Voetbalanalyse

Deze data-analyse heeft betrekking op diverse loop- en sprintgegevens van profvoetballers uit de Eredivisie (niveau 1) en Jupiler League (niveau 2). Aan de hand hiervan zijn er hopelijk voorspellingen op het gebied van spelersposities, events (wedstrijden of trainingen) en niveau te doen. Johan Sports voert dit onderzoek uit omdat wordt geconstateerd dat sportprestaties kunnen worden verbeterd aan de hand van bepaalde trackers. De verkregen dataset kan gebruikt worden om diverse individuele spelersprestaties in kaart te brengen. Aan de hand hiervan kunnen bepaalde spelers met een hogere potentie worden ontdekt of kunnen er voor andere spelers specifieke trainingsprogramma’s worden opgesteld om bepaalde eigenschappen te verbeteren. Gedurende dit onderzoek zal op zoek worden gegaan naar gelijkenissen waarbij het van belang is welke spelers qua sportprestaties met elkaar vergeleken kunnen worden.

De opdrachtgever Johan Sports (2016) heeft ons de vraag gesteld of er een clustering te maken is uit de gegeven dataset waarin gegevens van 27-07-2015 tot en met 1-12-2015 zijn gemeten. Er zal met name worden ingegaan op het onderscheid wat gemaakt wordt tussen wedstrijden en trainingen, niveau en spelersposities. De onderzoeksvraag luidt in eerste instantie:

Welke clustering en welke classificaties zijn te vinden in de trackerdata van profvoetballers van twee niveaus (Eredivisie en Jupiler League), in de periode 28-07-2015 t/m 1-12-2015, waarbij gebruik wordt gemaakt van het softwarepakket Weka? (Johan Sports, 2016)

Met behulp van het data-analyseprogramma Weka is het onderzoeksteam op zoek gegaan naar eventuele clusters en classificaties. Logischerwijs is de dataset op voorhand gefilterd in Excel, zodat er geen onzuivere of onbekende datapunten meegenomen zijn in de data-analyse. Door ons wiskundig inzicht te gebruiken wordt er een basis gelegd voor een bepaald deelonderzoek, waarna gericht kan worden gezocht naar eventuele resultaten met betrekking tot wedstrijden en trainingen, niveau en spelersposities.