Intervention de Claire Herrenschmidt, Responsable des Partenariats Sportifs (Roland-Garros, Evian Championship), IBM Séminaire DIXIT du GFII : Les nouvelles frontières de la « data intelligence » : content analytics, machine-learning, prédictif, le 13 avril 2015 à Paris. Abstract : Avec l’explosion des données disponibles sur les médias sociaux (social data), sur les réseaux de capteurs (machine data) et dans les très grandes bases de données (big data), l’enjeu pour le « knowledge worker » - qu’il soit analyste, veilleur, ou chargé d’étude - n’est plus de surveiller des sources d’informations toujours plus massives, complexes et dynamiques mais de les analyser en profondeur pour pouvoir les manipuler et en extraire de la valeur, sous la forme d'insights et d'indicateurs décisionnels. Mais mettre en œuvre une « stratégie data » pertinente implique, d’un point de vue technologique, de décloisonner les silos, de connecter des sources, des applications et des workflows auparavant séparés. Les nouvelles approches (linguistiques, sémantiques, statistiques, prédictives, auto-apprentissage, deep-learning, etc.) doivent être combinées pour homogénéiser des sources avec des niveaux de structuration très différents. Cela implique également, d’un point de vue organisationnel, d’acquérir de nouvelles compétences en "data sciences" et de refondre certains process liés au traitement des données pour une meilleure articulation entre les métiers. La veille, l’analyse et la business intelligence converge ainsi progressivement dans la « data intelligence ». Si les métiers de chacun diffèrent encore, des problématiques communes émergent pour franchir cette étape. Mais au-delà des enjeux de R&D, il faut aujourd’hui démystifier les technologies et exposer les usages innovants pour en illustrer concrètement la valeur. Statistique, sémantique, linguistique, machine-learning, indexation haute performance, visualisation temps-réel, API prédictives ... ce séminaire illustrera ce que les nouvelles approches Big Data apportent à la "data intelligence" à travers des retours d'expériences concrets en Social Media Intelligence et en Business Intelligence. Source : http://www.gfii.fr/fr/document/seminaire-dixit-les-nouvelles-frontieres-de-la-data-intelligence-content-analytics-machine-learning-predictif

1. Page 1 © Copyright IBM Corporation
2014
L’ANALYTICS DANS LE SPORT
MIEUX VIVRE LES MATCHS DE TENNIS GRÂCE À L’ANALYTICS
Claire Herrenschmidt, Partenariats sportifs, IBM France
1

2. Page 2 © Copyright IBM Corporation
2014
Sommaire
Introduction
L’analyse des données dans le tennis
Quelques autres usages de l’analytics dans le sport
Pour en savoir plus

3. Page 3 © Copyright IBM Corporation
2014
3
IBM et le sport aujourd’hui dans le monde…..
TennisGolf Rugby Stades

4. Page 4 © Copyright IBM Corporation
2014
De l’expérience des fans ….
... à la gestion opérationnelle des stades
• Fans
• Sur place
• À distance
• Sportifs et familles
• Coachs
• Organisateurs
• Journalistes

5. Page 5 © Copyright IBM Corporation
2014
Sommaire
Introduction
L’analyse des données dans le tennis
Quelques autres usages de l’analytics dans le sport
Pour en savoir plus

6. Page 6 © Copyright IBM Corporation
2014
Que veulent les fans ?
• Savoir
• Comprendre
• Partager
……en temps réel

7. Page 7 © Copyright IBM Corporation
2014
Les fans : savoir
• Pour les fans sur place ou à distance
• Français ou internationaux
• Vivre l’événement
• Suivre au plus près les sportifs
• Site officiel,
• applis mobiles
• Scores, news, radio en temps réel
• Photos, videos, coulisses
• Alertes
• Géolocalisation
Exemple : Tournois du Grand Chelem, Masters, Evian

8. Page 8 © Copyright IBM Corporation
2014
Les fans : savoir
• La vitesse de service
• Les scores
• Radars
• Marqueurs
Exemple : Tournois du Grand Chelem,

9. Page 9 © Copyright IBM Corporation
2014
Les téléspectateurs
7 cars de production
France Télévisions produit un
signal français et
international de chaque match
Dans chaque car de production
un « opérateur statisticien »
choisit les meilleures
statistiques à diffuser

10. Page 10 © Copyright IBM Corporation
2014
Comprendre en temps réel
Approfondir
• IBM SlamTracker
• Stats
• Live blogging
Exemple : Tournois du Grand Chelem

11. Page 11 © Copyright IBM Corporation
2014
Video : le big data prend toute sa mesure à Roland-Garros

12. Page 12 © Copyright IBM Corporation
2014
Exemple : ¼ finale 2014

13. Page 13 © Copyright IBM Corporation
2014
Les fans: comprendre avec le Slamtracker
• IBM SlamTracker
• Clés du match
• 41 millions de
points sur 8 ans
permettent de
calculer les clés
du match.
Exemple : Tournois du Grand Chelem

14. Page 14 © Copyright IBM Corporation
2014
Les clés du match déterminent un style de joueur
• Style offensif / Style défensif / Endurance

15. Page 15 © Copyright IBM Corporation
2014
Efficacité des clés
• 100% des joueurs ayant
atteint les 3 clés quand
leur adversaire n’atteint
aucune clé ont gagné le
set

16. Page 16 © Copyright IBM Corporation
2014
Efficacité des clés à Roland-Garros (Simple Messieurs)
en fonction des tours
Nb de clés
atteintes
supérieur à
l’adversaire
Nb de clés atteintes
égal à l’adversaire
Lecture : En demi finales (S), 83% des sets ont été gagnés par le joeur qui avait atteint plus de clés
Nb de clés
atteintes
inférieur à
l’adversaire

17. Page 17 © Copyright IBM Corporation
2014
Les fans : partager
• Social Leaderboard
• Popularité des joueurs
• Taux de sentiment positif
• 24h ou l’événement
Wimbledon
Hill - social command center
Exemple :
à Roland-Garros, le Social Leaderboard

18. Page 18 © Copyright IBM Corporation
2014
Sommaire
Introduction
L’analyse des données dans le tennis
Quelques autres usages de l’analytics dans le sport
Pour en savoir plus

19. Page 19 © Copyright IBM Corporation
2014
Limiter les blessés avec l’analytics …
• Quand l’analyse prédictive permet
d’anticiper et réduire les blessures
• Avec un capteur, mesures de
• Intensité du jeu (entrainement et match)
• Stress
• Fatigue
• Adaptation du planning de match et
d’entrainement
Exemple : Leicesters Tigers
Communiqué de presse
Etude de cas
Exemple : Waratahs Rugby
Communiqué de presse
Etude de cas

20. Page 20 © Copyright IBM Corporation
2014
Avec une infrastructure intelligente
Qui peut supporter les variations de demandes grâce à un cloud privé,
Provisionné dynamiquement avec l’analyse prédictive (technologie logicielle Watson )
1 – programmation des matchs
2 – réputation des joueurs sur les réseaux sociaux
3 – le trafic sur les réseaux
Gérer l’infrastructure IT avec l’analytics
• Cloud privé
• Sécurisé
• Anticiper les
pics de charge
Exemple : Grand Chelem
Masters

21. Page 21 © Copyright IBM Corporation
2014
Gérer les opérations avec l’analytics
• Stade intelligent
• Centre opérationnel
• Vision unifiée de
l’écosystème du stade
• Surveillance, alertes
• Vue 360° Incidents
• Gestion des flux
• Réseau, Wifi
Exemple: Miami Sun Life Stadium
video press release
Atlanta Stadium press release

22. Page 22 © Copyright IBM Corporation
2014
01 02 03We are enabling
systems of engagement
for enterprises. And
leading by example.
Le sport et la stratégie IBM
We are remaking
enterprise IT for
the era of
cloud
Social, Mobile,
Security.
We are making
markets by
transforming
industries and
professions with
data.
 L’implication d’IBM dans le sport permet d’illustrer toutes les composantes de la stratégie IBM .
22

23. Page 23 © Copyright IBM Corporation
2014
Pour en savoir plus ….
• Ibm.com/rolandgarros
• Ibm.com/wimbledon
• Ibm.com/usopen
• Ibm.com/australianopen
• Tumblr
• Instagram
• Les coulisses technologiques IBM à Roland-Garros 2014
• Twitter #ibmrg

24. Page 24 © Copyright IBM Corporation
2014
• Mettre composition de photos
IBM à Roland-Garros en images

25. Page 25 © Copyright IBM Corporation
2014
© Copyright IBM Corporation
25
Merci
@ClairePH