04.06.2021  - Tuomas Lahtinen -  Analytiikka

Jääkiekkoa ja analytiikkaa – data valmentajan apuvälineenä

Jääkiekon MM-kisoja seuratessamme olemme havainneet, että pelaajavalinnat ja kentällisten kokoonpanopäätökset on tehtävä nopeasti ja tehokkaasti.

”MM-kisat ovat hyvin nopea rutistus, jossa pitää nopeasti joka peliin löytää paras mahdollinen kokoonpano. Vähällä datalla joudutaan tekemään päätöksiä siitä, kuka pelaa ja kuka ei”, kertoo Suomen nuorisomaajoukkueen (alle 18v) 2018 MM-kultaan luotsannut ja nykyisin liigajoukkue Pelicansin päävalmentajana toimiva Tommi Niemelä.

Tästä syystä pelaajien suoritusta on arvioitava laajemmin kuin pelkkien tehopisteiden avulla. Tätä työtä tukee joukkueen videovalmentaja, joka kerää ja koostaa valtavan määrän dataa. Näin syntyy tilastoja esimerkiksi maalipaikoista, hyökkäysalueen peliajasta ja siniviivan ylityksistä, joita valmennustiimi voi käyttää apuna, kun he miettivät mitä kentälliset ja yksittäiset pelaajat joukkueelle tuottavat. ”Jos kentällinen tuottaa tuloksia, se voidaan pitää sellaisenaan ja ehkä antaa enemmän vastuuta. Jos taas kentällinen aiheuttaa negatiivista, pitää miettiä, mikä ei toimi ja pitääkö tehdä muutoksia”, jatkaa Tommi Niemelä.

Data-analytiikka auttaa kehittämään pelisysteemejä

Niemelä kertoo tarkemmin datan hyödyntämisestä nykyisessä joukkueessaan Pelicansissa. Siellä dataa käytetään erityisesti hyökkäyspelin ja vaihtamisen kehittämiseen. ”Uskomme pelin virtauksen hallintaan. Virtaus saadaan hallintaan oikeanlaisen vaihtamisen kautta”, toteaa Niemelä.

Pelaajien vaihtamisessa seurataan esimerkiksi sitä, minkälaisessa tilanteessa vaihto tehdään. Esimerkiksi seurataan, millä kentän osa-alueella vaihto tapahtuu ja onko kiekko tällöin hallussa vai ei. Vaihtoja tarkastellaan suorituksina, joiden lopputulosta arvioidaan: jätettiinkö kiekko seuraavalle kentälliselle parempaan paikkaan, kuin mistä se itse saatiin.

Näin voidaan arvioida onnistumisia hienojakoisemmalla tarkkuudella kuin pelkästään tehtyjen ja päästettyjen maalien avulla. Jos vaihto alkaa oman pään aloituksesta ja päättyy hyökkäyspään aloitukseen, kentällinen on onnistunut ottamaan merkittävän askeleen eteenpäin.

Kun yhdistellään tietoja siitä, millaisissa tilanteissa vaihto on suoritettu ja minkälaisiin lopputuloksiin se on johtanut, voidaan arvioida vaihtosysteemin toimivuutta ja tehdä johtopäätöksiä siitä, miten vaihdot jatkossa kannattaa suorittaa.

Ylipäätään data-analytiikan etuihin kuuluu, että se auttaa haastamaan pinttyneitä ajatusmalleja. Kuvitellaan vaikkapa tilanne, jossa valmentaja uskoisi aiemman kokemuksensa valossa, että kiekko kannattaa mieluummin laukoa päätyyn kuin kuljettaa hyökkäysalueelle. Luonnollisesti hän saattaisi päivittää tai vähintäänkin haastaa omaa näkemystään nähtyään tilaston, jonka mukaan kuljetus johti kauden aikana useammin maaliin.

Data auttaa tuomaan pelaajan kehityskohteet ja kehittymisen näkyväksi

Yksittäisessä pelissä tai turnauksessa datan hyödyntäminen painottuu väistämättä joukkueen suoritukseen sekä niihin asioihin, joihin voi lyhyellä aikavälillä vaikuttaa. Kauden aikana päästään paremmin hyödyntämään myös pelaajakohtaista dataa ja seuraamaan pelaajan kehitystä.

Ideaalitilanteessa valmentaja voi käyttää dataa tukemaan viestiään pelaajalle, kun hän havaitsee pelaajan pelissä kehityskohteen. Pelaaja oivaltaa kehityskohteen paremmin, kun pelidata tekee sen näkyväksi. Nykypäivänä pelkkä käskytys ei riitä. Kun pelaaja ymmärtää omakohtaisesti kehityskohteensa ja sen vaikutuksen joukkueen peliin, valmentajan tarvitsee ainoastaan olla pelaajan tukena kehityksessä.

Niemelän mukaan kaikkein arvokkainta dataa olisi, jos yksittäisen pelaajan toimintaa pelin kannalta olennaisimpien asioiden suhteen voitaisiin mitata tarkasti. Tällainen tieto voisi olla esimerkiksi, montako yksi vastaan kaksi -kamppailua pelaaja on onnistunut voittamaan, tai montako murtavaa syöttöä pelaaja on onnistunut antamaan. Tieto auttaisi valmentajaa ja pelaajaa seuraamaan kehitystä monipuolisemmin kuin vaikkapa pelkät tehopisteet.

”Siitä ei ole hyötyä, että pelaaja syöttää 22 kertaa omalle pelaajalle, jos syöttö on kahden kolmen metrin pituinen eikä peli edisty. Jos taas pelaaja syöttää kolme murtavaa syöttöä, jotka ohittavat vastustajan ja johtavat maalipaikkaan, sillä on jo merkitystä”, Niemelä kertoo.

Datan avulla pelaajalle voitaisiin myös näyttää, miten hän on kyennyt parantamaan suoritustaan. ”Olisi hienoa, jos pystyisi sanomaan pelaajalle, että hei, katso tätä, olet oikeasti pystynyt parantamaan todella paljon”, Niemelä pohtii.

Haasteena kohentaa datan automaattisen keräämisen tarkkuutta

Nykyisissä datan keräämisen automaattisissa järjestelmissä on Niemelän mukaan se ongelma, etteivät ne tunnista tilanteita tarpeeksi täsmällisesti. Esimerkiksi ohjauksia ei tunnisteta, ja järjestelmä saattaa tulkita onnekkaan pomppukiekon kamppailutilanteeksi.

”Tarkkuus ei monelta osin ole vielä tarpeeksi hyvä, jotta sitä voisi käyttää päätöksentekoon tai palautteenantoon pelaajalle”, Niemelä sanoo. Jos pelaajalle antaa palautetta, joka videotarkistuksen jälkeen osoittautuukin perusteettomaksi, valmentajan uskottavuus pelaajien silmissä kärsii. Luottamus valmentajaan on aivan keskeistä.

Liiga on ottanut käyttöön muun muassa kuvatunnistusta tekevän Wisehockey-järjestelmän, joka pitää automaattisesti kirjaa pelitapahtumista. Vaikka tarkkuudessa on kohennettavaa, niin hyödyllistäkin dataa löytyy: ”Wisehockeyn isoin asia meille on, että pelaajavaihdot ovat siellä oikein”, Niemelä kertoo. ”Se antaa meille osviittaa pelaajan rasituksesta ja siitä, kuinka paljon hän on tiettyä tilannetta pelannut.” Näitä tietoja voidaan sitten käyttää pelaajakohtaisen harjoittelun suunnittelussa.

Numerot ovat apuvälineitä – valmentaja tekee päätökset

Niemelä uskoo, että datan ja analytiikan käyttö jääkiekossa tulee kehittymään. Hän odottaa erityisesti automaation kehittyvän niin, ettei manuaalista työtä datan keruussa tarvita niin paljoa, ja aikaa säästyy muuhun. Niemelä ei kuitenkaan usko analytiikan ylivaltaan päätöksenteossa tulevaisuudessakaan; onhan data ollut jääkiekossa päätöksenteon tukena jo pitkään.

NHL:ssä analytiikan ja erityisesti edistyneiden tilastojen hyödyntäminen on jonkin verran Liigaa edellä. Valmentajien päätöksentekoprosessissa ei Niemelän mukaan kuitenkaan tällä saralla ole suurta eroa Liigan ja NHL:n välillä. ”NHL:ssä analytiikka on lyönyt läpi niin, että datan määrä ja toisaalta sen esille tuominen on lisääntynyt valtavasti”, Niemelä kertoo.

”Numerot ovat hyviä apuvälineitä päätöksentekoon”, Niemelä sanoo painottaen kuitenkin, että pelaajavalintoja tai muitakaan päätöksiä ei voi tehdä puhtaasti numeroiden perusteella. Raakojen tilastojen lisäksi pitää nähdä niiden taakse ja vielä laajemmin. ”Jääkiekko on ryhmädynamiikkalaji. Ryhmädynamiikkaan vaikuttaa ihmisten asenne ja persoonat. Esimerkiksi on tärkeää tunnistaa energian tuojat ja toisaalta energian viejät.”

Vaatii myös ammattitaitoa ymmärtää, mistä analytiikan tulokset johtuvat. Niemelä kertoo, että jos esimerkiksi joukkueiden laukaisumääriin liittyvä Corsi-tilaston lukema on pakkasella, niin siitä usein tietää, että joukkueen pitäisi pystyä pelaamaan pidempää hyökkäysalueen peliä, jotta saadaan lisää laukauksia maalia kohti. Toisaalta pelkästään tämä tieto ei kuitenkaan vielä johda mihinkään. Valmentajan on löydettävä keinot, joilla se onnistuu.

”Analytiikka on hyvä työkalu näyttämään, mitä tapahtuu, mutta korjausliike pitää tehdä itse”, Niemelä toteaa.

Teksti on kirjoitettu yhdessä Henri Linnainmaan kanssa.