Consultor de IA em Arnhem
Para federações desportivas, clubes e programas de desenvolvimento de talentos na região de Papendal. Criamos ferramentas que permitem acompanhar e comparar jovens atletas, como as que criámos para a Van Amersfoort Racing.
Com a Van Amersfoort Racing, desenvolvemos uma ferramenta para acompanhar e comparar jovens pilotos
“[…] Estamos muito satisfeitos com a nossa colaboração e confiantes de que esta será uma ferramenta muito útil na procura de jovens pilotos talentosos.” Francisco Freitas, Desenvolvimento de Negócio na Área Desportiva - Van Amersfoort Racing (VAR)
O que revelam todos esses dados de treino sobre um único atleta?
Em Papendal, o TeamNL Sport Science Centre aplica os dados recolhidos diretamente ao treino. Num clube ou programa regional de desenvolvimento de talentos, os dados de GPS, frequência cardíaca e testes ainda estão muitas vezes dispersos por aplicações e folhas de cálculo. Ao reuni-los, pode ver como uma semana de treino afetou cada atleta.
Os treinadores revêem os treinos, os olheiros acompanham a evolução
Uma visão geral por atleta
GPS, frequência cardíaca, sensores de salto, momentos de avaliação e aplicações de treino associados por nome e data, para que a equipa técnica possa ver uma semana de treinos numa única vista.
Feedback durante o treino
Para a DutchSail, desenvolvemos um dashboard em tempo real que permite aos treinadores acompanhar o desempenho dos seus velejadores no simulador AC-40.
Acompanhar e comparar talentos
Para a Van Amersfoort Racing, desenvolvemos em Python e Dash uma ferramenta que permite à equipa acompanhar e comparar jovens pilotos.
Continua a funcionar após a época
Novos sensores, uma nova geração de atletas, outro treinador: com gestão e melhoria contínua, mantemos as integrações e os modelos atualizados quando algo muda.
A pergunta do treinador vem antes do sensor
-
Definir uma decisão
Por exemplo, quem passa para uma equipa de nível superior ou que carga de treino um atleta consegue suportar após uma lesão.
-
Rever uma época
Com os dados de uma época anterior, avaliamos se as medições teriam fundamentado melhor essa decisão.
-
Integrar na semana de treinos
Se funcionar, o resumo passa a fazer parte da rotina da equipa técnica e do atleta, com um responsável e gestão contínua.
Isto é útil para a sua federação, o seu clube ou o seu programa de formação de talentos?
Adequa-se se
Treina ou seleciona atletas com uma equipa técnica permanente, já recebe medições de GPS, frequência cardíaca, momentos de avaliação ou de um simulador, e uma decisão recorrente, como a carga de treino ou a progressão dos atletas, pode ser mais bem fundamentada.
Não se adequa se
As suas medições ainda não permitem comparações ao longo de uma época, ou a decisão depende sobretudo do olhar de um treinador experiente. Nesse caso, comece por avaliações regulares e um dashboard simples.
O que determina a dimensão do projeto
O número de atletas e de sistemas de medição; se os fornecedores de sensores e aplicações disponibilizam uma exportação ou integração; se pretende consultar os dados em tempo real ou após o treino; e se a gestão fica a cargo da sua equipa ou da nossa.
Quem pode ver os dados de um atleta?
A frequência cardíaca, o sono e as lesões podem facilmente constituir dados de saúde. Defina antecipadamente o que o treinador, o olheiro e a equipa médica podem ver. Configuramos essas permissões de acesso na plataforma.
Feedback em tempo real, seleção de talentos ou carga de treino: onde é que os seus dados podem gerar resultados primeiro?
Feedback em tempo real
Escolha esta opção se os treinadores precisarem de fazer ajustes durante a sessão e os dados das medições já chegarem em formato digital, como acontece com o simulador de vela da DutchSail.
Seleção de talentos
Escolha esta opção se selecionar talentos todos os anos e tiver resultados de testes de várias gerações. O nosso conselho: tenha em conta o mês de nascimento, caso contrário o modelo aprenderá a reproduzir decisões de seleção anteriores.
Carga de treino
Escolha esta opção se as lesões e a sobrecarga de treino forem o que mais lhe custa e já registar dados de GPS, frequência cardíaca ou RPE por sessão de treino. Comece por uma visão geral no Power BI.
Os nossos casos de estudo desportivos levam-nos à pista e à água
A Data Science Lab existe desde 2016 e é parceira da Databricks e da Microsoft. Para a Van Amersfoort Racing e a DutchSail, trabalhámos com Python, Dash, Kafka e Grafana. A partir de Amesterdão, podemos reunir-nos nas suas instalações, nas nossas ou online.

A conversa começa com uma decisão da sua equipa
Stef Stoelwinder
Desenvolvimento de NegócioStef é o seu ponto de contacto. Na primeira conversa, discutimos que decisão a sua equipa quer fundamentar, que medições já existem e quem vai trabalhar com os resultados.
E-mail info@datasciencelab.nl
Telefone +31 (0)20 3636 724
Sobre que atletas ou escolhas para a equipa tem a nossa equipa técnica dúvidas neste momento?
Descreva brevemente de que atletas, medições ou escolhas para a equipa se trata. Receberá uma resposta por email ou agendaremos uma primeira conversa nas suas instalações, nas nossas ou online.
Mensagem enviada
Obrigado pela sua mensagem. Entraremos em contacto consigo o mais rapidamente possível.
Perguntas frequentes
Não. São casos de estudo nossos na área do desporto, que mencionamos aqui como exemplos do que fazemos com dados de desempenho e talento. A DutchSail tem a sua base de equipa em Scheveningen. Não publicámos nenhum caso de estudo com um clube, uma federação ou um programa de talentos em Arnhem.
O nosso escritório fica na Westerdoksdijk, em Amesterdão. Podemos reunir-nos nas suas instalações, nas nossas ou online. O nosso trabalho neste setor está na página dados e IA para o setor do desporto.
Em Papendal, nos arredores de Arnhem, o TeamNL Sport Science Centre apoia federações e programas de alto rendimento. Mede, entre outros aspetos, força, técnica, resistência e recuperação, e utiliza equipamentos de teste e medição para dar feedback imediato sobre o treino. A NOC*NSF tem aí o seu escritório, e federações como a Atletiekunie e a KNWU também estão sediadas no local.
Não construímos equipamentos de medição. Ligamos os resultados dos testes aos dados recolhidos diariamente por GPS, monitores de frequência cardíaca e aplicações de treino, para que a equipa técnica também acompanhe a evolução entre dois testes. Isso exige data engineering e um acordo sobre quem gere os dados: a federação, o clube ou o programa.
Testando esse efeito desde o início. Crianças nascidas no mesmo ano civil são consideradas da mesma idade, mas podem ter quase um ano de diferença. Uma análise da formação do PSV publicada em 2018 no Demos, o boletim do NIDI, revelou uma sobrerrepresentação de jogadores relativamente mais velhos: o efeito da idade relativa. Um modelo treinado com seleções anteriores reproduz esse efeito.
Por isso, compare os atletas com outros da mesma faixa etária nascidos na mesma parte do ano e observe a evolução ao longo de várias medições, em vez de se basear num único teste. A avaliação do treinador continua a ser determinante; o modelo mostra quem poderá ter passado despercebido. Saiba como aconselhamos sobre modelos justos e transparentes em Responsible AI.
Só sob condições rigorosas. A Autoriteit Persoonsgegevens (AP) classifica os dados sobre quanto uma pessoa se movimenta, dorme e pesa como dados de saúde. São uma categoria especial de dados pessoais: o seu tratamento é proibido, a menos que se aplique uma exceção prevista no RGPD e exista uma base legal. Segundo a AP, o consentimento de um trabalhador numa posição de dependência nunca pode ser livre; um atleta também pode estar dependente de quem lho pede.
Se a base for o consentimento explícito e o jovem atleta tiver menos de 16 anos, este deve ser dado por um progenitor ou tutor; a partir dos 12 anos, a criança pode retirá-lo por iniciativa própria. Defina, através de data governance, o que os treinadores, os observadores e a equipa médica podem ver. Cabe ao seu jurista ou encarregado da proteção de dados avaliar as implicações jurídicas da sua situação.
As medições chegam num fluxo contínuo e são processadas enquanto a sessão decorre. Para a DutchSail, desenvolvemos um dashboard em tempo real para o simulador AC-40, com dados do treino, como o comportamento ao leme e a regulação das velas. Nesse caso de estudo, utilizámos, entre outras ferramentas, Python, Kafka, uma plataforma para este tipo de fluxos de dados, e Grafana, software para dashboards.
O processamento em tempo real só compensa se o treinador puder intervir durante a sessão. Se a equipa técnica só analisar os dados depois, o processamento após o treino é mais simples de desenvolver e gerir. Muitas vezes, a maior dificuldade está na origem dos dados: nem todos os sensores ou simuladores disponibilizam os seus dados através de uma integração.
“The experts at Data Science Lab helped us streamline our dataflow by looking at the broader picture as well as solving the difficult IT issues we had […]” Dirk-Jan Korpershoek, DutchSail
Normalmente, dois tipos. A carga externa corresponde ao que o atleta faz, como a distância percorrida, os sprints e os saltos registados por GPS e sensores. A carga interna corresponde ao efeito dessa atividade no atleta, medido, por exemplo, pela frequência cardíaca e pelo session-RPE: o esforço que o próprio atleta indica após o treino. Segundo a TeamNL, em 2018 as modalidades coletivas já utilizavam sistemas GPS, monitores de frequência cardíaca e sensores de salto nos treinos.
Acrescente o historial de lesões detido pela equipa médica e poderá perceber, para cada atleta, a relação entre a carga e as queixas físicas. Há uma armadilha: se o clube mudar de fornecedor de GPS, os valores anteriores e posteriores à mudança muitas vezes não são diretamente comparáveis. Registe essa mudança antes de treinar um modelo.
No Gelders programma Sport, a Topsport Gelderland e a Gelderse Sport Federatie colaboram na iniciativa Sportief Groot Worden. São realizados testes de motricidade, identificadas preferências desportivas e recolhidos dados sobre a atividade física e a prática desportiva de crianças do ensino básico. Esses dados dão origem a perfis de atividade física, que servem de base aos municípios e a atividades em bairros e comunidades locais.
Estes dados dizem muito ao nível do bairro ou da escola, mas só permitem tirar conclusões sobre cada criança após várias medições. Em 2016, ainda antes da entrada em vigor do RGPD, a AP classificou os dados sobre as capacidades motoras dos alunos em projetos de saúde nas escolas como dados de saúde. Um dashboard Power BI ao nível do bairro é, muitas vezes, um primeiro passo mais sensato do que um modelo para cada criança.
Quando a questão é saber o que aconteceu, e não o que vai acontecer. Uma visão da carga semanal por atleta ou dos resultados dos testes por grupo de formação responde a muitas perguntas dos treinadores sem recorrer a um modelo. Além disso, com poucos atletas ou dados de apenas algumas épocas, é pouco provável que um modelo identifique algo que um treinador experiente ainda não veja.
Comece por dashboards Power BI assentes em dados integrados. Se o principal problema for a falta de capacidade para combinar as exportações de sensores e aplicações, pode integrar um data engineer na equipa através da cedência de profissionais.
Qual é o caminho certo para os seus dados desportivos?
- Consultoria em IAA nossa abordagem a nível nacional para decidir que decisão deve ser a primeira a beneficiar de uma aplicação de IA.
- Dados e IA para o setor do desportoO que fazemos por clubes, federações e equipas que querem acompanhar o desempenho e a evolução.
- Data scienceComo construímos modelos preditivos, desde os primeiros testes com dados históricos até à gestão.