Article publié par Guillaume Croizet, Consultant & Salim Benelhadj, Senior Consultant chez Keyrus Management Pour en savoir + sur Keyrus Management, rendez-vous sur ce lien.

Nous avons tous déjà regardé le film Moneyball. Si ce n’est pas votre cas, allez voir ce film tout de suite ! Mais vous êtes libre de terminer de lire cet article passionnant juste avant d’y aller.

Ce film qui relate les exploits d’une équipe de baseball bâtie avec un budget serré et qui, grâce à des données statistiques, se hisse jusqu’à la finale du championnat de MLB (Major League Baseball) est en quelque sorte une version primitive de ce qui se démocratise aujourd’hui dans le monde du sport de haut niveau : la data analytics ou l’analyse des données. Tous les sports sont ou pourraient être concernés :

• Football : a un partenariat avec SAP, qui a développé une solution permettant au staff d’avoir toute une série de statistiques sur les joueurs, non seulement pendant les entraînements/matchs de manière instantanée (courses à haute intensité, précision de passes), mais aussi de prévoir certains paramètres et ainsi aider le coach à prendre des décisions.

• NBA : Le basket outre-Atlantique est un sport où la statistique est reine. Rien n’échappe aux radars : précision au tir, touches de balle, moyenne de points… Grâce à une heat map,

  on peut même coupler ces statistiques à un endroit précis du terrain. Dans l’exemple ci-dessous, on étudie les FGA (Field Goal Attempts – ce sont tous les tirs tentés par l’ensemble de l’équipe ou un joueur) : plus la couleur d’une zone est rouge, plus cette zone du parquet a été foulée pour les FGA, en l’occurrence pour Boston à gauche et pour Deron Williams à droite (joueur des Dallas Mavericks). On peut ainsi décliner cette heat map pour tout type de statistique (dans quelle zone sont commises les fautes, depuis quelle zone la précision du tir est plus élevée, etc.).

Source : Lebigdata.fr

• NFL : Autre sport Yankee, le football américain. Ils ne pratiquent pas le même sport, mais ont la même passion de la data. Il existe un outil qui permet de connaître les chances de réussite d’une attaque en fonction du nombre d’essais qu’il reste, de la distance en yards qui reste à parcourir pour garder la main, et de la position sur le terrain. Des probabilités des décisions d’entraîneurs de NFL dans une situation similaire sont disponibles. On a également une distribution des distances de coups de pieds réalisés, et un pourcentage de réussite de transformation en fonction de la distance du but adverse. Vous avez tout compris du football américain ? Très bien ce n’était pas le but ! L’objectif était évidemment de se rendre compte de la variété et de la profondeur des données que l’on peut utiliser.

Source : Lebigdata.fr

Mais au fait, qui es-tu data analytics ?

La data analytics constitue une méthode d’analyse logique, dont la source est la data, qui permet d’aboutir à une conclusion ouvrant des perspectives grâce auxquelles on peut anticiper l’avenir et prendre les décisions adéquates. En somme, la data analytics tente de prédire le futur et ainsi de suggérer des décisions à prendre. 

Pour faire simple, il y a trois degrés de data analytics :

• Descriptive analytics : vision descriptive des données (grâce à des reportings, des tableaux de bord, des regroupements de données…). Cette discipline permet de résumer ce qu’il s’est passé.

  En un mot : Rétrospective

• Predictive analytics

   : modélisation prédictive qui utilise des techniques statistiques et le Machine Learning (l’IA qui permet à Netflix de donner des « recommandations », ou à une application de VTC d’optimiser un trajet). Cette discipline est utilisée pour prédire ce qu’il se passera dans le futur. En un mot : Perspective

• Prescriptive analytics : suggère des décisions avec les actions à entreprendre pour atteindre les objectifs, et spécifie à l’avance les effets inhérents à chaque décision. Une étape est encore franchie. Cette discipline permet de prédire les possibles conséquences en se basant sur les différents choix qui s’offrent à nous face à une décision à prendre. On peut ainsi trouver le plan d’action optimal pour un résultat souhaité.

  En un mot : Prévoyance

Source : Educba.com

C’est bien beau tout ça. Mais qu’est-ce qu’on observe vraiment dans le monde réel ?

Dans une étude parue dans la MIT Sloan Management Review, on apprend que les organisations qui ont les meilleures performances sont celles qui privilégient l’analytics à l’intuition (voir ci-dessous).

Souvenez-vous de Moneyball (Comment ? Vous ne l’avez toujours pas vu ?) : l’équipe formée par un statisticien, disposant d’un budget réduit, a réussi à mieux performer que des équipes censées être meilleures et ayant un budget plus élevé. La logique est la même dans les entreprises. Quel que soit le domaine (finance, stratégie, production…), on constate que les organisations se basant beaucoup sur l’analytics réalisent de meilleures performances que les organisations le faisant peu.

Mais dis-moi Jamy, cela veut dire que tout le monde peut devenir Bill Gates ou Guardiola via la data analytics ?

Et bien non, Fred, c’est plus compliqué que cela ! En effet, si la donnée est une chose, l’analyse de cette dernière en est une autre.Mettre entre de mauvaises mains une farandole de données sur des vitesses de courses, des KM parcourus (vous l’avez ?) ou toute autre donnée chiffrée, n’induira pas nécessairement de bonnes conclusions et, plus important encore, de bonnes décisions. Car il ne faut jamais oublier que la data est un outil au service de l’entraineur ou du chef d’entreprise mais en aucun cas elle ne peut se substituer à ces derniers et à l’intelligence humaine qui doit interpréter ces données dans le but de progresser.

Cependant, ces affirmations péremptoires de votre serviteur (moi !) peuvent être battues en brèche dans un avenir très proche par l’émergence de deux technologies s’orientant sur l’interprétation, l’exploitation de la big data et la prise de décision. Tout d’abord, la technique du ghosting permet de simuler des événements pour prédire ce qui pourrait arriver. Le ghosting permet à un coach d’analyser comment un joueur ou une équipe complète réagirait à une situation précise, afin de préparer ses joueurs de façon plus efficace.

Le développement de l’Intelligence Artificielle (comme dans Matrix mais sans l’aspect asservissement de l’humanité … enfin on espère !) vise, quant à elle, à mettre en corrélation les différentes données pour établir des modèles et des tendances facilitant la lisibilité de la donnée et le processus de prise de décision.

Les résultats c’est bien… mais l’argent c’est mieux !

Jusqu’à présent nous nous sommes largement appesantis sur l’amélioration des performances via la data analytics dont Moneyball est le porte étendard (Quoi ? Toujours pas… ? Sérieusement ?! … Arrêtez de lire et allez le voir !), mais depuis quelques années la big data est également devenue un business des plus lucratifs dans le sport. En effet, dans un monde très porté sur le billet vert et les visages des présidents américains, il n’a pas fallu longtemps pour que quelqu’un se dresse et s’insurge contre l’aspect très peu « Business-oriented » de la data analytics dans le sport et propose de nombreuses voies d’exploitation de ce nouvel eldorado.

De manière évidente, la première réaction a eu lieu au travers la donnée elle-même. En effet, les fans de sport sont avides de ces data analytics pour affiner leurs connaissances du sport et pour assouvir leur besoin de ne pas être simple spectateur mais d’être un véritable acteur du jeu. La NBA met par exemple à disposition sur ses sites des milliers de données allant des plus simples aux plus complexes. Le jeu de gestion « Football Manager » propose également des données extrêmement pointues et précises, en atteste le fait qu’il a été utilisé pour le recrutement de jeunes joueurs dans différents clubs professionnels de football.

Un autre axe de développement majeur est la collecte de données sur les acteurs hors du terrain : les spectateurs. En effet, nous portons tous des capteurs en permanence permettant la collecte d’une infinité de données par les entreprises… vous en doutez ? Mettez la main dans votre poche et vous comprendrez que ce petit boîtier de plastique frappé d’une pomme croquée n’est autre qu’un mouchard ! Ces données collectées par les clubs, les vendeurs au stade, et tous les autres acteurs permettent d’affiner et d’améliorer l’expérience du spectateur au cours du match. En effet, imaginez un monde où en arrivant au stade, le spectateur pourra être guidé vers la place de parking la plus proche grâce à une application mobile. Sur le terrain, il sera possible d’accéder à des ralentis instantanés, des vues alternatives et des vidéos rapprochées. En utilisant un appareil mobile, le fan pourra commander de la nourriture et des boissons et se les faire livrer à sa place sans perdre un instant du match. Le smartphone pourra également indiquer les toilettes les plus proches. Enfin, après le match, l’application fournira des indications sur le trafic et pourra suggérer la route la plus rapide pour rentrer chez soi. Arrêtez de vous pincer, ce monde existe et on appelle ça le présent ! 

Pour toi qui dors au fond de la classe

On est tellement bien au fond de l’open space la classe, près du radiateur, à rêver d’un autre monde… et à passer à côté de toutes ces informations importantissimes !!! Rassurez-vous, personne ne sera laissé sur le bas-côté de la route du savoir. Voici les points importants de l’article :

• Allez voir Moneyball.

• La data analytics c’est grosso modo une méthode d’analyse qui, à différents degrés, permet de décrire des situations, de modéliser des données pour prévoir le futur et enfin, de suggérer des décisions à prendre.

• Les observations faites dans le monde du sport ont également été vérifiées dans le monde de l’entreprise : les entreprises donnant plus de poids à l’analytics (par rapport à l’intuition) réalisent de meilleures performances.

• Lorsqu’on s’aperçoit que le big data a amélioré les performances sur le terrain, pourquoi se priver de faire la même chose dans les tribunes et viser « vers l’infini et au-delà » : consommation au stade, transport, télévision, merchandising… ?

Toutes les bonnes choses ont une fin

À cet instant, vous trouvez sûrement qu’aussi sympathique soit-il, cet article est bien trop long et surtout tu commences à entendre ton client qui commence à dangereusement se diriger dans ta direction. Ne vous inquiétez pas, vous arrivez au moment tant attendu où vous allez enfin pouvoir lire le mot « Conclusion » ! Voilà qui est fait.

La data analytics dans le sport n’est ni l’Alpha et l’Omega de l’analyse sportive qui transformera tout informaticien en brillant entraineur des plus grands clubs du monde, ni un mirage ne servant qu’à abreuver l’intarissable soif de statistiques des amateurs de sport. C’est avant tout une boîte à outils, ne cessant de s’étoffer, permettant aux entraineurs de prendre leurs décisions de manière rationnelle avec un maximum d’informations. C’est également un business en pleine explosion qui, à l’image des GAFA, vise à engranger un maximum d’informations sur les spectateurs afin de les cibler au mieux et de leur proposer la meilleure expérience possible dans l’enceinte du stade.

Jusqu’où ira ce festival d’innovations technologiques ? Que nous réserve le futur ? Qui, du bien ou du mal, l’emportera ? Seul le temps nous le dira.

FIN, la fin.