Het plan voor een optimale ploegentijdrit is in essentie heel simpel. Het gaat erom dat alle acht renners over de meet komen op het moment dat hun spreekwoordelijke tank exact leeg is. Dat plan is beter uit te voeren met realtime data en kan dan op een ploegentijdrit net het verschil maken en mogelijk seconden winst opleveren. Team dsm-firmenich PostNL exploreert samen met TU Delft en KPMG de mogelijkheden. Een interview met KPMG’er Paul Adriani, senior manager Digital Advisory.

Waarom is het gebruik van data belangrijk voor betere prestaties in een ploegentijdrit?

“Juist bij een ploegentijdrit is het zinnig om inzichten uit data te halen. Je hebt het koersverloop immers meer zelf in de hand dan in gewone etappes. De mogelijkheden zijn groot. In windtunnels kun je bijvoorbeeld simulaties doen om uit te vinden wat de optimale opstelling is om de minste weerstand en dus het laagste energieverbruik te krijgen voor het specifieke parcours dat je rijdt. Het team moet ook openstaan voor data-analyse. Het mooiste voorbeeld daarvan was toen het team wereldkampioen tijdrijden werd. Ondanks die wereldprestatie bleef men zichzelf uitdagen en constateerde het team dat er een betere strategie met een nog betere eindtijd mogelijk was geweest. Data-analyse draagt daaraan bij.”

De volgende stap in het gebruik van data-analyse is dat jullie nu inzetten op realtime data die vanaf de fiets van de renners naar de ploegleidersauto gaat. Hoe werkt dat?

“We gebruiken sensoren op fietsen en renners die drie zaken meten: hartslag, snelheid en het vermogen dat op de pedalen wordt overgebracht. De data van die sensoren wordt realtime naar de cloud verzonden en op een dashboard in de auto van de ploegleider gepresenteerd. Dat is de basis die pas zin heeft als je goed kunt modelleren wat een optimale uitvoering van de tijdrit precies is. Met de expertise van TU Delft hebben we daar een mooie stap kunnen maken. Het gaat onder meer om het optimaliseren van de aflossingen. Daar kun je met wiskundige modellering de ideale strategie voor ontwikkelen. Een belangrijke factor voor het voeden van dat model is ook dat je goed meet hoelang een renner precies op kop rijdt, want dat is sterk bepalend voor hoe snel zijn figuurlijke batterij leegloopt, en het gaat er natuurlijk om dat we al die batterijen optimaal gebruiken. Ons model meet die tijden op kop op basis van onder meer de gegevens over snelheid en wattage.”

Uiteindelijk gaat het dus om optimaal energiemanagement. Alle renners moeten precies op het juiste moment leeggereden zijn. Hoe realiseer je dat technisch?

“Technisch gezien klinkt het misschien voor een buitenstaander heel eenvoudig. Met Team dsm-firmenich PostNL ontwikkelen wij een dataplatform waarmee wij data-analyse mogelijk maken. Maar in dit geval kwam er nog wel een extra uitdaging bij. Zo heb je bijvoorbeeld goede connectiviteit nodig voor het versturen van de data van de fiets naar de cloud en vervolgens naar de auto. Dat vergt niet alleen een goed en betrouwbaar mobiel internet, maar ook een systeem dat de data snel kan analyseren en visualiseren in een dashboard. Realtime betekent bij sommige standaardtooling 1 update per 10 seconden, dit systeem is gebouwd voor 1 update iedere seconde. Op deze manier kunnen wij realtime bruikbare inzichten samenstellen.”

Jullie gebruiken dit systeem nu alleen tijdens trainingen. Wat levert dat concreet op?

“Op dit moment is het niet toegestaan om live data te gebruiken voor coaching tijdens wedstrijden. Tijdens trainingen kan dat wel en trainen de renners om het plan tot in detail goed uit te voeren. Met dit systeem kunnen zij hierbij tijdens de training door de coaches vanuit de auto worden ondersteund, omdat zij exact zien wat er gebeurt. Daarnaast bespreekt het team achteraf de training, waarbij de ervaringen met de data worden vergeleken; daar leren de renners van, zodat ze in de wedstrijden het plan beter kunnen uitvoeren.”

Data helpt dus om de prestaties te optimaliseren. Gaat daarmee de lol er niet een beetje vanaf, ook voor de fans?

“Absoluut niet. Ten eerste blijven renners mensen die een goede en een slechte dag kunnen hebben. De romantiek van de sport gaat niet weg door het gebruik van data. Eerlijk gezegd zie ik er juist een kans in om het nog aantrekkelijker te maken voor fans. In tal van sporten zie je hoe er statistieken verzameld worden over sporters, van alle statistieken van een basketballer in de NBA tot de bandenstrategie en sectortijden in de Formule 1. Dat is allemaal gedaan om de fan experience te verbeteren. Waarom zouden we dergelijke dingen ook niet doen in de wielersport?”

 
partner logo KPMG Team DSM