Een sterk panel met goede sprekers, o.a. Haile Owusu, de chief data scientist van Mashable en Victor Cruz, een wide receiver van de New York Giants. Dat is american football ;-). Hier is alle info over het panel.

Cruz vertelde over wat er allemaal wordt vastgelegd bij de Giants. En dat is heel veel. Voor wide receivers is snelheid het belangrijkste, dus wordt van iedere training vastgelegd wat hun maximum snelheid was. Blijft deze hoog, door de week heen? Hoeveel afstand wordt afgelegd? Ze gebruiken horloges om hun slaap vast te leggen, die data wordt ook meegenomen.

Iedere speler krijgt iedere week een boekje met z’n uitslagen. Hoeveel slaap, hoeveel mijlen gelopen, maximum snelheid. Dit is leuk en geeft onderlinge competitie. En het verandert hun gedrag: Spelers gaan eerder slapen, omdat ze zien wat het effect is op hun snelheid.

De staf rond het team gebruikt de data ook. Data is blind en doof, en kan eventuele vooroordelen weghalen; Owusu maakt de case voor machine learning. Tegelijkertijd is er altijd menselijke interpretatie nodig. Data kan een gesprek over training makkelijker maken, doordat je naar iets kan wijzen. “Kijk, hier is iets opvallends” is een goede start van een conversatie.

In de sportschool kan data ook worden ingezet. Mensen die zo efficient mogelijk willen trainen kunnen data gebruiken om hun trainings-geschiedenis meteen bij zich te hebben, en een stapje verder kunnen zetten. Sommige gym-apparaten zijn daar al op voorbereid: Je loopt er heen, het apparaat verbindt zich met je device, en stelt zich alvast goed in. Voordeel voor de apparaten-leverancier is dat ze veel data krijgen en op die manier optimale workout strategieën kunnen ontwikkelen.

Mensen die gemotiveerd worden door onderlinge competitie kunnen data ook goed gebruiken. Equinox liet een video zien van een spin-class, waarbij er twee teams waren die op een groot beeldscherm een onderlinge wedstrijd reden. Dat is een stuk betere manier dan achterin de groep je apparaat stiekem minder zwaar zetten dan gevraagd ;-).

En wat moet je dan met die data? Daar is nog veel in te winnen, daar was men het er over eens. Als je veel data verzamelt kan je correlaties vinden. Maar vertrouw je die correlatie dan? Dat is voorlopig mensenwerk. En in een professionele omgeving is dat ook beter; je hebt een open ruimte nodig, coaches zullen nooit echt kunnen worden vervangen door machines. Atleten zijn ook makkelijker coachbaar dan normale mensen, ze nemen advies beter aan.

En wat is de toekomst? Gervais zegt: Er moeten systemen en strategieën komen waardoor mensen zelf kunnen gaan zien wat goed is voor ze. En ze op een verantwoorde manier tot het randje kunnen worden geduwd, maar binnen veilige grenzen. En de grote onbekende wereld die voorlopig buiten het meten valt zijn de gedachten. Deze wereld kan grote invloed hebben; ruzie met je vriendin of stress rond een transfer kan effect hebben op je prestatie, en dit valt voorlopig buiten wat praktisch meetbaar is.

Cruz wil graag één apparaat wat alles meet. Nu is het lastig om dingen te correleren omdat metingen in verschillende apps komen. En Owusu ziet in de toekomst mogelijkheden met computer vision. Automatische beeldherkenning  zou op die manier sleutel momenten in een video kunnen annoteren, wat veel zou kunnen helpen.

Een fijne en sterk geleide sessie waarbij duidelijk wordt dat dit er veel gebeurt op het gebied van sport en data, en dat er ook nog heel veel te doen is. Kansen volop.