Project

The secret of playing football: Brazil versus the Netherlands

Overzicht

Projectstatus
Afgerond
Start datum
Eind datum
Regio

Doel

Positiedata in het voetbal wordt steeds meer gebruikt. Er liggen echter ook kansen, met name voor tactiek, de mogelijkheden die data biedt nog beter te benutten. In dit project is onderzocht op welke wijze trainers-coaches, sportwetenschappers en data analisten werkzaam in de praktijk positie data optimaal kunnen benutten voor het verbeteren van de tactische vaardigheden van het individu en het team. In de eerste fase van het project zijn vragenlijsten afgenomen en interviews gedaan met trainers-coaches, sportwetenschappers en data analisten werkzaam in het professionele voetbal of de KNVB. De eerste fase leerde ons dat positie data steeds meer wordt gebruikt, met name voor inzicht in de fysieke vaardigheden en prestaties. Voor inzicht in de tactische prestaties van het individu of team wordt positiedata beperkt nog gebruikt en indien wel vooral als een bevestiging voor dat wat al was waargenomen met het trainersoog. Een belangrijke reden voor het nog weinig inzetten van positie data voor inzicht in de tactische prestatie blijkt de kloof te zijn tussen wetenschap en praktijk. De wetenschap draagt oplossingen aan die de praktijk nog te weinig kon/ kan toepassen in de dagelijkse werkzaamheden.
Op basis van de inzichten opgedaan in fase 1 is een protocol uitgewerkt om clubs te ondersteunen bij het benutten van positiedata. Dit protocol is tijdens een seizoen bij één van de deelnemende betaald voetbalclubs getest. De kern van de aanpak was om een betere samenwerking te creëren tussen de technische staf en de sportwetenschapper en data analist. De technische staf moet onder meer nauw omschrijven welke parameters zij uit de data wil halen, de sportwetenschapper en data analist moeten vervolgens de grote hoeveelheid data zo comprimeren en vertalen naar overzichtelijke rapportages. Dat klinkt voor de hand liggend. Echter blijkt het in de praktijk lastig te realiseren om wensen en mogelijkheden goed op elkaar af te stemmen. Door processen zoveel als mogelijk te automatiseren kan het proces van data analyse en terugkoppeling naar de technische staf versneld worden. Ook dat is een cruciale volgende stap aangezien de volgende wedstrijd in het professionele topvoetbal al binnen enkele dagen weer plaatsvindt.


Beschrijving

The scientific challenge is about unraveling the secret of Brazilian and Dutch soccer by capturing successful elements of game play of both countries,, combining expertise from data science, computer science and sport science. Suggested features from literature, as well as several novel ones, will be considered and filtered on how they capture success in soccer. A manageable set of features will then be obtained from various available Dutch datasets (focusing on successful play). Subsequently, the same features will be used to compare playing styles between both countries.

Features of game play will be approached from two different angles. The first angle (spearheaded by the Brazilian computer science partner) concerns features that capture the dynamics of game play and characterize aspects of formation on the pitch. The second angle (lead by the Dutch data science partner) will focus on how an attack is built up, and how key events (shots on goal, transitions from defenders to midfielders, etc.) can help to characterize this.

For the comparison between countries data will be collected in four different age categories in Brazil and the Netherlands during official games, in order to compare (the development of) game play between both countries. Data will be collected by means of the Local Position Measurement System, for reasons of accuracy and consistency.

The applied science part of this proposal is focusing on bridging the gap between fundamental science and soccer practice, i.e. coaches, trainers, clubs and federations. The outcomes of the fundamental part will be implemented in a coach-cockpit, a software application which trainers and coaches can use to (1) decide upon their strategy before a game, (2) analyze player- and team behaviour during a game enabling to adjust the strategy accordingly, and (3) choose and/or design training forms to improve player- and team behaviour.



© 2024 SURF