durf dit te bestrijden op basis van langdurige observatie van prestatieontwikkelingen in diverse takken van sport en met name naar de oorzaak daarvan. Er zijn m.i. veel redenen om na een overstap naar een andere club beter te gaan presteren. Een paar voorbeelden: bij de oude club werd getraind op een grasveld, terwijl de nieuwe club een kunststof-accomodatie heeft, (betere accomodatie dus) of bij de oude club werd 3 keer per week getraind, bij de nieuwe club traint iedereen standaard 5 keer per week, natuurlijk geeft dat een prestatieverbetering die met talentidentificatie of opleiding op zich weinig te maken heeft. Nee, ik verzucht niet alleen dat het complex is (dat wist ik al heel lang), maar probeer door middel van DNA-test, spierbiopsies en andere meetmethoden uit te vinden in welke mate de individuele sporter beschikt over relevante kwaliteiten en manier om deze te ontwikkelen en het potentiaal te benutten. Met het woord talent heeft dat, gelukkig, weinig te doen.

Reactie toevoegen

Naam*
E-mailadres*
Reactie*
Stuur mij een e-mail als er een nieuwe reactie wordt geplaatst