Universiteit Leiden Universiteit Leiden

Nederlands English
Fotograaf: Vincent Riemersma

Sneller schaatsen dankzij data science

Veel Nederlandse schaatsers en voetballers behoren tot de absolute wereldtop. Toch kunnen ze dankzij slimme statistische analyses wellicht nóg een beetje beter worden. De Universiteit Leiden werkt er samen met Delft en Amsterdam aan.

Sinds kort werken de drie steden samen in het Sport Data Centrum, een netwerk van dataonderzoekers. Vanuit de Universiteit Leiden is het Leiden Centre of Data Science (LCDS) betrokken. De onderzoekers bekijken hoe gegevens kunnen bijdragen aan betere prestaties. Ook zijn ze op zoek naar medische toepassingen in bijvoorbeeld de fysiotherapie. Tijdens een seminar op 7 april in Delft maken de deelnemende partijen de eerste resultaten bekend.

LottoNL-Jumbo

De Leidse datawetenschappers bestudeerden onder meer de trainingsschema’s en wedstrijduitslagen van het LottoNL-Jumbo-schaatsteam van coach Jac Orie. Het team – met Sven Kramer in de gelederen – behoort tot de absolute wereldtop. Toch kan het misschien nog iets sneller. De onderzoekers concludeerden bijvoorbeeld dat de prestaties van sprinters en middellangeafstandschaatsers verminderen als ze teveel duurtraining doen.

Onderzoeker Arno Knobbe: ‘Iedere schaatser moet natuurlijk een goede basisconditie hebben. Maar uit de gegevens blijkt dat trainers daar wel eens in doorslaan. Ze laten hun sprinters teveel duurtrainingen doen. Dat gaat ten koste van hun explosieve kracht. Wellicht is het goed om de trainingsroutine daarop aan te passen.’

Uitstekend recept verbeteren

Knobbe denkt dat schaatsers als Kjeld Nuis en Sven Kramer op deze manier nog 1 à 2 procent sneller kunnen rijden. Dat klinkt natuurlijk verwaarloosbaar, maar in de schaatswereld betekent het vaak het verschil tussen een gouden plak of een plaats naast het podium. Of zoals één van de datawetenschappers het zegt: ‘We proberen een uitstekend recept nóg beter te maken.’

Knobbe: ‘Wij bekeken met behulp van statistische modellen hoe de wedstrijduitslagen afhangen van  de voorbereiding. Heeft een zware training een positief of negatief effect op de wedstrijd? En moet je de dag van tevoren rust nemen of toch nog even een korte, maar felle training aanbieden?’

Schat aan informatie

Dankzij de medewerking van het LottoNL-Jumbo-team hebben de data scientists de beschikking over een schat aan informatie. Een schaatser als Kjeld Nuis rijdt bijvoorbeeld al zes jaar voor het schaatsteam. In die periode schaatste hij jaarlijks zo’n 500 trainingen en 30 wedstrijden. Alles werd geregistreerd: van wedstrijduitslagen tot trainingsduur en intensiteit van de training. Ook van zijn teamgenoten zijn dat soort gegevens bijgehouden. 

PSV

Inmiddels is ook PSV aangetrokken als partner. De Eindhovense voetbalclub filmt de eigen wedstrijden met drie camera’s uit verschillende standpunten. Daardoor ontstaan de precieze X- en Y-coördinaten van spelers en de bal. Dankzij deze coördinaten kun je op het computerscherm van bovenaf alle veldbewegingen bestuderen, en kun je de computer uitgebreide analyses van allerlei tactische facetten laten doen.

Leidse wetenschappers onderzoeken nu de spelsituaties. Ze kijken bijvoorbeeld welke bewegingen uiteindelijk leiden tot kansrijke situaties, zoals schoten op doel en daadwerkelijke doelpunten. Knobbe: ‘Welke verdediger passte naar welke middenvelder? Trapt de keeper ver en hoog uit, of geeft hij af aan de verdedigers voor een rustige opbouw? Als je het succes van ieder van deze acties gaat meten, kom je vanzelf uit bij meer en minder succesvolle patronen. Uiteindelijk maak je zo de kans op succes inzichtelijk. Dan weet je dus ook waar je op moet trainen.’

Sport en data in de Nationale Wetenschapsagenda

Er is steeds meer aandacht voor de combinatie data science en sport, zegt Joost Kok, hoogleraar Informatica en hoogleraar Geneeskunde. Zo is de route Sport en Bewegen aangemeld bij de Nationale Wetenschapsagenda. Kok leidde onlangs de brainstormsessie met het bedrijfsleven. De basis vormt de Kennisagenda sport die in opdracht van het Topteam sport geschreven wordt. Big data is de verbindende factor tussen de drie thema’s: de waarde(n) van bewegen, beter presteren en een leven lang bewegen. Innovatie in sport en bewegen draagt bij aan een presterende samenleving met economische dynamiek, veerkrachtige instituties en vitale burgers. Leiden is goed aangesloten door de sterke positie in data science en door onderzoek binnen de faculteiten Sociale Wetenschappen en Geneeskunde.