Utmaningen att integrera ny data- och insamlingsteknik med historisk data

Utmaningen att integrera ny data- och insamlingsteknik med historisk data

Varje gÄng ny teknik eller system blir för vÀrdefulla eller överallt för att inte integreras för företag över hela industrin, finns det kvarhÄllningar som hÄller fast vid de gamla sÀtten eller prioriterar det vÀlbekanta framför det innovativa. Dessa organisationer tenderar inte att vara lÀnge.

Men Àven bland adoptanter finns det de företag som försöker och misslyckas med att slÄ ihop det gamla med det nya, medan andra fÄr det att hÀnda. Vi ser detta i full visning inom sportomrÄdena, dÀr organisationer utmanas att integrera Àldre data med nya insamlingstekniker och datauppsÀttningar. Vad skiljer framgÄngshistorierna Ät?

NÀr en idrottsorganisation stÄr inför vÄgor av ny data pÄ grund av framsteg inom automatisering och datainsamlingsmetoder, bör en idrottsorganisation först erkÀnna att det Àr ett bra problem att ha. Med teknologi som lidar, till exempel (ett laserbaserat rörelsespÄrningssystem), som fokuserar pÄ att förbÀttra noggrannheten, informationsdjupet och sömlösheten i datainsamlingen, har prestationsutvÀrderare nu tillgÄng till en enorm, outnyttjad mÀngd data som kan anvÀndas för att bÀttre informera sina beslut. FrÄgan blir dÄ: hur hanterar en klubb den inströmningen av ny data?

Först, predika tÄlamod. TÀnk pÄ att organisationer och deras datateam har anvÀnt samma metoder och tillvÀgagÄngssÀtt och gjort samma antaganden och associationer i flera Är. Tiden gÄr men gamla vanor bestÄr. Och eftersom avancerad analys kan tillÀmpas pÄ allt frÄn spelstrategi till de optimala typerna av lÀsk som serveras pÄ koncessionslÀktaren pÄ stadion, kommer en organisation som anvÀnder dessa tekniker för första gÄngen att behöva köpa in över hela linjen. Det tar tid.

Den största utmaningen Àr dock att integrera en organisations historiska data med modern information. Insamlingstekniker och metoder Àr inte allt som har förÀndrats pÄ detta omrÄde. Dagens data skiljer sig mycket frÄn det förflutna, och i vissa fall överensstÀmmer inte typerna av mÀtningar med tidigare datamÀngder. Hur löser en organisations datateam detta problem? Börja hÀr:

Kör översĂ€ttningsövningar. AvsĂ€tt en övergĂ„ngsperiod under vilken en detaljerad analys av alla data och metoder – bĂ„de moderna och historiska – genomförs.Samla en statistiskt signifikant mĂ€ngd data. Undvik statistiskt brus eller falska positiva resultat som en för liten provstorlek kan ge. Du vill fĂ„ det hĂ€r rĂ€tt första gĂ„ngen.Var medveten om fördomar. Vissa fördomar kan förekomma i kalibreringen av systemet. Att identifiera och korrigera dem Ă€r viktigt för att undvika att skapa fördomar i dina baslinjer och framtida berĂ€kningar.Redogör för skillnader i datainsamlingsmetoder. Olika idrottsplatser anvĂ€nder en mĂ€ngd olika spĂ„rningsteknologier, av vilka nĂ„gra har inneboende begrĂ€nsningar som pĂ„verkar den insamlade informationen.Vet att vissa översĂ€ttningar kan vara sannolikhetsmĂ€ssiga. MĂ€t till en konstant: med andra ord, spelare X kör med hastigheten Y, sĂ„ den nya mĂ€teffekten bör vara lika med Y.Att integrera gamla och nya data kan vara mödosamt. Det kan vara kostsamt och tidskrĂ€vande att se till att gamla datamĂ€ngder inte gĂ„r förlorade samtidigt som man tar till sig de insikter som nya data lĂ„ser upp. Men det Ă€r viktigt att komma ihĂ„g efter övningen att en organisation kommer att vara bĂ€ttre positionerad för att fatta personalbeslut.

Nyckeln för idrottsorganisationer som integrerar gammal och ny teknik, metoder och information Àr att ta en djup och grundlig dykning i data. RÄa historiska data hjÀlper inte de flesta klubbar. Data mÄste lÀtt förstÄs av nya anvÀndarprofiler ner för att göra det lönsamt, vilket tar vÀrdefull tid och som kan försÀmra all dess anvÀndbarhet i processen.

En schism kan finnas mellan datamÀngder som spÄrar liknande eller identiska rörelser med hjÀlp av olika teknologier eller tillvÀgagÄngssÀtt. NÀr man mÀter kraften av en spark pÄ planen, till exempel, kan data som samlas in frÄn bÀrbara enheter som Àr fÀsta pÄ en spelares stövel inte enkelt integreras med data som samlats in som mÀtte samma spark med laserbaserad lidar.

Och eftersom bÀrbara teknologier begrÀnsar var och hur ofta dessa mÀtningar kan spÄras, kan det finnas luckor i feedbacken frÄn tekniken pÄ grund av saknade datapunkter. DatautjÀmning kan inte sammanfoga denna information.

Att uppgradera till ny teknik Àr naturligtvis ofta vÀrt det. Ta lidar, som Àr mer exakt samtidigt som den Àr mer portabel och diskret ur spelarens synvinkel Àn tidigare teknik. Utmaningen med dataintegration Àr den enda anmÀrkningsvÀrda nackdelen med att anta lidar för en klubbs spelarutvÀrderingsavdelning. Och med rÀtt plan kan Àven den utmaningen lösas.

DataDecisionMakers

VĂ€lkommen till VentureBeat-communityt!

DataDecisionMakers Àr dÀr experter, inklusive tekniska personer som arbetar med data, kan dela datarelaterade insikter och innovation.

Om du vill lĂ€sa om banbrytande idĂ©er och aktuell information, bĂ€sta praxis och framtiden för data- och datateknik, gĂ„ med oss ​​pĂ„ DataDecisionMakers.

Du kan till och med övervÀga att bidra med en egen artikel!

LÀs mer frÄn DataDecisionMakers