De opdracht
(Data-Science) Ontwikkelen van Machine Learning clustering- en voorspellingsmodel voor te behalen niveau van voetbaltalenten

Ons Technoleon platform voor performance, talent identificatie & ontwikkeling wordt op dit moment toegepast in voetbal, basketball en hockey. Het platform draait in AWS cloud en bestaat uit Python applicaties die performance data ophalen uit Postgress.  Voor de analyse en grafische weergave wordt gebruik gemaakt van Dash, Flask, JavaScript, etc. Diverse klanten krijgen via dit platform toegang tot een eigen Technoleon versie. Zo maken diverse prof clubs gebruik van hun performance data, waarbij een aantal analyses en voorspellingen zijn ontwikkeld op baiss van Machine Learning datamodellen. In voetbal beschikken wij via ons mobiele LPM systeem GenGee INSAIT KS zowel over player tracking én smartball data (positiedata).

Wij hebben in Technoleon een benchmarking methodiek verweven die spelers feitelijk steeds inzicht verschaft waar zij met hun ratio’s en vaardigheden staan op de ladder van Talentontwikkeling. Uiteindelijk breekt ongeveer 1% van de jeugdspelers in een BVO opleiding (in NL jaarlijks zo’n 4000 spelers) ooit door in het betaalde voetbal niveau Eredivisie Top-9 (‘linkerrijtje’). Ca 5% krijgt ooit een prof contract als (jeugd)speler, etc. etc.

Als je ooit die beste 5% of 1% wil bereiken zul je vandaag al over specifieke vaardigheden moeten beschikken en daarmee tot de beste 5% (of 1%) van je lichting moeten behoren. Technoleon laat constant zien waar een speler staat in relatie tot die benchmarks. Met alle data en de ratio’s (modellen) zullen we ook in staat zijn om inzicht te geven in waar je je moet verbeteren (bijvoorbeeld je ‘acceleraties’ of je ‘perifere zicht’) om tot de beste 5% of 1% te gaan behoren. Vanuit de voorspellende modellen (ratio’s) zullen ook verklarende paramaters (performance parameters, vaardigheden, etc.) vrijkomen. Vanuit dit idee willen we voorspellende modellen combineren met clustering van type spelers. Waardoor we groepen spelers kunnen samenstellen die dezelfde ‘leerdoelen’ en 'levels' op vaardigheden hebben. Indien deze clusters te formeren zijn en te voorspellen is hoeveel zij richting 5% of 1% zullen opschuiven, als zij bepaalde vaardigheden verbeteren, kun je deze spelers gericht van trainingsmethoden en oefenstof voorzien. Op termijn zou je dan zelfs je potentieel als club moeten kunnen inschatten (waarde koppelen aan spelers) door te voorspellen hoeveel spelers, wanneer tot de beste 5% en 1% gaan behoren.

De werkomgeving

• Een dynamisch en jong bedrijf in de wereld van Sports.Tech en performance data-analyse
• Verschillende disciplines als data-mining, sport-science (research), marketing, e-commerce en advies aan (top) sportclubs werken nauw samen met korte lijnen
• In Amsterdam-Duivendrecht direct gelegen aan metro station Overamstel
• Innovatie en tech staan hoog in het vaandel
• Je wordt echt onderdeel van het kernteam met eigen 
  
• Je wordt goed begeleid en werkt in een zelflerende organisatie
• Je wordt serieus genomen en krijgt de kans je potentieel optimaal te benutten

Profiel kandidaten

• Je bent een teamplayer
•  Je bent creatief en durft je ideeën te ventileren
• Je hebt interesse in data-analyse en Machine Learning
• Je heb affiniteit met programmeren (en/of het je eigen maken van talen als R, Python, Flask, Dash, etc.)
• Affiniteit met databases (Postgress), tabellenstructuren, data bewerking (Excell) en SPSS is een pré
• Kennis van grafische weergave van data is een pré
• Je bent een aanpakker en durft te experimenteren
• Je kickt op een dynamische en hectische werkomgeving waarin verschillende disciplines en skills moeten samenwerken
• Je kunt omgaan met druk en deadlines
• Affiniteit met sport is een pré

Informatie over het project

• Stage of afstudeeropdracht Data-Science / Big Data
• Data van ca 40 teams (O13-O14-O15-O16), 35 matches, circa 750 jeugdspelers (BVO), 1330 match minutes, 24.500 passes data points (matches), 90.000 additional research data points, 26.000.000 match coordinates data-points.
• Deze data zijn en worden gegenereerd in de periode maart 2021 - juni 2022
• Aanvang vanaf april 2022

Wie zijn wij?

Forward Football B.V. is in 2016 opgericht en gevestigd in Amsterdam. 'We improve sports" is ons mission statement.

In Europa richten wij ons op voetbal (en basketball en hockey) verbeter trajecten door wetenschappelijk onderzoek, technologie en data-analyse toepasbaar te maken naar de dagelijkse praktijk van de voetbal (sport) trainer. Via onze technologie partner GenGee Technology (China) brengen wij innovatieve Sports.Tech en performance systemen naar Europa en gebruiken wij deze in onderzoekstrajecten (samenwerking met de VU Human Movement Science) en in verbeter en training-tracks voor clubs, middels ons Technoleon cloud platform. Dit platform ontwikkelen wij in samenwerking met HvA-ICT.  Ook voor spelers brengen wij technologie op de (consumenten)markt, zoals ballen met sensortechnologie en App's en scheenbeschermers met technologie. Deze producten brengen wij op de markt onder ons label Forwardsports.tech. Ook de data die deze consumenten Sports.Tech producten genereren, ontsluiten wij via het Technoleon cloud platform.

Websites

• Forward.football
• Forwardsports.tech

Solliciteren? Neem contact op met Beer Flik van Forward Football BV