Schweizerischer Fussballverband SFV: Den Schweizer Fussball mit Datenanalysen voranbringen

Der Schweizerische Fussballverband (SFV) ist die Dachorganisation des nationalen Fussballs. Er gliedert sich in drei Abteilungen (Swiss Football League, Erste Liga und Amateur Liga), zählt über 1300 Vereine, 14‘200 Teams sowie 350‘000 Mitglieder. Die nationale Vereinigung für Spitzen- und Breitenfussball nimmt eine tragende Rolle bei den nationalen Auswahlen ein, insbesondere den Schweizer Nationalteams. Um sich an der europäischen Spitze zu etablieren, die Ausbildung zu optimieren und den Nachwuchs ideal zu fördern, sollen vermehrt zentrale Datenanalysen genutzt werden. Denn man hatte zwar über viele Jahre Daten zu Spielerinnen und Spielern, Trainerinnen und Trainern, Schiedsrichterinnen und Schiedsrichtern, Spielverläufen u.v.m. gesammelt und diese auch analysiert. Allerdings geschah dies jeweils individuell auf Anfrage einzelner Abteilungen, Ressorts oder Verantwortlichen und nur punktuell zentral. Entsprechend gab es auch bezüglich Aufgaben, Kompetenzen und Verantwortungen keine Klarheit – eine strategische Vorstellung zur Analyse von Daten fehlte.

Analyse-Strategie als Basis für besseren Fussball
„Wir wollen die in den vorhandenen Daten steckenden Informationen nutzen, um unsere strategischen Ziele zu erreichen“, sagt Martin von Schroeder, Leiter Clubservices und Mitglied der Geschäftsleitung beim SFV. Aus diesem Grund wandte sich von Schroeder an IT-Logix. Es sollte nämlich eine übergeordnete Strategie zum Thema Datenanalyse erarbeitet und ein Machbarkeitsnachweis erbracht werden. „Wir wollten der Geschäftsleitung Möglichkeiten aufzeigen, wie man mit Daten einen Mehrwert für den Fussball schaffen kann.“ Dazu wurden vertiefende Interviews mit den Mitgliedern der Geschäftsleitung, dem Generalsekretär sowie den Verantwortlichen für die Spielanalyse und Spielentwicklung, Breitenfussball und der Direktorin der Direktion Frauenfussball geführt. Dabei wurden zu den Themen Organisation & Prozesse, Daten sowie BIApplikation & Data Science, 148 Aussagen zur strategischen Ausrichtung und 33 Kernaussagen hinsichtlich des Ist- und des Soll-Zustands definiert. Diese wurden in ein Rahmenmodell eingebettet und so konnte der aktuelle und künftig erwünschte Reifegrad der Datenanalyse beim SFV beurteilt werden. Dabei stellte sich beispielsweise heraus, dass die Daten analytisch noch wenig genutzt werden können, weil es an Konsistenz und Rückverfolgbarkeit fehlt. Denn Aktualität, Historisierung und Detaillierung sind nur teilweise gegeben. Die Informationsversorgung ist entsprechend dezentral. Zwar könnten die Daten die analytischen Bedürfnisse mehrheitlich abdecken, aber wegen der teilweise fehlenden Datenqualität nicht vollumfänglich genutzt werden. Es sind zwar Standardreports aus den Quellsystemen machbar – freie Analysen, Drilldowns etcetera hingegen sind nicht möglich. Der Aufwand für punktuelle Analysen ist demzufolge gross.

Ressourcen zur Umsetzung von Handlungsempfehlungen
Im Gegenzug ist das Management dem Thema Datenanalyse sehr verpflichtet und unterstützt eine gute Abdeckung der Bedürfnisse, eine zentrale Informationsversorgung aus dem Personeninformationssystem und dem Spielbetriebssystem und eine Definition von Kompetenzen und Aufgaben. So wurden denn aus den Resultaten auch konkrete Handlungsfelder für den BI-Scope und die Ablauforganisation, das Architekturkonzept, die Harmonisierung von KPI und Business Cases, die Messung und Analyse (Tools) und die Optimierung der Datenbewirtschaftung aufgezeigt. Dabei stellte sich auch heraus, dass innerhalb der Organisation personelle Ressourcen bereitgestellt werden müssen. Der SFV konnte bei der Erarbeitung der Strategie vom an ITIL angelehnten Strategie-Modell IBISS (IT-Logix BI Strategy Standard) profitieren. Bei der Vorgehensweise kommen vorgefertigte Arbeitswerkzeuge zum Einsatz, mit denen in allen Organisationen wiederkehrende Aspekte strukturiert beleuchtet und die nächsten Handlungsschritte definiert werden können. „Wir wollen die Weiterentwicklung des Schweizer Fussballs unterstützen“, sagt von Schroeder. „Wir haben denn auch im Zuge der Erarbeitung der Strategie mit IT-Logix erkannt, dass wir eine neue Stelle schaffen müssen.“ Das war 2019, nachdem Ende 2018 mit den Interviews begonnen wurde. Die Aufgaben zur Umsetzung der Strategie übernimmt Dominik Schaller in der Funktion als Business Intelligence Specialist, der im April 2021 seine Stelle antrat.

Pilot-DWH als Machbarkeitsnachweis
Mit der neuen Organisation soll auch das Datawarehouse, das im 2020 für einen Machbarkeitsnachweis gebaut wurde, wieder in Betrieb genommen werden. Bei dem Proof of Concept handelt es sich um eine wichtige Vorarbeit für künftige Projekte in der Cloud. Der Betrieb erfolgte vollumfänglich in der Azure-Cloud von Microsoft. Alle wesentlichen Komponenten wie die Data Factory, Wherescape zur DWH-Automatisierung, SQL DB als Data Warehouse, Analysis Services Tabular und als Front-End PowerBI wurden in Azure angelegt. Die Daten wurden aus der Fachanwendung in Azure vorgehalten, neu angeordnet und ausgewertet. Dabei konnten zur Begrenzung der Datenmengen Bereiche wie Spielerstatistik, Strafen und Spielereinsatz identifiziert und Regeln definiert werden, mit denen eine ausreichende Ladeperformance erreicht werden kann. Darüber hinaus schafften Erkenntnisse zu Datenqualität, Backup- und Sicherheitsaspekten, Pricing und vielem mehr Klarheit für die künftige Vorgehensweise. Dieses Ziel konnte vollumfänglich erfüllt werden. Weiter sollte der Pilot den Nutzen eines Microsoft-BI-Stacks aufzeigen. Antworten darauf, wie Unternehmensdaten visualisiert werden und welches Potenzial in Daten steckt, sollen SFV-intern helfen, die Analyse-Anstrengungen voranzutreiben. „Mit dem Piloten konnten wir die
erstellten Reports konsumieren“, freut sich von Schroeder. „Die Basisarbeit ist gemacht. Nun gilt es, die nötigen Schritte umzusetzen, um Kennzahlen für Datenanalysen bereitzustellen und so den Schweizer Fussball weiterzubringen.“ Bei der Wiederinbetriebnahme des Pilots im Mai 2021 wurde bereits ein Vorteil der Azure-Dienste besonders deutlich: Sie werden hochskaliert, wenn sie benötigt werden und auf ein Minimum reduziert, wenn sie nicht genutzt werden. Indem zum Beispiel die Azure-Datenbank ausserhalb der Beladungszeit des Data Warehouse weniger stark beansprucht wird, lassen sich Kosteneinsparungen erzielen.

Shortdescription of Lead

Ausgangslage
Datenanalysen sind heute beim SFV organisatorisch nur in einzelnen Ressorts verankert und qualitativ für das Ziel, den Fussball mit Mehrwert aus Informationen voranzubringen, nur bedingt möglich. Denn die Informationsversorgung erfolgt dezentral und individuell, ein definierter Scope für ein übergeordnetes Analysekonzept existierte nicht. Der Wert von Informationen zur Förderung des Fussballs und die Möglichkeiten, welche die Technologien in vielen Bereichen wie Nachwuchs oder der Trainingsoptimierung bieten können, ist beim Management aber erkannt.
 

Lösung
Die Erarbeitung eines Konzepts anhand eines strukturierten Vorgehens zeigte Lücken und Handlungsfelder auf. Dabei konnte dank des IBISS-Modells (IT-Logix BI Strategy Standard) mit vorgefertigten Arbeitsmitteln schnell konkrete nutzbringende Resultate erzielt werden. Darüber hinaus ist mit einem Machbarkeitsnachweis gezeigt worden, dass die Verlagerung der Datawarehouse-Architektur in die Cloud mit den vorhandenen
Informationssystemen möglich ist und beim SFV aus einer zentralen Plattform heraus Reports konsumiert werden können.

Nutzen
Die erarbeitete Analyse-Strategie bildet die Basis für künftige Umsetzungsmassnahmen. Es wurden Handlungsempfehlungen aufgezeigt und priorisiert. Ein Proof of Concept zeigte anhand eines Datawarehouse-Piloten, dass Analysen in der Azure Cloud zu Spielerinnen und Spielern, Spielen oder Strafen erstellt werden und mit dem vorliegenden Architektur-Setting und unter Einbezug von Erkenntnissen zu Pricing, Datenqualität, Sicherheit, Backup etc. auch ein künftiges Datawarehouse machbar ist.
 

Highlights

• Strategisch verwendbare Kernaussagen zu Tiefeninterviews
• SWOT-Analyse zu Organiation & Prozessen, Daten und
• BI-Applikation und Data Science
• Proof of Concept für Data Warehouse in der Azure-Cloud
• Pilot kann in produktives System überführt werden

Technologie und Produkte

• IBISS (IT-Logix BI Strategy Standard) zur Erarbeitung der
• Analyse-Strategie
• Microsoft Power BI Services
• Azure Analysis Services Tabular
• Azure SQL DB
• Azure Data Factory
• WhereScape zur DWH-Automatisierung