\n
LES CO\u00dbTS DES RESSOURCES D\u2019UN DEPARTEMENT D\u2019ANALYSE DE LA PERFORMANCE<\/strong><\/p>\n <\/span>Un d\u00e9partement performance doit \u00eatre structur\u00e9 avec une vision long terme tout en ne perdant pas de vue les r\u00e9ponses r\u00e9currentes aux besoins de court et moyen terme. C\u2019est le r\u00f4le du chef de d\u00e9partement de s\u2019assurer de la p\u00e9rennit\u00e9 de l\u2019ensemble des projets au travers d\u2019une organisation calibr\u00e9e pour aider la direction \u00e0 la prise de d\u00e9cision gr\u00e2ce \u00e0 la Data Analytics.<\/p>\n <\/span>Structurer un tel d\u00e9partement \u00e0 long terme implique de faire appel \u00e0 des experts en data pour impl\u00e9menter les bases n\u00e9cessaires. Des data engineers pour construire l\u2019architecture et les syst\u00e8mes de stockage de donn\u00e9es, des data analysts pour pr\u00e9parer les besoins futurs en reporting (visualisations, tableaux de bord\u2026) et des data scientists pour construire des mod\u00e8les pr\u00e9dictifs. Faire appel \u00e0 de tels sp\u00e9cialistes ext\u00e9rieurs a bien \u00e9videmment un co\u00fbt\u00a0: entre 400\u20ac et 500\u20acHT en moyenne par jour d\u2019intervention. Et avec une demande croissante dans le domaine du Big Data, ces montants ne cessent d\u2019augmenter ann\u00e9e apr\u00e8s ann\u00e9e.<\/p>\n \n 1.\u00a0\u00a0\u00a0\u00a0Construire son outil d\u2019analyse<\/em><\/p>\n <\/span>La premi\u00e8re pierre \u00e0 poser pour construire son d\u00e9partement consiste \u00e0 uniformiser et consolider les donn\u00e9es que poss\u00e8de d\u00e9j\u00e0 le club ou qui affluent \u00e0 travers ses outils de r\u00e9colte de donn\u00e9es. Les data analyst ou scientist ne peuvent pas travailler sans base de donn\u00e9es uniformis\u00e9e et nettoy\u00e9e au pr\u00e9alable. C\u2019est donc au data engineer d\u2019intervenir pour construire cette architecture de donn\u00e9es. Une mission type s\u2019articule g\u00e9n\u00e9ralement en 5 \u00e9tapes :<\/p>\n \u00b7\u00a0\u00a0\u00a0\u00a0\u00a0Identification du besoin (d\u00e9finition de l\u2019utilisation, des niveaux de s\u00e9curit\u00e9 et de disponibilit\u00e9, identification du type d\u2019application qui se connectera \u00e0 la base, \u00e9valuation de la volum\u00e9trie).<\/p>\n \u00b7\u00a0\u00a0\u00a0\u00a0\u00a0D\u00e9finition du mod\u00e8le de base de donn\u00e9es (mod\u00e8le transactionnel et mod\u00e8le multidimensionnel).<\/p>\n \u00b7\u00a0\u00a0\u00a0\u00a0\u00a0Choix du syst\u00e8me de gestion de base de donn\u00e9es (SGBD) et de l\u2019infrastructure (choix de l\u2019\u00e9diteur et de l\u2019infrastructure externe ou interne en fonction du budget).<\/p>\n \u00b7\u00a0\u00a0\u00a0\u00a0\u00a0Optimisation de la base de donn\u00e9es (tests avant la mise en production et ajustements).<\/p>\n \u00b7\u00a0\u00a0\u00a0\u00a0\u00a0Maintenance de la plateforme et anticipation de l\u2019\u00e9volution.<\/p>\n Les quatre premi\u00e8res \u00e9tapes n\u00e9cessitent 3 \u00e0 6 mois de travail \u00e0 temps plein en fonction de la quantit\u00e9 et du nombre de sources de donn\u00e9es. On estime une telle intervention \u00e0 8200 euros par mois. Apr\u00e8s la mise en production, lors de la phase de run, une maintenance r\u00e9guli\u00e8re des syst\u00e8mes est n\u00e9cessaire pour ne pas d\u00e9grader la donn\u00e9e r\u00e9colt\u00e9e. Une intervention de maintenance repr\u00e9sente environ 3 jours par mois soit environ 1230 euros.<\/p>\n <\/span><\/p>\n 2.\u00a0\u00a0\u00a0\u00a0Mettre en place les outils de visualisation<\/em><\/p>\n <\/span>Une fois l\u2019architecture de l\u2019outil construite, l\u2019intervention d\u2019un data analyst est n\u00e9cessaire afin de rationaliser le processus d\u00e9cisionnel. La cr\u00e9ation de dashboards automatis\u00e9s permettra de pr\u00e9senter aux d\u00e9cideurs des donn\u00e9es clarifi\u00e9es apr\u00e8s extractions et analyses. Il est possible de faire travailler le data engineer et le data analyst ensembles pendant un temps car ce dernier est l\u2019interface direct avec le consommateur final de la data \u2013 ici le staff technique. Son interpr\u00e9tation des besoins est d\u00e9terminante pour aider le data engineer dans la cr\u00e9ation d\u2019un entrep\u00f4t de donn\u00e9es.<\/p>\n <\/span>N\u00e9anmoins, contrairement au data engineer, le data analyst n\u2019a pas besoin d\u2019intervenir \u00e0 temps plein et la dur\u00e9e de son intervention varie sensiblement en fonction des besoins d\u2019automatisation et de reporting. Si l\u2019on prend l\u2019exemple d\u2019un pr\u00e9parateur physique ayant besoin d\u2019une batterie de dashboards pour piloter la performance physique des joueurs \u00e0 partir de ses nombreux outils, il faudrait compter entre 1 et 3 mois de travail avec de la transmission de savoir et de la formation \u00e0 l\u2019utilisation des outils. L\u00e0-aussi, le budget serait de 8200 euros par mois environ. Enfin il est possible d\u2019engager un data scientist pour travailler sur des mod\u00e8les de pr\u00e9dictions et des statistiques. Ce type de profil travaille sur des missions plut\u00f4t longues de plus de six mois et est assez on\u00e9reux (autour de 10000 euros par mois pour un prestataire). N\u00e9anmoins les r\u00e9sultats peuvent s\u2019av\u00e9rer impactants pour le club mais n\u00e9cessitent en amont une quantit\u00e9 de donn\u00e9es r\u00e9colt\u00e9es importante.<\/p>\n \n Barom\u00e8tre des tarifs (TJM) des experts du Big Data en f\u00e9vrier 2023<\/em><\/p>\n \n 3.\u00a0\u00a0\u00a0\u00a0Faire fonctionner son d\u00e9partement au quotidien<\/em><\/p>\n <\/span>Une fois les bases impl\u00e9ment\u00e9es, un d\u00e9partement doit pouvoir s\u2019appuyer sur des ressources permanentes capables de tirer parti des jeux de donn\u00e9es. Il s\u2019agit principalement de sport scientists (analystes vid\u00e9o ou GPS, pr\u00e9parateurs physiques \u2026). Le plus important est d\u2019int\u00e9grer ces parties prenantes \u00e0 l\u2019ensemble du projet data car ils forment ce qu\u2019on appelle \u00ab\u00a0le m\u00e9tier\u00a0\u00bb, leur travail r\u00e9pond \u00e0 un besoin direct de la direction. Dans l\u2019id\u00e9al ils interagissent avec les data analyst pour l\u2019automatisation des reporting et la cr\u00e9ation de dashboards. Ce sont eux que les data analyst vont former \u00e0 l\u2019utilisation des outils de visualisation. Avec le chef de d\u00e9partement ils constituent les postes permanents qui rendent comptes aux d\u00e9cideurs (manager, coach, directeur sportif, directeur g\u00e9n\u00e9ral\u2026). Lors de la cr\u00e9ation d\u2019un tel d\u00e9partement, il n\u2019y a pas de n\u00e9cessit\u00e9 particuli\u00e8re de recruter des ressources suppl\u00e9mentaires mais bien de faire \u00e9voluer ou de remplacer les ressources analytiques existantes.<\/p>\n <\/span>L\u2019id\u00e9e globale est d\u2019allier les expertises de la meilleure des mani\u00e8res pour utiliser la data de fa\u00e7on p\u00e9renne. Il faut compter \u00e0 l\u2019ann\u00e9e le salaire du chef de d\u00e9partement, et ceux des sport scientist (stagiaires, alternants, juniors, seniors). Ces derniers sont ainsi occasionnellement mais r\u00e9guli\u00e8rement \u00e9paul\u00e9s par des experts en big data\u00a0: data engineer, data analyst ou data scientist en fonction de l\u2019\u00e9volution des besoins du m\u00e9tier. Le chef de d\u00e9partement doit s\u2019assurer de la documentation et de la transmission de savoir afin que le changement de ressources n\u2019impacte pas n\u00e9gativement les diff\u00e9rents projets.<\/p>\n <\/span><\/p>\n <\/span>Au total, au vu des montants \u00e9voqu\u00e9s pr\u00e9c\u00e9demment, la structuration d\u2019un d\u00e9partement d\u2019analyse de la performance repr\u00e9sente ainsi un co\u00fbt compris entre 30 000\u20ac (pour un club avec peu de data collect\u00e9e) \u00e0 85 000\u20ac pour un club souhaitant commencer \u00e0 faire de premi\u00e8res analyses pr\u00e9dictives \u00e0 partir de ses donn\u00e9es collect\u00e9es. La maintenance des structures mises en place repr\u00e9sente ainsi environ 2000\u20ac par mois soit 24,000\u20ac par an soit moins que le co\u00fbt d\u2019un analyste vid\u00e9o junior. Pour des clubs aux moyens limit\u00e9s, il apparait ainsi \u00e9vident que le d\u00e9ploiement d\u2019un tel d\u00e9partement est accessible. Mais \u00e0 nouveau, tous les clubs n\u2019auront pas les m\u00eames besoins n\u2019engendrant pas les m\u00eames co\u00fbts. Chaque ann\u00e9e, Arsenal d\u00e9pense environ 2 millions d\u2019euros pour son d\u00e9partement d\u2019analyse de la performance en embauchant des analystes parmi les plus qualifi\u00e9s pour tirer des analyses des outils les plus pointus du march\u00e9. Car le choix des outils est \u00e9galement un \u00e9l\u00e9ment strat\u00e9gique, l\u2019anticipation sur les besoins futurs est \u00e0 inclure dans la gestion de projets. Si certains sont hors de prix, il est aussi important de souligner que de nombreux outils de qualit\u00e9 sont gratuits ou tr\u00e8s accessibles pour cr\u00e9er son d\u00e9partement.<\/p>\n <\/span><\/p>\n LES CO\u00dbTS DES OUTILS D\u2019UN DEPARTEMENT D\u2019ANALYSE DE LA PERFORMANCE<\/strong><\/p>\n <\/span>La transformation digitale (ou num\u00e9rique) est en marche depuis de nombreuses ann\u00e9es. L\u2019organisation du travail \u00e9voluant en permanence, les entreprises ont \u00e9t\u00e9 contraintes de se doter de nouveaux outils toujours plus performants. La digitalisation est aujourd\u2019hui essentielle pour de multiples raisons\u00a0: gain de temps, meilleur rendement, meilleure communication, centralisation de l\u2019information, am\u00e9lioration de l\u2019exp\u00e9rience utilisateur\u2026 Le monde de la data n\u2019\u00e9chappe pas \u00e0 ses r\u00e8gles et les outils pour la traiter se sont d\u00e9velopp\u00e9s rapidement pour r\u00e9pondre aux besoins croissants. Nous allons identifier les potentiels \u00ab\u00a0chemins de la data\u00a0\u00bb, c\u2019est-\u00e0-dire l\u2019ensemble des outils mis en place pour manipuler les donn\u00e9es, de leur cr\u00e9ation \u00e0 leur utilisation. <\/span><\/p>\n <\/span>Dans un premier temps la donn\u00e9e doit \u00eatre cr\u00e9\u00e9e, cette action peut \u00eatre g\u00e9n\u00e9r\u00e9e selon diff\u00e9rent moyens. Elle peut \u00eatre g\u00e9n\u00e9r\u00e9e manuellement \u2013 \u00e0 l\u2019instar des m\u00e9decins qui prennent des notes sur leurs consultations avec les joueurs – ou venir de technologies connect\u00e9es (IoT) comme le GPS ou la vid\u00e9o. Les logiciels d\u2019analyse de donn\u00e9es GPS et vid\u00e9o existent et sont assez communs dans les cellules de performance des clubs. Ils permettent de g\u00e9n\u00e9rer des donn\u00e9es brutes exploitables. Les donn\u00e9es peuvent aussi venir d\u2019application business tel que les ERP (Enterprise Resource Planning) ou CRM (Customer Relationship Management). Tous ces logiciels ont des co\u00fbts mais permettent de g\u00e9n\u00e9rer de la donn\u00e9e en interne. Il est \u00e9galement possible d\u2019obtenir de la donn\u00e9e brute en externe gr\u00e2ce \u00e0 des fournisseurs de donn\u00e9e comme Opta dont l\u2019activit\u00e9 est de compiler de la data sur toutes les \u00e9quipes et tous les joueurs.<\/p>\n <\/span>Deuxi\u00e8mement il s\u2019agit de transformer et d\u00e9placer la donn\u00e9e. C\u2019est \u00e0 ce moment que l\u2019aide d\u2019un data engineer est requise, cette action est appel\u00e9e \u201cETL\u201d pour \u201cExtract Transform & Load\u201d. Les actions \u00ab\u00a0Extraire et charger\u00a0\u00bb permettent d\u00e9placer la donn\u00e9e d\u2019un point A \u00e0 un point B, depuis un logiciel d\u2019analyse de donn\u00e9es GPS par exemple vers un Data Warehouse (entrep\u00f4t de donn\u00e9es) utilis\u00e9 pour le stockage. Il est possible d\u2019utiliser des programmes Open Source (donc gratuits) comme Airbyte ou Apache Airflow (n\u00e9cessitant du d\u00e9veloppement et de la maintenance de la part d\u2019un data engineer). Ou des outils sp\u00e9cialis\u00e9s comme Informatica PowerCenter, Microsoft SQL Server Integration Services (SSIS), Hadoop, AWS Glue, SAP BusinessObjects Data Services, Google Cloud Dataflow, Datameer, Stitch, Fivetran\u2026 Les outils sont nombreux sur le march\u00e9, le choix strat\u00e9gique final doit reposer sur trois consid\u00e9rations\u00a0:<\/p>\n \u00b7 <\/span>L\u2019int\u00e9gration<\/strong>. Les outils ETL peuvent se connecter \u00e0 diff\u00e9rentes sources mais le choix doit prendre en compte l\u2019outil qui se connectera au plus de sources diff\u00e9rentes parmi celles d\u00e9j\u00e0 utilis\u00e9es au sein du club ou a minima les sources d\u00e9sir\u00e9es.<\/p>\n \u00b7 <\/span>Le niveau de personnalisation<\/strong>. Certains outils sont plus personnalisables et flexibles que d\u2019autres et donc plus ou moins faciles d\u2019utilisation.<\/p>\n \u00b7 <\/span>Le co\u00fbt. <\/span><\/strong>Il faut prendre en compte le co\u00fbt des ressources n\u00e9cessaires autour de l\u2019outil lui-m\u00eame. Un outil open-source gratuit n\u00e9cessitera par exemple potentiellement beaucoup plus de maintenance.<\/p>\n En conclusion il est important de bien choisir son outil. Le process ETL est obligatoire afin de r\u00e9cup\u00e9rer la donn\u00e9e brute de plusieurs sources et d\u2019uniformiser la base de donn\u00e9es. Il faut compter entre 200\u20ac et 1000\u20ac par mois pour un outil payant en fonction du package choisi (nombre de connecteurs, capacit\u00e9 de traitement de donn\u00e9es etc..).<\/p>\n \n <\/span>En troisi\u00e8me lieu il faut stocker la donn\u00e9e, g\u00e9n\u00e9ralement dans un \u201cData Warehouse\u201d (base de donn\u00e9es h\u00e9berg\u00e9e dans le cloud). En effet le d\u00e9veloppement du Cloud ces derni\u00e8res ann\u00e9es a rendu l\u2019utilisation des Data Warehouse simple, rapide et assez peu co\u00fbteuse.\u00a0On trouvera par exemple parmi les leaders du march\u00e9 Google BigQuery, OVH Cloud, Snowflake, Azure ou encore Amazon Redshift. Il y a 5 points cl\u00e9s \u00e0 regarder pour le choix d\u2019un tel outil\u00a0:<\/p>\n \u00b7 <\/span>Int\u00e9gration. <\/span><\/strong>Il est important de s\u00e9lectionner une solution qui permet de tirer parti de l\u2019ensemble de son \u00e9cosyst\u00e8me (existant ou \u00e0 venir).<\/p>\n \u00b7 <\/span>Fiabilit\u00e9 et Support. <\/span><\/strong>Le cloud a de nombreux avantages mais les donn\u00e9es h\u00e9berg\u00e9es peuvent toujours \u00eatre soumises \u00e0 des incidents. Il est important de s\u2019assurer d\u2019un bon support de la part de l\u2019h\u00e9bergeur et d\u2019une bonne communication.<\/p>\n \u00b7 <\/span>Performance. <\/span><\/strong>L\u2019acc\u00e8s aux donn\u00e9es et la rapidit\u00e9 des traitements est importante lors du choix final. Par exemple Amazon Redshift propose un format orient\u00e9 colonne et du traitement massivement parall\u00e8le alors que Big Query utilise autant de ressources n\u00e9cessaires pour fournir les r\u00e9sultats en quelques seconde.<\/p>\n \u00b7 <\/span>La flexibilit\u00e9.<\/strong><\/p>\n \u00b7 <\/span>Le co\u00fbt. <\/span><\/strong>Amazon Redshift facture en se basant sur le type d\u2019instance qui soutient le data warehouse. Big Query facture d\u2019une part la quantit\u00e9 de donn\u00e9es stock\u00e9es et d\u2019autre part celle qui est balay\u00e9e \u00e0 chaque requ\u00eate. Il est souvent difficile de pr\u00e9dire le tarif.<\/p>\n Ainsi le choix de l\u2019outil de stockage des donn\u00e9es est plus simple et moins on\u00e9reux que celui d\u2019un outil ETL. Il peut \u00eatre conseill\u00e9 \u00e9galement par un data engineer ou un data analyst qui s\u2019occupe des connexions entre les entrep\u00f4ts de donn\u00e9es et les outils de reporting. Il faut compter entre 20 et 60 euros par mois pour le stockage des donn\u00e9es.<\/p>\n \n <\/span>Enfin il faut visualiser la donn\u00e9e, la faire parler et en tirer de la valeur ajout\u00e9e. C\u2019est le r\u00f4le du data analyst de se pencher sur ces sujets. Il va identifier des uses-cases avec les sport scientists et travailler sur les meilleurs graphiques pour interpr\u00e9ter des donn\u00e9es. Les outils de visualisation sont nombreux sur le march\u00e9 il existe des outils gratuits, open source comme Google Data Studio ou Metabase. Mais aussi de nombreux outils payants plus ou moins chers\u00a0: Power BI, Tableau, Sisense, Looker, Qlik, Toucan Toco, Open Data Soft… Les points cl\u00e9s sur lesquels baser son choix sont les m\u00eames que ceux \u00e9voqu\u00e9s plus haut pour les outils de stockage. Les prix des outils de visualisation varient entre 10 et 30 euros par utilisateur par mois. Il est \u00e9galement possible d\u2019utiliser R ou python (langage de programmation) open source pour cr\u00e9er des visualisations. Excel est \u00e9galement un ami de toujours pour la plupart des organisations. N\u00e9anmoins ce sont des outils qui ne se transmettent moins dans le temps car il est difficile de former des ressources dessus, ce sont des outils de base tr\u00e8s pratiques au cas par cas mais pas \u00ab\u00a0user-friendly\u00a0\u00bb.<\/p>\n <\/span>Il faut garder \u00e0 l\u2019esprit que le choix de tous les outils qui am\u00e8nent un d\u00e9cideur \u00e0 visualiser et interpr\u00e9ter des donn\u00e9es doit \u00eatre fait de mani\u00e8re coh\u00e9rente et de fa\u00e7on \u00ab\u00a0scalable\u00a0\u00bb. En d\u2019autres termes rester viable, efficace et durable en cas de croissance du mod\u00e8le.<\/p>\n <\/span><\/p>\n <\/span>Ainsi, les outils n\u00e9cessaires \u00e0 l\u2019\u00e9tablissement d\u2019une base de donn\u00e9es fiable (encore une fois nous ne parlons pas ici de l\u2019usage qu\u2019en font les clubs comme Manchester City) ne repr\u00e9sentent qu\u2019entre 3000 et 15 000\u20ac chaque ann\u00e9e, un co\u00fbt qui n\u2019est pas si \u00e9lev\u00e9 eu \u00e9gard de la valeur ajout\u00e9e sur le long terme de tels outils. Bien \u00e9videmment, \u00e0 cela il s\u2019agit de rajouter le co\u00fbts d\u2019outils tels que les RPE, les fournisseurs de donn\u00e9es et autres mais l\u00e0 encore des solutions peu co\u00fbteuses existent.<\/p>\n \n LE FINANCEMENT D\u2019UN DEPARTEMENT D\u2019ANALYSE DE LA PERFORMANCE<\/strong><\/p>\n <\/span>Financer un d\u00e9partement d\u2019analyse de la performance n\u2019est pas chose ais\u00e9e. C\u2019est qu\u2019un tel d\u00e9partement n\u2019est pas exactement un d\u00e9partement de recherche mais plut\u00f4t un moyen d\u2019optimiser les processus de production. Ce qui n\u2019est pas r\u00e9put\u00e9 pour permettre aux entreprises d\u2019engranger beaucoup d\u2019aides.<\/p>\n <\/span>La meilleure mani\u00e8re de financer un tel d\u00e9partement est sans aucun doute d\u2019avoir recours \u00e0 une entreprise partenaire. Qu\u2019il s\u2019agisse d\u2019une grande entreprise ou d\u2019une entreprise de la tech, de nombreux partenaires potentiels peuvent \u00eatre int\u00e9ress\u00e9s par un tel projet. D\u2019une part car il s\u2019agit d\u2019une initiative \u00e0 laquelle elles seront sensibles si elles utilisent la data ou que l\u2019innovation est au c\u0153ur de leur business model. Une simple approche de sponsoring peut ainsi suffire \u00e0 financer un tel d\u00e9partement. Autrement, le sponsor a de nombreuses mani\u00e8res d’en accompagner le d\u00e9ploiement : via la mise \u00e0 disposition de logiciels qu\u2019il utilise dans le cadre de son activit\u00e9 ou via la mise \u00e0 disposition de collaborateurs pour cr\u00e9er l\u2019architecture du d\u00e9partement ou pour en faire la maintenance r\u00e9guli\u00e8re, voire contribuer aux analyses selon le type de partenaire (s\u2019il s\u2019agit d\u2019un site de paris sportifs par exemple). Par ailleurs, si une partie de ce d\u00e9partement est assum\u00e9 par l\u2019association support qui l\u2019utilise pour le d\u00e9veloppement de la performance et le recrutement au sein des cat\u00e9gories jeunes, le partenaire peut b\u00e9n\u00e9ficier d\u2019une r\u00e9duction d\u2019imp\u00f4t de 66%.<\/p>\n <\/span>Une approche permettant de b\u00e9n\u00e9ficier de nombreuses aides est celle d\u2019un d\u00e9partement ayant aussi une intention de faire de la recherche dans des sujets de data sportive. L\u2019entreprise partenaire pourrait ainsi b\u00e9n\u00e9ficier d\u2019un cr\u00e9dit imp\u00f4t recherche de 30% des montants investis dans le projet et le club pourrait b\u00e9n\u00e9ficier des financements offerts par les Conventions Industrielles de Formation par la Recherche (CIFRE). Une telle aide permet de transformer un salaire brut charg\u00e9 de doctorant de 33000\u20ac en une charge de 8300\u20ac pour l\u2019ann\u00e9e. L\u2019entreprise b\u00e9n\u00e9ficiant par ailleurs de certains droits sur les brevets ou autres propri\u00e9t\u00e9s intellectuelles d\u00e9couvertes dans le cadre du travail de recherche effectu\u00e9.<\/p>\n <\/span>Enfin, exceptionnellement, certaines r\u00e9gions accompagnent les PME du territoire dans leur transformation. Elles peuvent financer jusqu\u2019\u00e0 80% des montants allou\u00e9s \u00e0 l\u2019acquisition de nouveaux logiciels par exemple selon l\u2019impact du projet sur l\u2019\u00e9conomie locale. \u00c0 titre d\u2019exemple, la r\u00e9gion Ile de France via son programme PM\u2019up Relance permet de financer le repositionnement strat\u00e9gique d\u2019une PME ayant du mal \u00e0 passer un cap de d\u00e9veloppement pour des montants s\u2019\u00e9levant jusqu\u2019\u00e0 250 000\u20ac (50% des montants totaux). Si des aides semblent relativement accessibles pour le financement de l\u2019achat de licences de logiciels, le sujet le plus d\u00e9licat reste celui de la structuration du d\u00e9partement. Pour cela, un partenaire de la tech semble \u00eatre le plus pertinent pour le financer si la tr\u00e9sorerie du club ne permet pas de faire appel \u00e0 un prestataire sp\u00e9cialis\u00e9 tel que Six Sports Management.<\/p>\n \n \n <\/span>Nous arrivons d\u00e9sormais \u00e0 la fin de notre s\u00e9rie d\u2019articles sur l\u2019optimisation du recours \u00e0 la <\/span><\/em>hashtag<\/span>#<\/span>data<\/span><\/a> <\/span>sportive dans les clubs. Nous esp\u00e9rons que vous avez trouv\u00e9 cela instructif et les \u00e9quipes de <\/span>Six Sports Management<\/a> <\/span>seront ravies de r\u00e9pondre \u00e0 toutes vos questions sur le sujet et vous accompagner dans le d\u00e9ploiement ou l\u2019\u00e9tude de faisabilit\u00e9 d\u2019un tel projet. Le secret de la performance dans toute industrie est de rester \u00e0 l\u2019avant du peloton en termes d\u2019usage de nouveaux outils et de nouvelles m\u00e9thodes. Dans le sport, la data repr\u00e9sente clairement un avantage comparatif aujourd\u2019hui et tous les clubs s\u2019y mettent peu \u00e0 peu. Prendre de l\u2019avance est ainsi un avantage de taille.<\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Suite \u00e0 leurs deux premiers articles sur la gestion de la hashtag#data et la structuration d\u2019un d\u00e9partement d’analyse de la performance, Six Sports Management et Alexis Barat s\u2019int\u00e9ressent \u00e0 la question du financement d\u2019un tel d\u00e9partement. Quels en sont les co\u00fbts et comment peut-on le financer\u00a0? LES CO\u00dbTS DES RESSOURCES D\u2019UN DEPARTEMENT D\u2019ANALYSE DE LA […]<\/p>\n","protected":false},"author":1,"featured_media":284,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[26],"tags":[],"class_list":["post-695","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sportsdata"],"_links":{"self":[{"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/posts\/695","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=695"}],"version-history":[{"count":4,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/posts\/695\/revisions"}],"predecessor-version":[{"id":774,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/posts\/695\/revisions\/774"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=\/wp\/v2\/media\/284"}],"wp:attachment":[{"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=695"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=695"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sixsportsmanagement.fr\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=695"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}<\/div>\n<\/div>