El desafío de integrar nueva tecnología de recopilación y datos con datos históricos

Para fortalecer aún más nuestro compromiso de brindar una cobertura de tecnología de datos líder en la industria, VentureBeat se complace en dar la bienvenida a Andrew Brust y Tony Baer como colaboradores regulares. Vea sus artículos en la canalización de datos.

Cada vez que las nuevas tecnologías o sistemas se vuelven demasiado valiosos o ubicuos para no ser integrados por las empresas de la industria, hay resistencias que se aferran a los métodos antiguos o priorizan lo familiar sobre lo innovador. Estas organizaciones tienden a no durar mucho.

Pero incluso entre los adoptantes, hay empresas que intentan combinar lo antiguo con lo nuevo y no lo consiguen, mientras que otras lo hacen. Estamos viendo esto plenamente en las áreas del deporte, donde las organizaciones enfrentan el desafío de integrar datos heredados con nuevas tecnologías de conjuntos y recopilación de datos. ¿Qué distingue a las historias de éxito?

Ante oleadas de nuevos datos debido a los avances en la automatización y los métodos de recopilación de datos, una organización deportiva primero debe reconocer que es un buen problema. Con tecnología como Lidar, por ejemplo (un sistema de seguimiento de movimiento basado en láser), que se enfoca en mejorar la precisión, la profundidad de la información y la continuidad de la recopilación de datos, los evaluadores de desempeño ahora tienen acceso a una gran cantidad de datos sin explotar que pueden usarse para informar mejor sus decisiones. La pregunta entonces es: ¿Cómo gestiona un club esa afluencia de nuevos datos?

Primero, predique la paciencia. Considere que las organizaciones y sus equipos de datos han estado usando los mismos métodos y enfoques durante años, haciendo las mismas suposiciones y asociaciones. Los viejos hábitos tardan en morir. Y debido a que los análisis avanzados se pueden aplicar a cualquier cosa, desde la estrategia del juego hasta los tipos óptimos de refrescos que se sirven en los puestos de concesión de los estadios, una organización que adopte estas tecnologías por primera vez necesitará una aceptación general. Toma tiempo.

Sin embargo, el mayor desafío es integrar los datos históricos de una organización con información moderna. Las tecnologías y métodos de cosecha no son todo lo que ha cambiado en esta área. datos de hoy parece muy diferente que en el pasado y, en algunos casos, los tipos de mediciones no se alinean con los conjuntos de datos anteriores. ¿Cómo resuelven este problema los equipos de datos de una organización? Comienza aquí:

Haz ejercicios de traducción. Reserve un período de transición durante el cual se realice un análisis detallado de todos los datos y métodos, tanto modernos como históricos.

Acumular una cantidad estadísticamente significativa de datos. Evite cualquier ruido estadístico o falsos positivos que podrían resultar en un tamaño de muestra demasiado pequeño. Le recomendamos que lo haga bien la primera vez.

Ser consciente de los prejuicios. Puede haber algunas predilecciones en la calibración del sistema. Es importante identificarlos y corregirlos para evitar crear sesgos en futuras líneas de base y cálculos.

Tenga en cuenta las diferencias en los métodos de recopilación de datos. Diferentes instalaciones deportivas utilizan una variedad de tecnologías de seguimiento, algunas de las cuales tienen limitaciones inherentes que afectan los datos que recopilan.

Tenga en cuenta que algunas traducciones pueden ser de naturaleza probabilística. Medir a una constante: en otras palabras, el jugador X corre a una velocidad de Y, por lo que la nueva salida de medición debería ser igual a Y.

La integración de datos antiguos y nuevos puede llevar mucho tiempo. Asegurarse de que los conjuntos de datos antiguos no se pierdan mientras se acepta la información que desbloquean los datos nuevos puede ser costoso y llevar mucho tiempo. Pero es importante recordar después del ejercicio que una organización estará en una mejor posición para tomar decisiones de personal.

La clave para que las organizaciones deportivas integren tecnologías, metodologías e información viejas y nuevas es hacer un análisis minucioso y completo de los datos. Los datos históricos sin procesar no ayudan a la mayoría de los clubes. Los nuevos perfiles de usuario deben comprender fácilmente los datos para que sean factibles, lo que lleva mucho tiempo y puede perder toda su utilidad en el proceso.

Puede haber un cisma entre conjuntos de datos que rastrean movimientos similares o idénticos utilizando diferentes tecnologías o enfoques. Al medir la fuerza de una pelota de fútbol en la cancha, por ejemplo, los datos recopilados de dispositivos portátiles conectados a la bota de un jugador pueden no integrarse fácilmente con los datos recopilados que midieron la misma patada usando un lidar basado en láser.

Y debido a que las tecnologías portátiles limitan dónde y con qué frecuencia se pueden rastrear dichas mediciones, puede haber brechas en la retroalimentación de la tecnología debido a la falta de puntos de datos. El suavizado de datos no puede fusionar esta información.

La actualización a nuevas tecnologías, por supuesto, a menudo vale la pena. Por ejemplo, lidar, que es más preciso y, al mismo tiempo, más portátil y discreto desde la perspectiva del jugador que la tecnología anterior. El desafío de la integración de datos es el único inconveniente notable de adoptar LIDAR para el departamento de evaluación de jugadores de un club. Y con el plan correcto, incluso ese desafío puede resolverse.

Raf Keustermans es el director general de Tecnología Sportlight.

Tomadores de decisiones de datos

¡Bienvenido a la comunidad VentureBeat!

DataDecisionMakers es el lugar donde los expertos, incluidos los ingenieros de datos, pueden compartir ideas e innovaciones relacionadas con los datos.

Si desea leer ideas de vanguardia e información actualizada, las mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers.

¡Incluso podría considerar contribuir con su propio artículo!

Leer más de DataDecisionMakers