Beslutningsstøtte i dansk fodbold

Fodboldklubber i Danmark bruger mange ressourcer til at understøtte vigtige strategiske beslutninger – trænervalg, spillestil, sponsorpleje og ikke mindst indkøb af spillere.

Efter forårets samarbejde med Brøndby IF, har vi fået et godt indtryk af hvilke processer, der kan effektiviseres ved hjælp af Machine Learning. Vi har desuden via Brøndby IF fået indsigt i, hvordan data bruges rundt omkring i de danske fodboldklubber, og i dag er det faktisk kun de største klubber, som for alvor og professionelt bruger data og Machine Learning.

Vi finder, at den mest oplagte proces at arbejde videre med er køb og salg af spillere. Vi ved, at det er muligt at fremstille en prototype af en Machine Learning model i forhold til køb og salg af spillere.

Flere aktører i branchen ser en fordel i en mere databaseret tilgang til beslutninger om handel med fodboldspillere.

Vi vil derfor gennemføre forstudiet for at bekræfte behovet for Machine Learning til at understøtte beslutninger. Derudover søger forstudiet at identificere de bedste strategier til at kommunikere hvordan Machine Learning kan hjælpe trænere, sportsdirektører og marketingsfolk indenfor sport generelt.

Metoden, der anvendes i forstudiet, er clustering algoritmer programmeret i R.

Som del af forstudiet skal der desuden udarbejdes et “Proof of Concept” til en Machine Learning model, der dannes ud fra data fra events i fodboldkampe i den danske superliga.
Forstudiet vil også bestå af 5-10 dybdegående interviews med fodboldklubber.

Forstudiet forventes at resultere i en prototype på en transfermodel til brug for danske elite fodboldklubber.