הסוד הכי פחות שמור בעולם הספורט הוא השימוש בתוכנות אנליטקס (analytics) למיניהן, שמספקות מידע מתקדם על ענפי הספורט השונים ומאפשרות למנהלי ומאמני הספורטאים לשפרם באמצעות ניתוח יעיל של הנתונים. בעוד שבעבר זה נחשב לנחלת הספורט הקבוצתי (אוקלנד אתלטיקס, קבוצת הבייסבול, נחשבת לראשונה שעשתה בשיטה שימוש נרחב כדי להצליח), היום אנחנו רואים את השיטה הזאת חודרת ליותר ויותר תחומים בעולם הספורט.
*
למשל, רק היום פורסם ב-TheMarker שנבחרת הג'ודו הישראלית, אולי באולימפיאדה המוצלחת בתולדותיה, השתמשה באפליקציה שפותחה ע"י ג'ודוקא אולימפי לשעבר לצרכי סקאוטינג.
הסקאוטינג בג'ודו, בדומה לכל ענף ספורט, היה קיים ממזמן, אבל האפליקציה שפיתח אביב חציר מביאה מידע מיידי וזמין על הג'ודוקא בהתאם למה שנשאל ע"י משתמשי הקצה שלה (משתמשי הקצה הם המשתמשים של האפליקציה, במקרה הזה הג'ודוקאים ומאמניהם). זה אפשר למקד את הליך ההכנה לקראת הקרבות בצורה יעילה יותר, וסייע לישראל לסיים אולימפיאדה עם 2 מדליסטים לצד ג'ודוקאים שהגיעו לחצי ולרבע הגמר בהתאמה.
זה עוד שלב בתהליך ההתקדמות, שמגיע גם לענפי הספורט האישיים. לכו תדעו מה יהיה ההמשך: מסלולי אתלטיקה שסופרים צעדים, את המרחק ביניהם ואת המהירות בכל צעד? בריכות שחייה שסופרות את העוצמה של כל תנועה (בין אם בוצעה בעזרת הידיים או הרגליים) והתדירות שבה התנועות האלו מתרחשות? נשמע כמו שאלה של זמן. ברגע שיותר ויותר ענפי ספורט שונים ישתמשו בכל ה-Sports Science הזה הם ישיגו יתרון עצום על יריביהם בדמות חשיפה למידע מתקדם יותר.
לצד זה חשוב להדגיש שענפי הספורט הקבוצתיים עדיין מתקדמים. ה-NBA קרובה מאוד לחתום השבוע על עסקה בשווי 250 מיליון דולר, כן כן, עם חברת מדע הספורט Second Spectrum וחברת הסטט' SportsRadar (שעוסקת בעיקר במתן מידע על הימורים, לכן לא אתייחס אליה). החברה, שבמקרה (או שלא) עובדת עם גולדן סטייט וקליבלנד, 2 הקבוצות היחידות שהגיעו לגמר בשנתיים האחרונות, אוספת כל מידע אפשרי. אפשר לראות את היעילות הזאת בניתוח לדוגמה של מהלך "זניח" מעונת הכדורסל האחרונה:
לא מדובר רק בסטטיטיקה הבסיסית (נקודות, ריבאונדים, אסיסטים, חטיפות, חסימות, איבודים, קליעות וזריקות מהשדה/מהשלוש/מהעונשין), איתה ניתן להגיע לשלל מדדים שונים, אלא בדברים מורכבים יותר. החברה בודקת את המיקום של השחקנים על המגרש, התנועה שלהם והרבה מאוד מדדים אחרים. כל זה שימושי מאוד ומנותח על ידי המחשב, אבל הדבר החשוב ביותר, מן הסתם, הוא ניתוח הנתונים.
לכל קבוצת NBA שמכבדת את עצמה יש מחלקת מדע ספורט, שזה בדיוק תפקידה-לנתח את הנתונים האלו ולהפוך אותן להמלצות של ממש. בין אם מדובר בפיתוח שחקנים יעיל יותר (איתור טעויות נפוצות של שחקן מסויים שנגמרות בסל ליריבה/בהתקפה שלא מייצרת סל), במציאת תפקידים חדשים ששחקנים יכולים לנצל ברגע המתאים (תפקיד כזה, למשל, היה התנועה בלי כדור של ג'יי אר סמית' מול קרי בסדרת הגמר) או במציאת הרכבים העדיפים מול קבוצות שמשחקות בסגנון מסויים. התוכנה הזאת הופכת לעוזר מאמן של ממש, ואולי מהווה הכלי החשוב ביותר כיום, טקטית.
אי אפשר לבנות קבוצה רק בהתבסס על תוכנת מחשב כזאת או אחרת, והכימיה בין השחקנים חשובה לא פחות ולכן כדאי תמיד שיהיה פסיכולוג ספורט בסביבה (אם אתה מוצא במקרה פרנצ'ייז פלייר עם תואר בפסיכולוגיה אז הרווח כפול, אבל טים דאנקן יש רק אחד), אבל זה כלי שימושי בכל ספורט היום. ניתוח המקום המדוייק של שחקן על המגרש, מפת החום שמראה על העומס של שחקנים ליד הסל/הרחבה והמאמץ שלהם בכל נקודה שהיא, היעילות של שחקן בביצוע תנועה מסויימת (למשל המרחק הממוצע שהוא יוצר לשחקן עם הכדור כתוצאה מחסימה בהתקפה) הם נכסים שאי אפשר להמעיט ביכולתם ושווים לא פחות מהיתרון שנותן מאמן כזה או אחר.
אין תחליף ליכולת של עשיית שינויים בזמן אמת, אבל בהכנה למשחקים/מקצים ובניתוח שלהם (אגב, האפליקציה StatsZone של 4-4-2 מומלצת בחום לכל חובבי הכדורגל שבינינו) אין תחליף לאנלטיקס. ככל שיחשבו על עוד ועוד דרכים לנתח את מה שקורה על המגרש בעזרת כלים פיזקליים ומתמטיים שונים, הקבוצה שתשתמש בהם תרוויח יותר. זה אחד ממירוצי החימוש המעניינים ביותר בעולם הספורט המודרני, לא פחות מאיזה שחקן מכר הכי הרבה חולצות. יחד עם זה, יש השפעה ישירה על הענף (ריבוי השלשות למשל וההעלמות הכמעט מוחלטת של זריקות המיד-ריינג') שמקורותיה כמעט סמויים מן העין.
שגיא נאור
14 אוג 2016 17:50:19תודה רבה, רועי. אין ספק לגבי החשיבות של זה כיום ואם זה רלוונטי לענפים הקבוצתיים אין סיבה שזה לא יגלוש למקצועות היחידים.
משהו שקפץ לי לראש – מדד שבודק את מידת המאמץ של ספורטאי במהלך המשחק בשביל לשמור אותו כשיר ורענן למאני טיים. למשל להגיד ללברון 5 דקות לסוף לנוח דקה, שתיים על המגרש או אפילו להוריד אותו לספסל בשביל שלא ייגמר לפני הסוף.
מנחם לס
14 אוג 2016 18:41:03אנליטקס מדעי וסטטיסטי היה נחלת הספורט מאז ומתמיד, אבל השימושים ממשיכים להתפתח בגלל היכולת המשתפרת במדידות השונות
ספלאש
14 אוג 2016 18:45:13זה די מדהים שאורי ששון לקח מדליה עם תרגיל אחד בלבד כל התחרות, לא?
תרגיל הירידה לברכיים ומשם למשוך את היריב ולנסות להפוך אותו. גם שאי הפרשן רק דיבר כל הזמן על התרגיל הזה, ומתי ששון הולך לנסות אותו
אפלטון
14 אוג 2016 18:47:39מצויין. נראה שרמת הגבול האנושי מתקרבת לקצה. צריך לנצל כל מה שאפשר בשביל להשיג את היתרון הכי קטן.
Mbk
14 אוג 2016 18:54:25אחלה פוסט !
לדעתי ואכתוב על כך פוסט דווקא בג׳ודו הנבחרת שלנו לא הבריקה
לכל ג'ודוקא יש 2-3 תרגילים שהוא מבצע בצורה משולמת , מלבד זה …נראה שדווקא בקרבות הטקטיים פישלנו קצת
רועי ויינברג
14 אוג 2016 20:18:36אם זה לא שבור, למה לתקן את זה?
אפילו אם הקרבות שלהם היו פשוטים יחסית (אני לא יודע, אני לא פרשן ג'ודו/צופה בענף באדיקות, יכול להיות שאתה כן), הם הלכו על תרגיל פשוט שעבד להם.
אם זה מה שהביא אותם לטופ העולמי, אז זה עובד. ובאולימפיאדה הזאת זה עבד. עם פעמיים מקום שלישי, מקום חמישי ומקום שביעי קשה מאוד להתווכח.
Mbk
14 אוג 2016 20:41:44זה שבור
אני אסביר באריכות
יאיר
14 אוג 2016 19:46:00תוך 4-5 שנים ימונה מחשב לאמן קבוצה בnba ויש סיכוי יותא מסביר שהוא יעשה עבודה טובה יותר מדוק ריברס.
רועי ויינברג
14 אוג 2016 20:01:0810+
p
14 אוג 2016 20:04:00עבודה טובה יותר מדוק ריברס, גם תינוק בן 3 יודע.
שניהם יודעים לבכות בלי סיבה, לפחות לתינוק יש פוטנציאל…
Berch
14 אוג 2016 20:55:18ויצטרכו למצוא ג'וב למחשב מיני…. הבן שלו…..
דן
15 אוג 2016 03:51:08סופר מעניין, תודה.
הסרטונים של ספורט סיינס הם פשוט גיבוב נתונים שלא קשור לכלום, אבל עדיין כיף לראות…
עגל
15 אוג 2016 13:29:06תודה רועי. זה נושא נאוד מעניין שללא ספק רק ילך ויכנס לכל קבוצה, למגינת ליבו של האשך טמיר. הבעיה בתוכנות האלה היא לא איסוף הנתונים אלא הניתוח שלו בצורה ש makes sense. ישנו כבר עכשיו עודף אינפורמציה והמאמנים לא יודעים להסיק את המסקנות הנכונות.
אשך טמיר המקורי
15 אוג 2016 17:20:49+1 🙂
אנונימי בפיתה
15 אוג 2016 20:19:19ואז יהיה את ניאו שישבור את התוכנה