Di era digital yang semakin maju ini, data telah menjadi komoditas yang berharga, tidak terkecuali dalam industri olahraga. Sebenarnya, bagaimana penggunaan analitik olahraga bisa memberikan manfaat signifikan bagi bisnis olahraga?
Memanfaatkan data secara cerdas bisa meningkatkan kinerja atlet, membantu pembisnis membuat keputusan strategis yang lebih baik, dan masih banyak lagi. Yuk, kita bahas selengkapnya di artikel ini!
Apa itu Sport Analytics?
Sport Analytics (Analitik Olahraga) adalah studi tentang kinerja atletik dan aspek bisnis yang bertujuan untuk mengoptimalkan proses dan kesuksesan organisasi olahraga. Dua komponen dasarnya adalah sebagai berikut:
A. Analisis Data di Lapangan
Analisis ini melibatkan pelacakan metrik data utama di lapangan untuk mempengaruhi metodologi yang dapat digunakan dalam meningkatkan strategi permainan, rencana nutrisi, dan area penting lainnya yang secara etis dapat meningkatkan level performa atlet.
Tujuannya adalah untuk menjawab pertanyaan yang berkaitan dengan kinerja di lapangan, seperti “siapa pemain sepak bola yang menciptakan peluang terbanyak di Eropa?” atau “pemain mana yang berlari paling cepat dalam jarak lebih dari 20 meter?” dan lainnya.
B. Analisis Data di Luar Lapangan
Fokus analisis ini terletak pada aspek bisnis olahraga dengan melibatkan pemantauan metrik data penting di luar lapangan seperti penjualan tiket, penjualan barang dagangan, keterlibatan penggemar, dan sebagainya.
Jenis analisis data ini bertujuan untuk membantu pembuatan keputusan dalam tim olahraga yang ditujukan untuk meningkatkan pertumbuhan, profitabilitas ataupun keberlanjutan suatu bisnis.
Terus, Kenapa Analitik Data di Olahraga itu Penting?
Menurut penelitian dari The Business Research Company’s, pasar olahraga global mengalami pertumbuhan yang signifikan dari $354,96 miliar pada tahun 2021 menjadi $496,52 miliar pada tahun 2022. Pertumbuhan ini membuktikan pasar olahraga sebagai salah satu pasar terbesar di dunia.
Seiring dengan peningkatan pasar olahraga global ini, perusahaan olahraga semakin berkomitmen untuk menginvestasikan sumber daya mereka dalam analitik data olahraga untuk mencapai keunggulan kompetitif. Oleh karena itu, proyeksi pasar analitik olahraga diperkirakan akan mencapai lebih dari $4,5 miliar pada tahun 2025. Tentunya angka sebesar itu diiringi dengan benefit yang dapat dihasilkan dari analitik data olahraga.
Nah, inilah 2 keutungan utama menggunakan analitik data dalam olahraga:
1. Pengambilan Keputusan yang Akurat
Keputusan yang didukung oleh sports analytics dapat menjadi alat dalam membuat keputusan strategis. Sebagai contoh, Thomas Tuchel, mantan manajer Klub Sepak Bola Chelsea, membuat keputusan untuk memasukkan penjaga gawang Kepa Arrizabalaga di akhir waktu tambahan, di mana keputusannya didasarkan pada analisis data.
Tuchel menjelaskan bahwa secara statistik, Kepa memiliki persentase penyelamatan tendangan penalti terbaik. Keputusan tersebut membawa keberhasilan bagi Chelsea, dengan Kepa menyelamatkan dua penalti dalam adu penalti yang berakhir dengan kemenangan mereka.
Jadi, meskipun skenario dapat bervariasi, keputusan yang didukung oleh data baik di dalam maupun di luar lapangan berpotensi menghasilkan pengambilan keputusan yang lebih kuat dan akurat.
2. Peningkatan Pendapatan
Investasi dalam analitik data juga bisa meningkatan pendapatan. Menurut penelitian yang dilakukan oleh McKinsey & Company, perusahaan yang berinvestasi dalam data dan analitik bisa mengalami peningkatan keuntungan dari rata-rata 6% menjadi 9% jika investasi berlangsung selama 5 tahun.
Bagaimana analisis data olahraga bisa meningkatkan pendapatan?Contohnya adalah menerapkan analitik data dalam penjualan tiket. Menentukan harga tiket secara efektif merupakan bagian penting namun juga rumit dalam penjualan. Dengan menggunakan analisis data, perusahaan olahraga dapat memperoleh wawasan yang lebih luas tentang aspek keuangan utama, yang memungkinkan mereka untuk menentukan harga tiket yang paling sesuai bagi pelanggan dan perusahaan.
Sebagai contoh, Houston Astros menggunakan analitik data untuk menjalankan skenario “bagaimana jika” untuk memahami cara mengubah pembeli tiket pertandingan tunggal menjadi pemegang tiket musiman, sambil tetap mempertahankan pemegang tiket musiman saat ini. Analisis data juga digunakan untuk memahami trade-off yang dilakukan oleh penggemar dalam variabel seperti lokasi kursi, pilihan makanan dan minuman, dan alternatif lainnya di area klub. Tujuannya adalah untuk memahami penggemar dengan lebih baik agar tim dapat menyesuaikan penawaran tiket untuk memenuhi kebutuhan penggemar di bagian tertentu.
Selain itu, analitik data dalam olahraga juga digunakan untuk mengoptimalkan pendapatan retail olahraga online. Tim olahraga menerapkan teknik analisis data seperti manipulasi, agregasi, dan pembersihan data produk untuk mengoptimalkan pendapatan mereka. Wah, keren ya?
Perkembangan Industri Olahraga dengan Kehadiran Sport Analytics
Seperti apa awal mula penggunaan analisis olahraga dan data dalam dunia olahraga? Melihat ke belakang, olahraga bisbol adalah salah satu pelopor dalam menerapkan analitik olahraga, dengan pengenalan Persentase Bisbol oleh Earnshaw Cook pada tahun 1964. Namun, pengakuan terhadap popularitas analitik olahraga seringkali diberikan kepada Billy Beane, manajer umum Oakland Athletics dari tahun 1997 hingga 2016.
Hingga tahun 2002, pelatih dan pemain bisbol biasanya enggan menerima penggunaan analisis data yang mendalam dan lebih mengandalkan firasat naluriah, penilaian estetika, atau statistik yang sederhana seperti rata-rata pukulan. Namun, dengan sumber daya finansial yang terbatas, Billy Beane melihat peluang bagi pemain untuk mencapai base sebagai faktor krusial dalam meraih skor yang lebih tinggi.
Dengan wawasan ini, Beane memfokuskan strateginya untuk merekrut pitcher (pelempar bola) yang belum populer tetapi memiliki persentase mencapai base yang tinggi agar dapat meraih pemain berpotensi besar dengan biaya lebih terjangkau.
Keberhasilan pendekatan Beane dengan Oakland Athletics mempengaruhi tim-tim Major League Baseball (MLB) lainnya. Pada tahun 2003, Boston Red Sox menjadi tim MLB berikutnya yang mengadopsi pendekatan serupa. Pendekatan mereka untuk mengoptimalkan tim menggunakan analitik olahraga ini dikenal sebagai “Moneyball”. Barulah pada tahun 2011, ketika film Moneyball dirilis, istilah “analisis olahraga” menjadi populer di kalangan penggemar olahraga secara umum.
Sejak saat itu, setiap olahraga utama mengalami evolusi analitiknya sendiri. Banyak tim olahraga yang tertarik untuk mendapatkan keunggulan kompetitif melalui analisis data dan meluangkan investasi untuk mempekerjakan Data Scientist olahraga yang dapat menganalisis data secara objektif, baik itu data dalam maupun luar lapangan.
Contoh Pengaplikasian Sport Analytic di Berbagai Bidang Olahraga
Berdasarkan survei yang dilakukan oleh tim ahli ESPN dari website Topend Sports, ditemukan 20 olahraga teratas yang membutuhkan kemampuan Analitik. Dengan posisi rating yang sebenarnya setara di atas, yakni Auto Racing, Ice Hockey dan Soccer.
Berdasarkan data tersebut, kita akan mengulas 3 diantaranya sebagai contoh olahraga yang mengaplikasikan Sport Analytic.
1. Sepak Bola (Soccer)
Penggunaan analitik data dalam sepak bola sudah jadi bagian integral dalam pengambilan keputusan di luar lapangan. Klub sepak bola di seluruh dunia telah melakukan investasi besar-besaran dalam ilmu data dan teknologi terkait untuk meningkatkan kinerja pemain di lapangan dan meningkatkan pengambilan keputusan di luar lapangan. Hal ini melibatkan pelacakan dan pemantauan data seperti posisi pemain selama pertandingan, tingkat kelelahan selama latihan, jarak yang ditempuh setiap pemain ke tempat latihan, dan data lainnya untuk memberikan wawasan yang lebih komprehensif tentang kondisi fisik pemain.
Selain itu, statistik lainnya juga dikumpulkan untuk menyelidiki kinerja individu pemain, seperti jumlah dribel yang sukses, akurasi operan, dan jumlah intersepsi (memotong atau merebut bola). Analisis data ini memberikan pelatih dan pemain pemahaman yang lebih mendalam terkait kekuatan dan kelemahan permainan mereka sehingga dapat mengatur strategi untuk mengoptimalkan kontribusi setiap pemain demi memenangkan pertandingan.
2. Bisbol (Baseball)
Sebagai salah satu olahraga yang pertama kali mengadopsi analitik olahraga, bisbol telah menjadi standar selama bertahun-tahun. Beberapa pemikir terbaik dalam permainan, seperti Theo Epstein, sebenarnya tidak memiliki pengalaman bermain bisbol di level profesional. Sebaliknya, mereka mengandalkan pendidikan tinggi dan keahlian mereka dalam menganalisis data untuk membantu pengambilan keputusan di dalam dan di luar lapangan.
Dalam bisbol, pengumpulan statistik mendalam telah dilakukan dalam waktu yang lama, dan ini telah menarik minat orang-orang seperti Theo Epstein untuk bergabung dengan komunitas analitik data olahraga bisbol. Sejumlah statistik dilacak untuk membantu pengambilan keputusan tim di Major League Baseball (MLB), termasuk rata-rata pukulan, persentase on-base (kemampuan pemain untuk mencapai base) dan rata-rata slugging (kemampuan pemain dalam memukul dengan kekuatan).
Dengan menggunakan analisis data ini, tim bisbol dapat mendapatkan wawasan yang lebih mendalam tentang kinerja pemain, kekuatan dan kelemahan mereka, serta strategi yang paling efektif dalam permainan. Hal ini membantu membangun tim yang kuat dan membuat keputusan yang lebih cerdas dalam mengatur line up pemain, mengganti pitcher, dan membuat strategi permainan yang efektif.
3. Basket (Basketball)
Daryl Morey merupakan salah satu manajer umum NBA pertama yang menerapkan metrik statistik lanjutan sebagai bagian penting dari evaluasi pemain. Saat ini, sebagian besar tim NBA memiliki analis data olahraga sebagai anggota staf mereka. Peran analis ini adalah memberikan dukungan kepada pelatih dan pemain dengan menggunakan data untuk memaksimalkan performa mereka di lapangan dan mengidentifikasi pemain yang mungkin dianggap remeh.
Pada tingkat bola basket elit, tim menggunakan kamera pelacak data yang ditempatkan di berbagai sudut arena bola basket untuk merekam setiap gerakan yang dilakukan oleh setiap pemain di lapangan, yang akan menghasilkan data dalam jumlah besar (Big Data). Data ini kemudian disinkronkan dengan statistik pemain atau menggunakan Machine Learning untuk memberikan detail lengkap terkait performa pemain.
Kesimpulan
Sport Analytics melibatkan studi tentang kinerja atletik dan aspek bisnis untuk mengoptimalkan proses dan kesuksesan organisasi olahraga yang memiliki dua komponen dasar, yaitu analisis data di dalam dan luar Lapangan. Analitik data di olahraga dapat membantu pengambilan keputusan yang akurat dan peningkatan pendapatan.
Perkembangan industri olahraga dengan kehadiran Sport Analytics dimulai pada olahraga bisbol, di mana Beane berhasil menunjukkan kebermanfaatan data dan mendorong berbagai bidang olahraga lainnya untuk mengadopsi penggunaan data. Kita juga mengulas contoh pengaplikasian Sport Analytic di berbagai bidang olahraga, seperti sepak bola, bisbol, dan basket. Kini, industri olahraga telah berhasil memperoleh manfaat dari data dan analitiknya.
Jika kamu tertarik mempelajari data dan pengolahannya lebih lanjut hingga #JadiTalentaData andal, kamu dapat mengikuti Bootcamp Algoritma Data Science yang memiliki serangkaian program yang dapat membantumu menguasai dunia data di industri yang kamu minati.
Yuk, bergabung bersama Algoritma sekarang dan kunjungi algorit.ma!
. . .
Artikel ini merupakan kontribusi dari Algoritma Data Science School. Algoritma merupakan sekolah data science di Indonesia dengan kurikulum yang relevan dengan industri dan instruktur yang berpengalaman lama di machine learning, Artificial intelligence, dan data visualisasi. Kini, Algoritma telah mendidik lebih dari 1,000 murid dan lebih dari 100 klien korporat.
Gerakan Nasional 1000 Startup Digital adalah upaya bahu membahu penggerak ekosistem startup digital Indonesia untuk saling terkoneksi, saling berbagi pengetahuan dan pengalaman.
Diinisiasi sejak 2016, gerakan ini diharapkan mendorong terciptanya mencetak startup yang menjadi solusi atas masalah dengan memanfaatkan teknologi digital. #1000StartupDigital memberikan pembinaan bagi calon founder untuk membentuk tim, membuat MVP, hingga meluncurkan produknya ke pasar.
Karena Indonesia maju, #MulaiDariKamu!
Bagikan artikel ini
