Van intuïtie naar inzicht: Case study “Sporter 12” - Deel 1

Stel je voor: je bent coach van een ambitieuze judoka, iemand die droomt van een Olympische medaille. Je ziet dat hij hard traint, technisch ontwikkelt en mentaal sterker wordt. Maar toch blijft die vraag knagen: “Zijn we wel op het juiste spoor? Hoe weten we dat trainen écht werkt en we de juiste keuzes maken?” Misschien herken je die onzekerheid wel uit je eigen ervaring, op de club of in de topsport.

Die vragen, die twijfels, zijn heel gewoon in de judowereld. En daarom is het zo waardevol om een goeie benchmark te hebben: een duidelijk, persoonlijk en concreet beeld van waar je waar je echt heen wilt en hoe dat er dan precies uitziet. Benchmarken geeft je houvast en structuur in het soms ongrijpbare proces van presteren en ontwikkelen.

Maar dan hoor je ook vaak: “Judo is te complex om te meten met cijfers...” Of: “Ik vertrouw liever op mijn ervaring en gevoel dan op data.” Die scepsis is begrijpelijk en je bent zeker niet de enige die dat denkt. Volgens mij is het tijd om te laten zien dat data heel goed samen kan gaan met ervaring.

Stel je eens voor dat je gevoel en ervaring niet alleen leidend zijn, maar dat je die combineert met harde feiten. Niet om jouw expertise voorbij te gaan, maar om die nog krachtiger te maken. Zo verlies je geen nuance, maar voeg je een factor toe aan het gevoel dat je al hebt.

Sporter 12

Deze casebeschrijving gaat over ‘Sporter 12.’ Deze Europese, mannelijke, sporter is een senioren topsporter met als doelstelling om over vier jaar op het Olympisch Podium te staan. We hebben met deze sporter gesprekken gevoerd over de benchmark en hebben duidelijk gekregen hoe we denken dat zijn judo eruit moet zien om een Olympische medaille te behalen. Deze gesprekken zijn gebaseerd op onze ideeën over judo, op onze observaties, ons gevoel, op onze eerdere ervaringen en op onze gedachtes.

De volgende stap is om een analyse te maken van de groep sporters die dan wel een Olympische medaille hebben gehaald of die wij in staat hebben geacht om die medaille te halen. We hebben een benchmarkgroep opgesteld en van deze groep hebben we data verzameld en in een tabel gezet.

De data

De onderstaande tabel laat in de meest linker kolom onder het kopje ‘Athlete,’ de beste sporters zien in een bepaalde gewichtsklasse in de periode richting de Olympische Spelen van Parijs in 2024. De sporters zijn Europese sporters in dit geval, met uitzondering van de bovenste vier, dat zijn sporters die op het podium stonden van de Olympische Spelen van Parijs. Van de bovenste vier is het dus mogelijk dat zij uit een ander werelddeel komen.

Onder deze 11 sporters staat ‘Benchmark group average,’ dit zijn de gemiddelde waardes behaalt op de factoren die ik hieronder verder zal uitleggen.

Sporter nummer 12 is de sporter helemaal onderaan het schema, dit is de sporter die wij in deze case als voorbeeldsporter gebruiken om te vergelijken met de door ons gecreëerde benchmark groep.

In de overige kolommen in de bovenste rij staan een aantal waardes omschreven die we hebben uitgerekend. Deze waarden zal ik hieronder stuk voor stuk voor jullie uitleggen zodat ze duidelijk zijn:

Expected scores TW – Het aantal scores dat de sporter is verwacht te maken per wedstrijd in tachi-waza

Expected scores TW against – Het aantal scores dat de sporter verwacht is tegen te krijgen per wedstrijd in tachi -waza

ATWS (Adjusted Tachi-waza Score) – Het aantal scores dat de sporter is verwacht te maken minus het aantal dat de sporter verwacht is tegen te krijgen in tachi-waza per wedstrijd

Expected scores NW – Het aantal scores dat de sporter is verwacht te maken per wedstrijd in ne-waza

Expected scores TW against – Het aantal scores dat de sporter verwacht is tegen te krijgen per wedstrijd in ne-waza

ANWS (Adjusted Ne-waza Score) – Het aantal scores dat de sporter is verwacht te maken minus het aantal dat de sporter verwacht is tegen te krijgen in ne-waza per wedstrijd

Expected scores total – Het aantal scores dat de sporter is verwacht te maken per wedstrijd in totaal

Expected scores total against – Het aantal scores dat de sporter verwacht is tegen te krijgen per wedstrijd in totaal

ATS (Adjusted Total Score) – Het aantal scores dat de sporter is verwacht te maken minus het aantal dat de sporter verwacht is tegen te krijgen in totaal per wedstrijd

Er is in dit artikel bewust voor gekozen om geen namen en gewichtsklasse te noemen omdat ik het niet relevant acht voor het uitleggen van het gebruik van data om tot een aanvulling op de benchmark en the gap te komen.

De analyse

Kijkend naar data, hou ik ervan om groot te beginnen, bij de grootste waarde. In het geval van de data waar we hiernaar kijken is dat de ATS. Deze waarde omvat eigenlijk alle waardes in het schema en het is dus waardevol om deze waarde als eerst te vergelijken.

Het valt direct op dat er een groot verschil zit in de waarde die sporter 12 haalt (0,08) en de gemiddelde ATS waarde van de benchmark groep (0,47). De ATS is, zoals eerder uitgelegd, opgebouwd uit het aantal scores wat een sporter is verwacht te maken per wedstrijd en wat hij verwacht is tegen te krijgen. Wat opvalt is dat sporter 12 bijna net zoveel scores is verwacht te maken per wedstrijd (0,54) als dat hij er verwacht is tegen te krijgen (0,46).

In meer simpele bewoordingen is de sporter die wij begeleiden verwacht eens per twee wedstrijden te scoren maar wordt ook verwacht dat hij eens per twee wedstrijden een score tegen krijgt. Als we dit vergelijken met de benchmark groep dan zien we dat, als we kijken naar het gemiddelde van die groep, zij verwacht zijn in 4 op de 5 wedstrijden een score te maken en in een op de drie wedstrijden een score tegen krijgen. Dat is een duidelijk verschil met de sporter die wij begeleiden. Als we kijken naar de sporters op het Olympische podium dan zien we zelfs dat zij bijna elke wedstrijd worden verwacht te scoren. Denk aan elk gescoord punt als een stap omhoog op een trap richting het podium. Elke tegenscorel is een stap omlaag. Sporter 12 balanceert bijna evenveel omhoog als omlaag, terwijl de benchmarkgroep veel vaker omhoog stapt dan omlaag. Dat verschil bepaalt wie sneller en hoger klimt.

Wat betekent deze analyse in de praktijk? Wanneer je kijkt naar de ‘Adjusted Total Score’ (ATS), stel jezelf dan eens de volgende vragen:

• Scoor ik meer dan dat ik punten tegen krijg? 

• Hoe groot is het verschil precies? 

• Welke onderdelen van mijn judo geven me de meeste voorsprong? 

Sta er bewust bij stil: data gaat niet alleen over cijfers, maar over jouw judo. Welke strategie ga je nu aanscherpen?

Wanneer we vervolgens kijken naar de data die gaat over het ne-waza, dan zien we dat de sporter die wij begeleiden precies op het gemiddelde scoort, hier zit zo op het eerste gezicht geen groot verschil met de benchmark. Wellicht als we in het derde artikel nog iets dieper ingaan op de data dat we hier nog andere dingen zien, maar kijkend naar de verwachte scores voor en tegen zijn er geen grote verschillen met de benchmark. Wat we wel kunnen zien is dat er maar drie van de elf sporters in de benchmark groep verwacht zijn meer te scoren per wedstrijd in ne-waza. Dit zou kunnen laten zien dat de sporter die wij begeleiden op dit vlak een mogelijkheid heeft om zichzelf te onderscheiden van de concurrentie.

Als we kijken naar de data op het vlak van tachi-waza dan zien we dat de sporter die we begeleiden, sporter 12, verwacht wordt 0,39 keer te scoren per wedstrijd in tachi-waza. In makkelijkere termen is dat ongeveer 2 verwachte scores in tachi-waza per 5 wedstrijden. Dit terwijl de benchmark groep bijna 2 scores per 3 wedstrijden verwacht is te maken. Wat verder opvalt is dat sporter 12 verwacht is om meer scores tegen te krijgen (0,40) dan dat hij zelf scoort. De benchmark groep laat hier een andere balans zien en is met 0,28 verwacht minder tegen te krijgen per wedstrijd, ook is dit minder dan de helft dan zij verwacht zijn te scoren wat zorgt voor een positieve balans als we kijken naar de ATWS.

Als we kijken naar het geheel dan lijken er duidelijke verschillen te zijn in het scorend vermogen tachi-waza, als ook het aantal verwachte scores tegen in tachi-waza. In beide gevallen scoort sporter 12 duidelijk onder het gemiddelde. Als we kijken naar ne-waza dan is dit verschil veel minder groot en zou het zelfs zo kunnen zijn dat sporter 12 met zijn huidige kwaliteiten in ne-waza al mee kan met het niveau van de benchmark groep. Kijkende naar de totaal aantal verwachte scores voor en tegen dan zien we duidelijk dat deze getallen voor sporter 12, vergeleken met de benchmark groep, te dicht bij elkaar liggen. Sporter 12 is vergeleken met de benchmark groep verwacht minder te scoren en meer tegen te krijgen, dit laat duidelijk zien dat er nog verbetering nodig is om tot de benchmark groep te gaan behoren.

Het vervolg

Uit deze eerste analyse kan al een aantal voorzichtige aannames gedaan worden;

• Sporter 12 dient het aantal verwachte scores per wedstrijd in tachi-waza te verhogen.

• Sporter 12 dient het aantal verwachte scores tegen per wedstrijd in tachi-waza te verlagen.

• Sporter 12 scoort op het gemiddelde maar bij de beste sporters van de groep als het gaat om zowel verwachte scores voor als tegen per wedstrijd in ne-waza.

• Sporter 12 dient ervoor te zorgen dat het totaal aantal verwachte scores voor duidelijk hoger is dan het totaal aantal verwachte scores tegen per wedstrijd.

Kijkende naar bovenstaande aannames is het van belang om verder te kijken dan de data die we tot nu toe bekeken hebben. We kunnen namelijk op basis van verdere data-analyse uitzoeken of onze aannames houtsnijden en als dat zo is, hoe we aan deze factoren kunnen werken.

Zoals uitgelegd in het eerste blogstuk, kunnen we kijken naar de data waaruit een verwachte score is opgebouwd. De formule voor een verwachte score is als volgt;

Efficiëntiepercentage x Gemiddeld aantal gemaakte aanvallen per wedstrijd = Verwachte aantal scores

Voor het verwachte aantal scores tegen is de formule uiteraard hetzelfde, alleen dan gaat het om de efficiëntie van de tegenstander en het gemiddeld aantal aanvallen tegen per wedstrijd.

Als we naar kijken naar de onderliggende data kunnen we dus bepalen of de sporter voornamelijk aan efficiëntie of ratio (aantal gemaakte aanvallen per wedstrijd) dient te werken om zijn aantal verwachte scores omhoog te brengen. Je aanvalsratio is als het aantal kogels dat je afvuurt in een gevecht. Efficiëntie is hoe vaak die kogels daadwerkelijk trefzeker zijn. Veel kogels afvuren zonder te raken helpt niet; minder kogels afvuren maar wel raak, is effectiever. Dit heeft gevolgen voor de keuzes in de te stellen doelen en de te kiezen trainingsmethodes.

Zoals gezegd lijkt het ne-waza een factor waar sporter 12 goed mee kan met de benchmark groep. Als hier nu al een grote kwaliteit ligt van sporter 12, is het wellicht ook de moeite waard om te kijken of we nog meer uit deze factor kunnen halen en hier op deze manier een onderdeel van kunnen maken waar hij zich onderscheidt van de concurrentie.

Ik ben er groot voorstander van om te kijken waar we ons moeten verbeteren om mee te komen met de concurrentie maar nog meer denk ik dat het belangrijk is om te kijken hoe we ons kunnen onderscheiden, waar kunnen we beter zijn dan de concurrentie?

In het volgende artikel gaan we diepgaander in op welke concrete interventies je kunt inzetten op basis van jouw data-analyse. We onderzoeken bijvoorbeeld:

Hoe verhoog je je aanvalsratio? 

Bijvoorbeeld door het ontwikkelen van nieuwe aanvalspatronen en het toevoegen van technieken of sneller positie innemen na kumi-kata.

Hoe verbeter je de efficiëntie van je aanvallen?

Door technische perfectionering, coaching op het herkennen van openingsmomenten en mentale training om met meer vertrouwen je technieken te gebruiken.

Hoe versterk je je verdediging?

Gericht trainen op kumi-kata om gripsituaties te winnen, defensive drills om kansen voor de tegenstander te minimaliseren en video-analyse om je valkuilen te herkennen en te vermijden.

Door jouw data te koppelen aan deze gerichte doelstellingen maak je je plannen concreet, meetbaar en haalbaar. Dat maakt niet alleen je trainingen effectiever, maar verhoogt ook je motivatie omdat je duidelijk ziet waar je aan werkt en hoe dat samenhangt met je prestaties in competitie.

Bij Katalyst Performance Consulting geloven we dat data-analyse het verschil kan maken in de het project van sporters. Of je nu sporter, coach, bond of club bent, wij staan klaar om samen met jou de vertaalslag te maken van data naar actie. We kunnen je helpen met het implementeren van data-analyse in jouw projecten, waardoor je inzichten krijgt die je prestaties significant kunnen versterken.

Wil je weten hoe wij jouw trainingen, strategieën of organisatie kunnen ondersteunen met data-gedreven inzichten? Neem dan gerust contact met ons op via info@katalystperformance.nl. We denken graag mee en kijken uit naar een mogelijke samenwerking om samen jouw einddoel te bereiken.

In het vervolgartikel nemen we je stap voor stap mee in de vertaling van cijfers naar actie, zodat je weet hoe je aan de slag kunt en weet wat je moet doen om met behulp van data, ervaring en expertise een benchmark op te stellen en naar het hoogste podium te groeien.