\n
POURQUOI UN DEPARTEMENT D\u2019ANALYSE DE LA PERFORMANCE\u00a0?<\/strong><\/p>\n <\/span>La Data Analytics (analyse de donn\u00e9es dans le but d\u2019en tirer un enseignement) dans le sport est devenue depuis quelques ann\u00e9es un \u00e9l\u00e9ment indispensable voire crucial pour la plupart des \u00e9quipes. L\u2019analyse statistique des matchs, entra\u00eenements et autres aspects de la vie d\u2019une \u00e9quipe a un impact cons\u00e9quent sur ses r\u00e9sultats \u00e0 court, moyen et long terme. Indirectement, l\u2019am\u00e9lioration des r\u00e9sultats, permet au club de g\u00e9n\u00e9rer plus de revenus (marketing, billetteries, sponsors\u2026), ce qui bien souvent est le nerf de la guerre des clubs professionnels.<\/p>\n <\/span>C\u2019est pourquoi la Data Analytics se positionne comme un moyen permettant d\u2019identifier les leviers de performance menant \u00e0 de meilleurs r\u00e9sultats. Elle intervient dans un processus d\u2019am\u00e9lioration continue et d\u2019optimisation de la performance. La Data Analytics s\u2019applique \u00e0 plusieurs secteurs au sein d\u2019un club\u00a0: la f\u00e9d\u00e9ration fran\u00e7aise de rugby l\u2019utilise par exemple pour tenter de r\u00e9duire le risque de blessures tandis que des clubs de football comme Toulouse l\u2019utilisent pour optimiser leur recrutement, les donn\u00e9es permettant d\u2019identifier des joueurs aux performances sous-\u00e9valu\u00e9es par le march\u00e9.<\/p>\n <\/span>De tr\u00e8s nombreuses donn\u00e9es sont g\u00e9n\u00e9r\u00e9es au sein d\u2019un club au quotidien. Pour exploiter au mieux ces donn\u00e9es il est n\u00e9cessaire de cr\u00e9er un d\u00e9partement \u00e0 part, ind\u00e9pendant du coach et sous l\u2019autorit\u00e9 de la direction du club dont l\u2019une des pr\u00e9occupations doit \u00eatre sa p\u00e9rennit\u00e9. En effet, les diff\u00e9rentes analyses et recommandations rendues par le d\u00e9partement doivent s’inscrire dans des objectifs longs termes et sans crainte que le d\u00e9part de l\u2019une de ses ressources bouleverse l\u2019organisation.<\/p>\n \n CREER UN DEPARTEMENT NE SUFFIT PAS A LE RENDRE EFFICACE<\/strong><\/p>\n <\/span>D\u2019apr\u00e8s Dan Pelchen, fondateur de Traits Insights, le sujet fondamental autour de la data est de faire en sorte que l\u2019\u00ab\u00a0Analytics\u00a0\u00bb soit accessible. C\u2019est-\u00e0-dire d\u00e9sir\u00e9e et utilis\u00e9e \u00e0 tous les niveaux de l\u2019organisation. Le premier pas primordial dans l\u2019adoption de l\u2019analyse de donn\u00e9es comme point central de la performance est la volont\u00e9 des d\u00e9cisionnaires de capitaliser sur la data. Le d\u00e9cisionnaire (coach, manager, directeur sportif\u2026) peut \u00eatre vu comme un client interne, ou utilisateur. Si ce dernier est r\u00e9ticent \u00e0 y recourir alors il sera difficile de capitaliser sur le travail de la cellule d\u2019analyse de la performance. <\/span>La sensibilisation et l\u2019adh\u00e9sion des parties prenantes au club sont ainsi fondamentales pour tirer profit d\u2019un d\u00e9partement d\u2019analyse de donn\u00e9es<\/strong>.<\/p>\n <\/span>Il est n\u00e9cessaire d\u2019insuffler une culture de la donn\u00e9e aux diff\u00e9rentes \u00e9quipes en charge de la performance et mettre en place une strat\u00e9gie \u00ab\u00a0data-driven\u00a0\u00bb dans l\u2019ensemble du club.<\/strong> <\/span>C\u2019est-\u00e0-dire orienter ses d\u00e9cisions sur des faits tangibles et des analyses tir\u00e9es d\u2019informations brutes (commun\u00e9ment appel\u00e9es raw-data). Premi\u00e8rement, le d\u00e9partement doit \u00eatre en mesure d\u2019identifier, combiner et g\u00e9rer diff\u00e9rentes sources de donn\u00e9es avant de pouvoir construire des mod\u00e8les d\u2019analyse de donn\u00e9es complexes qui peuvent \u00eatre\u00a0: descriptifs (d\u00e9crit des faits pass\u00e9s), diagnostics (aide \u00e0 comprendre le pourquoi des faits pass\u00e9s), pr\u00e9dictifs (aider \u00e0 pr\u00e9dire ce qu\u2019il peut se passer) ou encore prescriptifs (indique les actions possibles \u00e0 effectuer).<\/p>\n <\/span>Enfin, au-del\u00e0 de la production de donn\u00e9es, ce d\u00e9partement doit \u00eatre capable de transformer l\u2019ensemble de l\u2019organisation afin de tirer de la valeur ajout\u00e9e des mod\u00e8les et d\u2019aider \u00e0 la prise de d\u00e9cisions. \u00a0Cette approche \u00ab\u00a0data-driven\u00a0\u00bb n\u2019est pas \u00e0 voir comme le remplacement des r\u00f4les d\u2019analystes de la performance (vid\u00e9o analyste, pr\u00e9parateur physique…) d\u00e9j\u00e0 pr\u00e9sents dans les clubs mais bien comme <\/span>un moyen d\u2019apporter une aide suppl\u00e9mentaire au processus d\u2019aide \u00e0 la d\u00e9cision<\/strong>.<\/p>\n <\/span><\/p>\n COMMENT STRUCTURER SON DEPARTEMENT D\u2019ANALYSE DE LA PERFORMANCE\u00a0?<\/strong><\/p>\n <\/span>\u00c0 l\u2019instar de la cr\u00e9ation de toute activit\u00e9, on distingue <\/span>deux phases dans la structuration de ce type de d\u00e9partements\u00a0: une phase de conception \/ organisation et une phase de run.<\/strong><\/p>\n <\/span>Pour construire ce d\u00e9partement, il est important de faire appel \u00e0 des expertises ext\u00e9rieures. Dans un premier temps, il faut faire appel \u00e0 des profils techniques capables de mettre en place une architecture de donn\u00e9es globale\u00a0: de la collecte \u00e0 la transformation et de la distribution \u00e0 la consommation. De nouvelles sources de donn\u00e9es ne cessent d\u2019appara\u00eetre dans les clubs gr\u00e2ce aux nouvelles technologies, telles que des donn\u00e9es IoT (Internet of Things) issues des GPS, une architecture de donn\u00e9es coh\u00e9rente permet donc d\u2019assurer la s\u00e9curit\u00e9, la qualit\u00e9 ainsi que le cycle de vie des donn\u00e9es issues de sources totalement diff\u00e9rentes. <\/span>L\u2019intervention de <\/span><\/strong>Data Engineers<\/strong><\/em> <\/span>capables de construire les syst\u00e8mes de collecte et de stockage <\/span><\/strong>(data lake, data warehouse, pipeline de donn\u00e9es) <\/span>est ainsi n\u00e9cessaire<\/strong>. <\/span>Des <\/span><\/strong>Data Scientists<\/strong><\/em> <\/span>peuvent venir les \u00e9pauler pour la mise en place de mod\u00e8les pr\u00e9dictifs ou analytiques complexes<\/strong>.<\/p>\n <\/span>Dans un second temps, <\/span>l\u2019intervention de <\/span><\/strong>Data Analysts<\/strong><\/em> <\/span>permet de transformer, interpr\u00e9ter et distribuer les donn\u00e9es afin de les visualiser et les exploiter au mieux<\/strong> <\/span>dans l\u2019activit\u00e9 quotidienne. Souvent, ces <\/span>Data Analysts<\/em> <\/span>sont aussi ceux qui interviennent sur la phase de run en produisant les donn\u00e9es pour le staff technique. <\/span><\/p>\n <\/span>Selon les budgets des clubs, les <\/span>Data Analysts<\/em> <\/span>sont \u00e9paul\u00e9s ou laissent place \u00e0 <\/span>des Sports Scientists qui, eux, op\u00e8rent la r\u00e9alisation des analyses au quotidien<\/strong> <\/span>(analystes vid\u00e9o, analystes de donn\u00e9es GPS, pr\u00e9parateurs physiques…). <\/span>Ils forment le lien direct avec le terrain<\/strong> <\/span>et les \u00ab\u00a0clients internes\u00a0\u00bb ou \u00ab\u00a0utilisateurs finaux\u00a0\u00bb et sont le plus souvent titulaires d\u2019un master en sciences du sport. Dans son activit\u00e9 quotidienne, le d\u00e9partement a besoin d\u2019un chef de projet, ou chef de la performance (souvent nomm\u00e9 Chief Performance Officer), un individu ayant une vision transverse sur le d\u00e9partement et assurant la bonne communication entre les besoins \u00ab\u00a0utilisateurs\u00a0\u00bb et les analystes (data et sport scientists).<\/p>\n \n<\/div>\n<\/div>