Data vervangen onderbuik in Tour de France

Wat is de ideale samenstelling van een sprinttrein? Wanneer is het zaak voor klassementsrijders in het peloton om een ontsnappingspoging te neutraliseren of juist rustig te wachten tot de kopgroep zich kapot rijdt? Wat is de ideale strategie in een ploegentijdrit? Het zijn allemaal vragen voor de trainers, en natuurlijk voor de coaches die de wielerploeg begeleiden. Ging het een paar jaar geleden nog uitsluitend om jarenlange ervaring van de begeleiders, nu is alles maximaal doorgerekend. Gelukkig blijven ook de omstandigheden, de andere ploegen en het toeval voor onverwachte wendingen in de koers zorgen, anders zou de sport wel erg saai worden. Maar de data-analyse kan wel een significante bijdrage leveren aan kans op succes.

Het was de droom van AI-specialist en sportliefhebber Paul Adriani toen hij - werkend voor KPMG - de vraag kreeg van Team DSM (voorheen Sunweb) om hulp bij het verwerken van alle trainingsdata die de ploeg al verzamelde. "Ik kreeg een enorm spreadsheet waarin van alles over de toprenners was bijgehouden. We zijn begonnen met een dataplatform te bouwen om al die gegevens beter te kunnen beheren. Daarna zijn we analyses gaan doen. Maar ook meer data gaan verzamelen, bijvoorbeeld van de bewegingswetenschappers en de publiek beschikbare gegevens van wedstrijden uit het verleden."

Hij is ervan overtuigd dat de aanpak succes heeft. "Cees Bol won dit jaar de tweede etappe van Parijs-Nice. Ik heb met spanning zitten kijken en wat bleek: hij had precies het schema gereden dat we op basis van data hadden opgesteld."

De fietsen van de renners zijn tegenwoordig voorzien van allerlei sensoren. Die registeren bijvoorbeeld de druk op de pedalen, het vermogen, maar ook de hartslag en vele andere functies. Bij Team DSM worden tijdens trainingen die gegevens via de fietscomputer en een mobiele dataverbinding real time naar een Azure-cloud gestuurd. Daar vindt een analyse plaats, gedeeltelijk met standaardcomponenten zoals Azure Databricks. Maar ook met maatwerk, gewoon omdat bijvoorbeeld standaard dashboardtoepassingen vaak nog niet in staat zijn in subseconde-reactietijd de analyses af te geven en weer via het mobiele netwerk terug te sturen naar de ploegleiderswagen. "Duurt dat 10 seconde, heb je er op het moment van de actie niks aan."

Hoe zit het met de 'batterij'?

Met die gegevens is bijvoorbeeld heel goed te bepalen hoe het met de 'batterij' van de renner is gesteld. Zo kan in een ploegentijdrit het effect van het tempo, hoelang iemand op kop rijdt en de wisselstrategie nauwkeurig worden bepaald. "Je wil eigenlijk het liefst dat precies op de finish de 'batterij' van elke renner leeg is. Zijn er nog renners met een reserve, had het sneller gekund. Maar is de batterij te vroeg leeg, raak je renners kwijt uit de ploeg."

Renners hebben de neiging te lang op kop te willen rijden, legt hij uit. Dan zit de adrenaline hoog en gaat het lekker. Maar je hebt er niks aan als iemand opbrandt. Ook als een andere renner de kop overneemt, valt degene die eerder op kop reed, terug. Die kan op dat moment even de druk laten gaan maar moet achteraan wel kunnen aanhaken. Ook daarvoor moet de renner weer een boost aan vermogen leveren. Voert de nieuwe kopman te enthousiast het tempo op, is er het gevaar dat de vorige kopman gelost wordt uit de ploeg omdat hij niet kan aanhaken. "Het zijn allemaal zaken die je kunt berekenen en laten zien."

Tot grote spijt van Adriani heeft de internationale wielerbond UCI enige tijd terug verboden dat ploegleiders tijdens wedstrijden gebruik maken van real time data voor coaching. Daarom moeten de ploegen het vooral hebben van coaching tijdens de trainingen en van optimale raceplannen op basis van uitgebreide analyses. Naast het gebruik tijdens trainingen en rondom wedstrijden, blijven er genoeg interessante gegevens om te onderzoeken. Zo maakt het team van Adriani ook zogeheten 'Power-paspoorten' van renners over de jaren heen. Je kunt daar uit afleiden hoe renners zich ontwikkelen en die patronen leggen naast die van andere renners. Op basis van dergelijke data is het besluit gevallen dat Cees Bol wordt ingezet als sprinter. "Zo kunnen data hoge impact hebben op de samenstelling van een team." De data worden ook gebruikt om te helpen in vroegtijdig stadium de talenten bij jonge renners te ontdekken.

Beveiliging punt van aandacht

Adriani heeft nog veel meer voorbeelden waar data-analyse een verschil kan maken in de strategie van de ploeg.  Zo zet Team DSM een analyse van de concurrentie binnen het rennersveld in om te bepalen bij welke etappes de kans het grootst is om punten te verdienen. "De data bieden de mogelijkheid om te bepalen welke wedstrijden relatief zwak bezet zijn in verhouding tot het aantal punten dat er te verdienen valt"

Hij benadrukt dat KPMG ook een belangrijke rol heeft in het beveiligen van al de betrokken IT-systemen. "De ploeg is vooral gericht op het verbeteren van de topsportprestaties. De IT-beveiliging vraagt specifieke expertise die wij kunnen toevoegen." Beveiliging van de IT-systemen is erg belangrijk want het team werkt met zeer concurrentiegevoelige en persoonlijke informatie.