Спорт высших достижений: нестандартная сфера для процессной аналитики

Есть мнение, что спорт – наиболее консервативная индустрия, особенно футбол. Классические фанаты любят бить себя в грудь, целовать эмблему и требовать мясной борьбы за каждый спорный мяч от своих мужиков. Тем не менее, игра куда сложнее, чем кажется на первый взгляд, несмотря на низкую результативность. Есть красивая легенда о приходе в футбол статистических моделей: Билли Бин, “Человек, который изменил все”, занял пост спортивного директора в команде-аутсайдере, подобрал игроков с помощью анализа данных и сходу занял второе место. Конечно, в этой истории зачастую умалчивается очень важная деталь – на следующий год клуб посыпался вниз и чудом сохранил место в высшем дивизионе. Эксперты объясняют провал недостаточно развитыми технологиями (дело было в конце девяностых), потому кейс берется в качестве отправной точки.

Сейчас ситуация складывается совершенно иначе. Продвинутые статистические модели получили повсеместное использование, а соревновательный дух и жажда успеха (как спортивного, так и коммерческого) заставляют клубы и организации искать новые способы оптимизации производительности команд и спортсменов. Интеграция Process Mining – новая горизонталь, предоставляющая клубам инструменты для более глубокого понимания и улучшения спортивных процессов. Может показаться, что материал актуален с точки зрения западных спортивных клубов, но это не так. Например, недавно питерский “Зенит” объявил о переходе на отечественный софт соответствующего класса. Рынок российских решений не страдает недостатком продуктов (например, Sber Process Mining и Proceset) , тем не менее, вернемся к технологии и выделим ключевые направления и точки приложения пользы:

1. Оптимизация Трансферов

Или переходов игроков между командами, если кто-то не понял. Кейс: Манчестер Юнайтед не продал основного голкипера в мадридский Реал, потому что сломался факс. Да и вообще, МЮ – пример, на котором нужно показывать пользу внедрения Process Mining. Трансферы не самых сильных футболистов за огромные деньги, массовые закупки неликвидных футболистов – опорные точки провалов последних лет. Внедрение Process Mining позволило бы выявить узкие места переговорного процесса, создать связку с аналитическими системами скаутов и выявлять талантливых игроков на ранних стадиях. Ко всему прочему, процессная аналитика дает возможность исследования текущей формы действующих игроков, сравнивая тренировочные показатели с игровыми.

2. Оптимизация тренировок

Тренировочные процессы являются краеугольным камнем успеха для спортсменов и команд. Использование Process Mining позволяет анализировать данные о тренировках, медицинских обследованиях и реабилитации. Это позволяет тренерам и врачам принимать более обоснованные решения о нагрузках, планировании тренировок и предотвращении травм. Эффективные тренировочные процессы помогают повысить производительность спортсменов и снизить риск повреждений.

3. Оптимизация анализа Матчей

Продвинутые статистические модели, поддерживаемые Process Mining, могут быть использованы для анализа игровых данных. Это включает в себя оценку тактики команды, выявление сильных и слабых сторон игроков, а также идентификацию поведенческих паттернов во время игры. Эта информация помогает тренерам разрабатывать более точные стратегии и планы игры.