Odenseanske Oliver Ribert er fra 1. februar blevet tilknyttet som dataanalytiker i OB, hvor han med sin baggrund som data science-studerende på SDU skal nørde tal, så spillerne og staben har mest mulig information at arbejde ud fra.

- Jeg har tidligere været tilknyttet akademiet som praktikant, da jeg læste min bachelor i idræt og sundhed. Det var lidt mere grundlæggende data, vi arbejdede med der, hvor jeg efter bedste evne bidrog med statistikker. Nu hvor jeg studerer på kandidaten i data science er det på meget højere niveau. Nu er det rå data, jeg arbejder med, hvor jeg så laver min egen analyse af os og modstanderne.

Data er som oftest noget, man kigger tilbage på, og derfor mener analytikeren, at man nok ikke vil kunne se en forskel allerede fra Lyngby-kampen af, men det vil være til stor gavn på den lange bane:

- Forskellen vil ikke være tydelig med det samme, men på sigt kan man se det. Trænerteamet får mange flere tal at forholde sig til, hvor det gerne skulle gøre, at man får et større pointsnit i sæsonen. Målet er nemlig at lave en fast model for, hvordan trænerteamet skal bruge tallene, så de med deres fodboldkloge hoveder kan lægge en mere konkret strategi til at forbedre os.

Sportschefen Michael Hemmingsen er også begejstret og spændt over ansættelsen af dataanalytikeren Oliver Ribert:

- Det er fedt for os at få Oliver ind, som er ung og dygtig, og han bringer det nyeste indenfor hans stærkt voksende felt med sig. Som dataanalytiker kan han komme med nogle meget konkrete data, som kan optimere måden, vi arbejder og spiller kamp på.

Arbejdet som dataanalytiker

Data kan betyde mange ting, men specifikt på fodbolden snakker man blandt andet om ’event data’ og ’tracking data’:

- Event data er de begivenheder, der sker i kampen – for eksempel hjørnespark, indkast, målspark og så videre. Tracking data dækker lidt bredere. Det er specifikke data på spilleren og bolden. Jeg plejer at sige, at det er lidt lige som at have en scout på hver spiller til hver kamp. Man ser spillerens styrker og svagheder, og man kan derfor også arbejde med dem, forklarer Oliver og går mere i dybden:

- Der er for eksempel også noget, der hedder packing rate. Det er et tal, der dækker over, hvor mange spillere bolden passerer, når man lægger en aflevering. På den måde kan man analysere på, hvem der spiller mest frem i banen, og hvem der spiller mest til siden.

- Yderligere kan man kigge på impact rate. Hvis min packing rate for eksempel er på to, altså at bolden passerer to spillere på vejen til medspilleren, så kan man gå ind og analysere på, hvilke spillere bolden passerer. Er det for eksempel to angribere, bolden passerer, så er impact raten måske ikke så høj. Men er jeg midtbanespiller, det er to forsvarsspillere, bolden passerer, har det jo stor indflydelse på spillet og derfor en høj impact rate. Det er bare én måde, hvor man kan analysere enkelt på én spiller.

Oliver Ribert har altså meget at fokusere på i hverdagen, men der er også et større formål med data-galskaben:

- Målet er at danne en stor database, så vi hele tiden kan evaluere på, om vi er blevet bedre. Ligger vi bolden ind i de rigtige områder? Udvikler spillerne sig, der hvor de kan? Bliver vi bedre generelt? Gør vi det i kampe, som vi øver på træningsbanen? På den lange bane kan det styrke holdet meget, fordi de kloge fodboldhoveder i staben får mere, de kan forholde sig til, så de kan finde ud af, hvordan vi bliver ved med at forbedre os.