Van verenigingsadvies tot het herkennen van potentieel kader, bij de KNVB gaat steeds meer datagedreven

De KNVB zet data op diverse terreinen in om de voetballiefhebber beter van dienst te zijn. Data speelt binnen veel aspecten van de organisatie een cruciale rol, maar staat nooit op zichzelf zonder doel of context. Samen met Rick Koetsier, lead data intelligence bij de KNVB, duiken we dieper in enkele voorbeelden van hoe data wordt benut.

“Met mijn team ben ik verantwoordelijk voor het benutten van alle beschikbare data van onze voetballiefhebbers om betere beslissingen te nemen", vertelt Rick. “Dit varieert van operationele zaken, zoals competitieplanning en verenigingsadvies, tot beslissingen op directieniveau”. De vraag naar datagedreven inzichten en oplossingen neemt toe en komt uit alle lagen van de organisatie.

Eerst bewijzen, nu keuzes maken

De vraag naar meer datagedreven inzicht was er niet altijd, herinnert Rick zich: "Ik ben begonnen als de enige analist op de marketingafdeling. Toen was het vooral nog een kwestie van iedereen laten zien wat er allemaal mogelijk is." Nu merkt het team van Rick dat ze daar steeds minder tijd voor hebben, vanwege de groeiende vraag. De datavolwassenheid is toegenomen, en de organisatie begint steeds meer de waarde van data in te zien. De samenstelling van het team verandert mee met de behoeften van de organisatie. Zo worden er bewust elke zes maanden twee stagiaires aan het team toegevoegd. Daarnaast blijft het team actief op zoek naar nieuwe ontwikkelingen en technologieën die kunnen worden ingezet om de voetballiefhebber nog beter van dienst te zijn.

Begin met het einde voor ogen

Het ontwikkelen van dataproducten en -diensten is niet een doel op zich, maar een middel om een ander doel te bereiken, legt Rick uit: "Voordat wij beginnen met de ontwikkeling van een dataproduct, willen we altijd zeker weten dat er iemand is die er concreet iets mee gaat doen. Het is namelijk zonde om een model te bouwen dat later ongebruikt in een la belandt.” Dit bereikt het team van Rick bijvoorbeeld door in gesprek te gaan met de gebruiker om te achterhalen welke actie het dataproduct moet ondersteunen. Tegelijkertijd hoeft de KNVB vooraf nog niet te weten of het product een succes gaat zijn. Er wordt gekozen om uit te proberen en te inspireren en als organisatie verder te ontwikkelen. Met zijn team werkt Rick nu aan verschillende dataproducten en -diensten. "Alles wat we doen, is gerelateerd aan het strategisch plan en de uitdagingen en wensen daar", legt Rick uit. Zo dragen ze bij aan complexe taken zoals het organiseren van een zo eerlijk mogelijke competitie, maar ook het behalen van duurzaamheidsdoelen wordt op een datagedreven manier aangepakt.

Identificeren van potentiële bondsscheidsrechters

Een van de uitdagingen bij de KNVB is het vinden van bondsscheidsrechters, legt Rick uit: "Wij zijn niet de enige bond die het lastig heeft om voldoende scheidsrechters en trainers te vinden. Dus wij hebben gekeken naar wat wij potentieel kunnen bijdragen aan de werving om het aantal scheidsrechters te laten groeien."

Om dit doel te bereiken, is er een model ontwikkeld. Hiermee wordt de groep met de grootste potentie om bondsscheidsrechter te worden geïdentificeerd, gebaseerd op verschillende variabelen. Deze variabelen zijn afgeleid van de kenmerken van de huidige groep van bondsscheidsrechters: "We kijken bijvoorbeeld naar of iemand nog actief voetbalt, recente deelname aan activiteiten, wanneer de laatste opleiding is gevolgd, en hoe actief ze zijn." Daarbij is een model nooit alleen maar data, vertelt Rick: "Je gaat dan ook met de afdeling arbitrage zitten om te bespreken welke kenmerken zij zien als belangrijk voor een bondsscheidsrechter, en hoe we dat op een of andere manier in data kunnen vertalen."

Op deze manier blijft er een samenspel met de kennis die al in de organisatie aanwezig is. Ondanks de precisie van het model is het belangrijk om te erkennen dat het om voorspellingen gaat, die nooit volledig nauwkeurig zijn. Het streven is om het model zo nauwkeurig mogelijk te maken, waarbij de kwaliteit van de data cruciaal is. Een duidelijk beeld van de doelgroep is nodig om de benodigde variabelen te vinden en correct in data te kunnen vertalen. Het model wordt regelmatig ingezet voor wervingsdoeleinden binnen arbitrage. Zo kan bijvoorbeeld een gerichte wervingsmail worden verstuurd op basis van de data. Rick benadrukt echter dat je goed moet nadenken over de consequenties van de acties die je op basis van data onderneemt. Een praktisch aspect is bijvoorbeeld de beschikbaarheid van voldoende opleidingsplekken, wat in het voetbal wel eens een uitdaging kan zijn. Daarnaast is de betrouwbaarheid van het model bepalend voor de mate van zekerheid waarmee acties kunnen worden ondernomen: "Dat bepaalt ook hoe je met het inzicht omgaat, met een voorspelling zou je nooit voor 100% een keuze baseren op data."

Het belang van context bij data

Verenigingsadvies binnen de KNVB is een uitstekend voorbeeld van hoe data altijd wordt gecombineerd met een gesprek om context toe te voegen. De verenigingsondersteuners krijgen op verschillende manieren inzicht mee: "Ze hebben dashboards waarin ze kunnen zien hoe de ontwikkeling van de leden en de teams verloopt in de regio's en gemeenten die ze bezoeken. Ook is er een dashboard waarop je een specifieke vereniging kunt selecteren en kunt zien hoe deze eruit ziet qua leden, wat de in- en uitstroom is, en hoeveel diploma's ze hebben voor arbitrage en trainers." Deze data en inzichten worden gebruikt als basis voor gesprekken met de verenigingen.

De verenigingsadviseurs spelen ook een rol richting gemeentes en lokale overheden, die steeds meer behoefte hebben aan data en cijfers voor bijvoorbeeld accommodatiebeleid. Er wordt bewust gekozen om niet direct de data te verstrekken, maar eerst de vraag achter de vraag te achterhalen. Data fungeert vervolgens als ondersteuning en wordt meegenomen in de gesprekken: "De verenigingsadviseur kan hier de juiste context geven die bij die specifieke vereniging hoort," vertelt Rick. Zo wordt voorkomen dat data verkeerd wordt gebruikt of geïnterpreteerd. "Daarnaast kan de kennis die wordt opgedaan ook worden gebruikt voor andere gemeentes. De vraagstukken die bij de ene gemeente spelen, komen vaak later terug bij andere gemeentes." Data is de input voor het juiste gesprek. Data en inzicht vormen de basis, maar de context is net zo belangrijk.