Jalkapallon huippuseurat käyttävät yhä enemmän data-analyysejä ja tekoälyä valmennuksen työkaluina. On kysyttävä, kuinka käy managereille ja valmentajille? Mitä jos käy niin, että ihmisvalmentajat käyvät tarpeettomiksi, kysyy Atleetin kolumnisti Lauri Hollo.
Teknologia on muuttanut viime vuosina valmentajien työtä valtavasti. Pelaajien jokaista liikettä voidaan mitata, analysoida ja vertailla. Tekoäly pystyy käsittelemään valtavia datamääriä ja ehdottamaan, mitä kentällä pitäisi tehdä. Tarvitaanko kohta enää ihmistä kertomaan se?
Etenkin Englannin Valioliigassa data-analytiikasta on tullut todella tärkeä valmennuksen työkalu. Datatiimit ja valmentajat voivat analysoida jokaista nippelitietoa kentällä niin peleissä kuin harjoituksissakin.
Otteluissa käytetään kameroita, jotka seuraavat pelaajien tekemisiä, harjoituksissa data kerääntyy pääosin GPS:n ja erilaisten suorituskykymittareiden avulla.

Samalla menetelmällä kartoitetaan myös mahdollisia tulevia pelaajahankintoja. Kerätty data voi myös ehdottaa, keitä pelaajia kannattaa laittaa kentälle mitäkin vastustajaa ja jopa yksittäistä pelaajaa vastaan.
Data ei tietenkään synny itsestään. Joissakin joukkueissa, kuten Liverpoolissa, datatiimissä voi työskennellä jopa lähes kymmenen henkilöä. Kerättävän ja analysoitavan datan määrä on valtava.
Tarvitaanko ihmistä?
Väistämättä herää kysymys, mihin tässä kohta enää tarvitaan ihmisen hahmossa heiluvia, hieltä haisevia ja hilseileviä valmentajia ja managereita?
Mikel Arteta tienaa Arsenalin managerina 20 miljoonaa puntaa vuodessa. Yli kymmenen miljoonan tienesteihin yltää myös seitsemän muuta manageria.
Toisessa päässä haitaria Ipswichin Gary O´Neill, Leedsin Daniel Farke ja Sunderlandin Régis Le Bris joutuvat kituuttamaan vain kahden miljoonan punnan vuosipalkalla. Palkkapussivertailun perusteella manageri on edelleen pelaajien jälkeen seuran tärkein rakennuspalikka.

Eri arvioiden mukaan seurojen analytiikkaosastojen johtaja sen sijaan tienaa noin 100000 puntaa, kokeneempi data-analyytikko puolet siitä. Liigan huonoiten palkatun managerin ”hinnalla” saisi siis viisi analytiikkajohtajaa ja 30 kokenutta analyytikkoa.
Toisaalta, mihin heitäkään tarvitaan, jos valjastetaan tekoäly sekä keräämään että analysoimaan kaikki data ja ehdottamaan tarvittavat korjausliikkeet? Kyllä siihen AI:n kylkeen muutama elävä ihminen riittänee.
Äly-Gaffer
Mutta ehkä käy niin, että fyysisen ihmishahmossa asuvan managerin korvaa pian kiinalaisvalmisteinen älyrobotti. Miljoonien palkkarahat säästyisivät, se pystyisi omaksumaan kaiken saamansa datan sekunneissa ja tekemään tarvittavat johtopäätökset.
Inhimillisen tunnelman luomiseksi se voitaisiin ohjelmoida potkimaan hieman roskiksia tauolla pukuhuoneessa, mikä ettei antamaan myös perinteinen hiustenkuivaajakäsittely.

Managerin korvaaminen robotilla johtaisi pian siihen, että ihmispelaajatkin korvattaisiin. Mutta kuka sellaista peliä haluaisi enää katsoa? Niin, ehkä robottikatsojat…
Leikki sikseen. Data ja tekoäly ovat jo muuttaneet valmentamista paljon ja muuttavat varmasti jatkossa vielä enemmän. Haluan silti romantisoida, että ihmisvalmentajaakin tarvitaan.
Tekoälyllä ei ole tunneälyä
Urheilijaa ei pitäisi valmentaa vain kokoelmana mitattavia ominaisuuksia (data), vaan kokonaisena ihmisenä, jonka eri puolet vaikuttavat jatkuvasti toisiinsa. Vähintään tähän tarvitaan ihmisvalmentaja, sillä tekoälyllä ei ole tunneälyä. Näin olkoon tästä ikuisuuteen, amen.
Se skenaario on sentään mahdollinen, että jossakin vaiheessa ykköskategorian data-analyytikoiden palkat nousevat ohi managerien liksojen. Tai ainakin ne lähestyvät toisiaan.

Mitähän mieltä muuten takavuosien kaikkien intuitiovalmentajien äiti Harry Redknapp olisi data-analyyseistä? Hän ei ollut sen aikaisten tietokonepohjaisten otteluanalyysien suurin fani. Kun Redknappin luotsaama Southampton hävisi elokuussa 2005 Lutonille 2–3, mies kääntyi analyytikkonsa puoleen ja murahti:
”Why don’t we get your computer to play against their computer and see who wins?” Miksi emme vain anna tietokoneiden pelata vastakkain ja katsotaan, kuka voittaa.
Datasta on hyötyä, mutta se ei ratkaise
Ja kas, vasta tässä vaiheessa tajuan, että olen itsekin käyttänyt data-analytiikkaa yleisurheiluvalmentajana jo iäisyyden. En vain ole tiedostanut sen olevan data-analytiikkaa. Työhuoneeni hyllyssä on valtava läjä kymmenille urheilijoille teetettyjen askelanalyysien tuloksia ja yhteenvetoja, vanhin on vuodelta 2012.
Askelanalyysi mittaa esimerkiksi askelpituutta ja askeltiheyttä, kontaktiaikaa, lentoaikaa, jalkojen puolieroja, tehontuottoa ja tietenkin juoksunopeutta. Urheilija juoksee ns. valokennomaton läpi esimerkiksi 30 metrin matkan, ja älymatto mittaa joka ikisen parametrin.

Onko siitä ollut minulle hyötyä valmentajana? On ja ei ole. Sikäli on, että analyysin tulokset ovat melko armottomia erityisesti kontaktiaikojen (se aika, minkä jalka on maassa askelten välillä) ja askelpituuksien suhteen. Olen pystynyt hiukan muokkaamaan harjoittelua tämän datan avulla. Mutta vain hiukan.
Sinänsä mainion analyysin johtopäätökset ovat nimittäin sanahelinää, jonka olisi voinut kertoa jo ennen analyysiäkin: sinun on tuotettava enemmän voimaa lyhyemmällä kontaktiajalla ja kasvatettava askelpituutta frekvenssin laskematta.
Niinpä, helpommin sanottu kuin tehty. Valmentajan tehtäväksi jää pohtia päänsä puhki, millaisella harjoittelulla ja ohjelmoinnilla pyydetyt parametrit toteutuvat.
Valmentaminen olisi helppoa, jos kaiken voisi rakentaa vain datan varaan. Siinä tapauksessa pitäisi tosin mitata urheilijan elämästä joka hetki joka ikinen parametri, mukaan lukien tunnetila, vireys, motivaatio, ajankäytön haasteet, välit kumppaniin ja mahdollinen kissan yllättävä kuolema. Tähän tarvitaan vielä ihmistä ja sosiaalista kommunikaatiota.
Ihminen on isäntä, data ja tekoäly voivat olla hövelejä renkimiehiä, jotka kuitenkin (toivottavasti) aina alistuvat mukisematta isännän tahtoon.
Lauri Hollo

















