Täpsem info, parem juhtimine

Juhtimisinfo


Jalgpall ja analüütika osa 2: mäng mõõdikutega

Postitatud 27.06.2016

Andres Kukke 
Vaata ka 1 osa: Mis on ühist mängul palliga ja mängul andmetega 

 


Arengu seisukohalt oleks huvitav jälgida mitte niivõrd mängu lõpptulemust, vaid protsessi ehk tegevusi, kuidas sellise tulemusteni jõuti. Mõõdikute teoorias on teada, et sama olulised kui tulemusmõõdikud (KRI – key result indicators) nagu näiteks käive, toodangu kogus või mängu lõpptulemus, on ka tegevusmõõdikud (KPI – key perfromance indicators) nagu näiteks võtmeklientidega planeeritavate kohtumiste arv, parendusettepanekute arv, jne. Sest ainult nii on võimalik võtta õigeaegselt vastu otsuseid ja teha tegevusi tulemuste parandamiseks, pelgalt käibenumbri vaatamine meile tegevusjuhiseid ei anna.
Vaata ka minu ühte varasemat blogi: 7 soovitust mõõdikute kasutuselevõtuks.

Nii oleks jalgpallis näiteks huvitav uurida, mitu % väravatest löövad vahetusmängijad või seda, kas ütlusel „kui sa ise väravaid ei löö, siis lüüakse need sinule“ on tõepõhi all ehk siis, kas väljamängitud ent löömata väravatega rünnakutele järgnevad väravad vastasmeeskonna poolt.

Siinkohal tõmbaksin paralleeli ettevõtte igapäevaste tulemuste jälgimisega: kas teie ettevõttes on võimekus nii erinevate nurkade alt oma tegevusi analüüsida? Ja kui on, kas need pildid on samuti visuaalsed ja kasutajatele kergesti arusaadavad ning andmed omavahel seostatud? Kas lisaks mineviku analüüsile oskate ka ette ennustada, kas suudate prognoosida oma ettevõtte 2016 aasta teise poolaasta käivet? Kui vastus mõnele küsimusele on „ei“, siis tasuks mõelda professionaalse analüüsirakenduse peale.

 

Tegevusmõõdikud jalgpallis

Qlik’i Jalgpallirakenduses pole seekord tegevusmõõdikuid eraldi välja toodud, sestap  sukeldusin veelkord interneti avarustesse ja sealt vaatas vastu päris huvitav pilt. Esiteks sain kiiresti selgeks, et tänapäeva mängijatel on küljes andurid, mis võimaldavad mängu igatpidi analüüsida. Kuivõrd neid andmeid just reaalajas kasutatakse, on iseküsimus. Kusagilt meenub, et mobiilsete seadmete kasutamine väljakul kõrval oleval alal on justkui keelatud. Aga vaheajal tõenäoliselt mitte… Omaette huvitav oleks muidugi teada, kas ka Eesti jalgpallis allpool toodud analüüse kasutatakse.

 

 

 

 

 

 

 

 

 

 

Fakt, et mängu ajal läbib jalgpallur umbes 10 kilomeetrit, pole uudis vaid teada tuntud tõsiasi mängude statistikast. Mida aga avalikkuses vähem teatakse, või vähemalt pole mina seda näinud, on pilt, mis näitab millises väljaku piirkonnas mäng toimus. Allpool on toodud nn. “kuumusgraafik“, mis näitab ilmekalt, et miskipärast koondus antud mäng selgelt ühele äärele ja väljakupoolele. Sellise pildimaterjaliga varustatuna võiksin meist igaüks vahelduseks jalgpalli treeneriks hakata ning proovida arutleda, mida teha selleks, et mäng teisele poole äärde viia.

 

 

 

 

 

 

 

 

 

 

 

Ärianalüütikuna sooviks sellest pildist minna sügavamale ja uurida, kes seal ääres siis mängis ning kuidas täpselt sööte jagati. Seda oleks võimalik teha alloleva näidispildi alusel. Punane punkt tähistab joonisel kõige levinumat mängija positsiooni mängus ning joone laius söötude arvu meeskonnakaaslastele. Näeme, et selles meeskonnas oleks nagu kaks kaitsjat ning neli ründajat, samas üks äärepoolik ei kasuta erinevalt teisest äärepoolikust keskvälja mängijat. Huvitav miks ?

 

 

 

 

 

 

 

 

 

 

 

Söötude puhul võiks edasi analüüsida, mis suunalised need olid ja kust kuhu söödeti.

 

 

 

 

 

 

 

 

 

 

Lisaks suunale peaks vaatama ka söötude pikkusi, alloleval graafikul on enamlevinumad söödud 11-15 m. Teades seda, saab treener ette valmistada treeningkavad. Nii jõuabki analüütika igapäevastesse tegevustesse ja muudab sõna otseses mõttes mängu!

 

 

 

 

 

 

 

 

 

 

Viimasena toon välja pildid analüüsist, kus on kujutatud kõik mängu ajal tehtud söödud. Need on omakorda jagatud neljaks – sinised on edukad söödud, punased mitte-edukad, helesinised söödud on need, millele järgnes löök raamidesse ning kollased söödud on need, mis lõppesid suisa väravaga. Tundub, et antud meeskond lõi kaks väravat. Pildil on näha mitmeid mustreid – ebaõnnestunud kauglöögid välja, mängu aktiivsuse kaldumine allapoole, ääresöötude ebaefektiivsus ning vähene aktiivsus keskväljal, vahetult 16 m kasti ees.

 

 

 

 

 

 

 

 

 

 

 

 

 

Mäng andmetega, milline on sinu skoor?

Neid pilte vaadates teeksin järgmise üldistuse: analüütika jalgpallis ei erine palju ettevõtete igapäevasest ärianalüütikast, kus vaja analüüsida nii tulemusi, kui ka tegevusi erinevatest aspektidest. Näiteks ettevõtte tehtud turundus- või müügipakkumisi võiks samuti mõõta nagu sööte – osad on neist luhta läinud, kuna klient ei saa söötu kätte, samas osad skoorivad ning järgneb värav ehk  ostusündmus. Samuti on ärianalüütikas olulisel kohal nö. levinumate skooride ehk ristmüügi kombinatsioonide analüüs, või söödud meeskonnakaaslastele ehk osakondade omavahelise koostöö tulemus – kõike seda peaks mõõtma ja analüüsima igapäevaselt. Võimalik, et nii analüüsides avastate persoone, kes omavahel sööte ei vahetagi või siis on mõned kombinatsioonid edukamad kui teised.

Kokkuvõtvalt, ka jalgpalli näitel võib öelda, et andmeanalüüs aitab meil homme olla parem mängija. Nii ka ettevõtte juhina annab analüütika võimaluse olla objektiivsem, pakkuda oma meekonnale paremaid nõuandeid ning võimaluse vähendada homset ettemääratust.

Elagu jalgpall, elagu andmed, elagu analüütika!

 

 

 

Comments are closed.




↑ Lehe algusesse