Workearly Sports Analytics School: O Lead Academy Match Analyst της ΠΑΕ Ολυμπιακός μας μιλά για το παρόν και το μέλλον των Sports Analytics

Tο Sports Analytics School του Workearly, είναι η πρώτη ελληνική πλατφόρμα που εκπαιδεύει τους χρήστες στην ανάλυση δεδομένων στο ποδόσφαιρο.

Ήδη το παρακολουθούν τα στελέχη των κορυφαίων ελληνικών ποδοσφαιρικών ομάδων.Το Sports Analytics School διοργανώνεται από το Workearly σε συνεργασία με την Opta - Stats Perform, τον μεγαλύτερο πάροχο αθλητικών δεδομένων στον πλανήτη, διασφαλίζοντας έτσι την εγκυρότητα δεδομένων πραγματικού χρόνου και δίνοντας πρόσβαση στα πιο λεπτομερή match events!


Ο Βασίλης Αρματάς, Lead Academy Match Analyst της ΠΑΕ Ολυμπιακός, που εκπαιδεύεται αυτή την στιγμή στο Workearly, μας δίνει τα φώτα του γύρω από την αξία και το μέλλον των Sports Analytics.


Ξεκινώντας αν θέλετε να μου πείτε 2 λόγια για εσάς, το background και την εμπειρία σας στο τομέα που εργάζεστε τα τελευταία χρόνια.

Εγώ έχω τελειώσει το πτυχίο μου και το μεταπτυχιακό μου στο ΤΕΦΑΑ Θεσσαλονίκης και πρόσφατα τελείωσα το διδακτορικό μου πάνω στην Ανάλυση Αγώνων στο πανεπιστήμιο Αθηνών, όσον αφορά τις σπουδές.

Όσον αφορά την εμπειρία μου, έχω δουλέψει ως αναλυτής στον Παναθηναϊκό, στην ΑΕΚ και τώρα είμαι στον Ολυμπιακό οπότε το άθλημα του ποδοσφαίρου το βλέπω τόσο ερευνητικά όσο και πρακτικά μέσα από την ενασχόληση μου σε αυτές τις ομάδες.


Ποια είναι η γνώμη σας για τα sports analytics; Tι ρόλο πιστεύτε ότι παίζουν στο ποδόσφαιρο σήμερα και κατά πόσο χρησιμοποιούνται από τις ομάδες στην Ελλάδα;

Είμαι ένας άνθρωπος των αριθμών και πάντοτε μου άρεσε να ασχολούμαι με αυτούς ακόμη κι όταν δεν ήταν της «μόδας». Οπότε για μένα είναι βολικό το ότι αυτή τη στιγμή ασχολούμαστε τόσο πολύ με τα analytics. Σίγουρα είναι διαφορετικά από άλλες επιστήμες, γιατί στον αθλητισμό πολλά πράγματα υπολογίζονταν με το «μάτι». Τώρα με τα δεδομένα είναι διαφορετικά, γιατί τα παίρνεις στα χέρια σου, τα διαβάζεις και κάποια πράγματα που μπορεί να έχεις διαπιστώσει ποιοτικά, τα επιβεβαιώνεις. Από εκεί και πέρα, τα δεδομένα αρκετές φορές λειτουργούν και ως ένα «red flag», για πράγματα που δεν έχεις εντοπίσει και νομίζω πως αυτή είναι η πιο σημαντική λειτουργία τους.

Παρότι λίγο πολύ όλοι έχουμε πρόσβαση στα δεδομένα, είναι πολύ δύσκολο να τα αξιοποιήσεις και να βγάλεις ένα συμπέρασμα για το πως θα πάρεις μια απόφαση, πως θα αλλάξεις την προπόνησή σου, πως θα διαχειριστεί ο προπονητής κατά τη διάρκεια του παιχνιδιού τις αλλαγές, τις τακτικές κλπ. Οπότε το πιο δύσκολο κομμάτι κατά τη γνώμη μου, είναι να κάνεις το decision-making βασισμένος στα δεδομένα. Ειδικά στην Ελλάδα είμαστε αρκετά πίσω ακόμη, γιατί στις ομάδες ποδοσφαίρου, έχω δει το μοντέλο του ιδιοκτήτη ή προπονητή που γνωρίζει τα πάντα, οπότε δεν χωράει αμφισβήτηση από τα δεδομένα, πχ. στις μεταγραφές αν ένας παίκτης είναι γνωστός ως καλός, ο ιδιοκτήτης μπορεί να αγνοήσει τα δεδομένα παρότι μπορεί να δείχνουν το αντίθετο Το μοντέλο της αυθεντίας δηλαδή, είτε από ιδιοκτήτες είτε από προπονητές, κρατά την Ελλάδα λίγο πίσω σε σχέση με το εξωτερικό στην ανάδειξη της σημασίας των αθλητικών δεδομένων.


Πως αποφασίσατε να ξεκινήσετε εσείς να ασχολείστε με τα sports analytics και πως αποφασίσατε να παρακολουθήσετε το Sports Analytics School του Workearly;

Καθώς εγώ είχα και το ερευνητικό background και πάντα προσπαθώ να επιβεβαιώνω πράγματα μέσα από τους αριθμούς, πέρα από το κομμάτι των τακτικών που πήγαινα στον προπονητή και του έλεγα την άποψη μου, προσπαθώ να υποστηρίζω την άποψη μου και με τα δεδομένα. Πάντα προσπαθώ να πατάω και στα ποιοτικά αλλά και στα ποσοτικά δεδομένα όσο γίνεται. Το Sports analytics school του Workearly, έχοντας μια εμπειρία στο χώρο, το επέλεξα γιατί είμαι άνθρωπος της μάθησης, η οποία θεωρώ δεν σταματάει ποτέ, ανεξάρτητα από την ηλικία και την εργασιακή εμπειρία του καθενός. Βλέποντας και το πρόγραμμα σπουδών και τα περιεχόμενα του School, υπάρχουν πράγματα που δεν γνωρίζω και θα δω πρώτη φορά, κάποια που γνωρίζω ήδη αλλά ακόμη και πιο απλές γνώσεις, τις εκτιμώ γιατί μετά θα μπορώ να τις  χρησιμοποιήσω και στην καθημερινότητα μου. Επίσης οι γλώσσες προγραμματισμού στο πρόγραμμα είναι και αυτές κάτι καινούριο για μένα γιατί είχα ασχοληθεί με γλώσσες προγραμματισμού στο παρελθόν, αλλά όχι με τις συγκεκριμένες. Στην Ελλάδα δεν ασχολούμαστε τόσο με το big data αλλά επειδή έχουμε αρκετά δεδομένα από τις διάφορες ομάδες όπως τη Κ19 τη Κ17 τη Κ15 που συμμετέχουν στο πρωτάθλημα της Superleague, θα φανούν σίγουρα χρήσιμες. Επίσης αυτά τα εργαλεία που διδάσκονται στο Sports Analytics School χρησιμοποιούνται και σε ερευνητικό πλαίσιο, πράγμα που με ενδιαφέρει πολύ.

Πιστεύετε ότι η Ελλάδα είναι πίσω στον τομέα του Sports Analytics; Έχουν οι Ελληνικές ομάδες  αναγνωρίσει και ασχοληθεί με την ανάλυση των δεδομένων, όπως στο εξωτερικό (και όχι μόνο από την παρακολούθηση σε θέματα τακτικής);

Νομίζω πως η Ελλάδα είναι ακόμη σε πρώιμο στάδιο και σίγουρα δεν υπάρχουν και οι θέσεις εργασίας αυτή τη στιγμή για να πούμε πως κάθε ομάδα έχει και έναν data analyst. Δηλαδή προς το παρόν οι αθλητικοί αναλυτές κάνουν και το κομμάτι της ανάλυσης των δεδομένων, όσο γνωρίζουν και όσο είναι δεκτικό το περιβάλλον. Νομίζω όμως, πως είναι αναπόφευκτο το να ακολουθήσουμε τα πρότυπα του εξωτερικού. Όπως ακολουθούμε σε όλα τα υπόλοιπα τις ομάδες του εξωτερικού, έτσι θα δώσουμε και περισσότερη σημασία και στα data σε λίγο καιρό. Στην πρώτη ομάδα μας έχουμε και εμείς άτομο που ασχολείται με data analysis και πιστεύω σιγά σιγά όλες οι μεγάλες ομάδες θα το υιοθετήσουν, γιατί για μικρότερες μπορεί να είναι πιο δύσκολο λόγω του οικονομικού. Παρ’όλα αυτά το τοπίο σιγά σιγά αλλάζει και με την εμπειρία μου έχω δει ότι και οι προπονητές πλέον έχουν αρχίσει να δίνουν περισσότερη σημασία στα δεδομένα.


Το Sports Analytics School του  Workearly το παρακολουθούν ήδη στελέχη πολλών ελληνικών ποδοσφαιρικών ομάδων, θεωρείτε ότι οι ελληνικές ομάδες θέλουν να ακολουθήσουν τα πρότυπα ομάδων - οργανισμών  του εξωτερικού;  


Πιστεύω ότι και η Ελλάδα θα φτάσει σύντομα τα δεδομένα του εξωτερικού, γιατί και εγώ ξεκίνησα το 2010 ως αναλυτής στον Πανιώνιο. Τότε το να υπάρχει ένα άτομο να κάνει αυτή τη δουλειά ήταν κάτι το εξωπραγματικό και τώρα έχουμε φτάσει στο σημείο που οι αναλυτές είναι μέλος του staff, οι προπονητές παίρνουν μαζί τους έναν αναλυτή στα γήπεδα, οπότε πιστεύω ότι θα εξελιχθεί και στην Ελλάδα περισσότερο. Ειδικότερα όταν καταλάβουν οι ομάδες ότι ένας data analyst μπορεί να σε γλιτώσει από ώρες δουλειάς πχ φιλτράροντας δεδομένα για παίκτες, ομάδες, αγώνες κλπ. Το να μη κάνει μια ομάδα μια μεταγραφή αλλά να έχει ας  2 data analyst, μπορεί να αποδειχθεί πολύ πιο συμφέρον οικονομικά. Κυρίως είναι θέμα στρατηγικής της κάθε ομάδας. Πολλοί ιδιοκτήτες μπορεί να μη συμφωνήσουν να προσλάβουν άλλο ένα άτομο, αλλά μπορεί να κάνουν μια μεταγραφή σε παίκτη που θα βάλει πολλά γκολ, κι ας μη τα βάλει τελικά. Το έχουμε δει πάντως και σε ομάδες εξωτερικού όπου είχαν απτά αποτελέσματα χρησιμοποιώντας το data analysis ως κομμάτι της στρατηγικής τους. Είμαστε τυχεροί όμως, γιατί πέρα από το κομμάτι της Ελλάδας, αν κάποιος θέλει πραγματικά να ασχοληθεί και ολοκληρώσει και το sports analytics school και δεν γνωρίζει πως να κινηθεί μετά, έχω να πω πως ζούμε στην εποχή που μπορείς να δουλέψεις από το σπίτι για όλο τον πλανήτη. Οπότε αντίστοιχα πτυχία και γνώσεις πάνω στο αντικείμενο δεν σε περιορίζουν στην εργασία στην Ελλάδα. Μπορεί πχ κάποιος να δουλέψει για μια ομάδα στον Καναδά ή στην Αυστραλία. Ακόμη και μια πρακτική άσκηση είναι χρήσιμη σε κάποια ξένη ομάδα πχ. στην Ισπανία, τη Γαλλία ή οπουδήποτε αλλού στο εξωτερικό ώστε να πάρει κάποιος επιπλέον τεχνογνωσία. Αυτή η δουλειά είναι παγκόσμια, δεν περιορίζεται στον Ελλαδικό χώρο και νομίζω πως αυτό είναι σημαντικό να ειπωθεί.   Σχετικά με τη πρόοδο μου στο course του Workearly, προς το παρόν είμαι στην αρχή. Η πρώτη εμπειρία είναι εξαιρετική καθώς μου αρέσει πολύ το περιβάλλον μάθησης και είναι πολύ εύκολο να πλοηγηθείς και να παρακολουθήσεις. Δεν ήταν κουραστική η εισαγωγή και να σημειωθεί ότι το έκανα ξενυχτώντας, οπότε ήταν ευχάριστο, δεν το σταμάτησα για να πάω να κοιμηθώ(γέλια).


  • To Sports Analytics School του Workearly, δίνει την ευκαιρία σε όσους αγαπούν το ποδόσφαιρο να μάθουν ανάλυση δεδομένων με πραγματικά match events της αγαπημένης τους ομάδας με τα τελευταία αποτελέσματα της σεζόν!

  • Επιπλέον υποστηρίζει πολλαπλά επίπεδα δυσκολίας, δίνοντας την ευκαιρία στους αρχάριους, χωρίς προηγούμενη επαφή με το Data Science να μάθουν απλά εργαλεία και τεχνολογίες, με μεγάλη ζήτηση στην αγορά εργασίας μέσα από πολύ ενδιαφέροντα παραδείγματα, αλλά και σε πιο έμπειρους Data Analysts, που βρίσκονται στον χώρο της πληροφορικής, να μάθουν τεχνικές ανάλυσης με προγραμματισμό.

  • Ακόμη, προσφέρονται και πολλές επιλογές certification με προσβαση σε διεθνείς θέσεις εργασίας, για τους ενδιαφερόμενους. -Η εκπαίδευση γίνεται online και στους χρόνους του εκπαιδευόμενου. H learning πλατφόρμα του Workearly αποθηκεύει αυτόματα και την πρόοδο και τα σκορ των χρηστών, φυσικά με την εποπτεία και την βοήθεια των εκπαιδευτικών ομάδων.
Το πρώτο αναγνωρισμένο Sports Data Science Certification Program στην Ελλάδα για:
- Sports Analysts
- Data Analysts / Developers / IT Professionals -Προπονητές/Αθλητές

Κάνε αίτηση εδώ