PRO-Fallstudie: Angleichung der Leistungsüberwachung durch einen einzigen Produktstapel
Die Berufsschiedsrichterorganisation (PRO) beaufsichtigt die Ermittlung, Ausbildung, Beurteilung, Zuweisung und Anstellung von professionellen Fußballschiedsrichtern in den Vereinigten Staaten.
Wir haben kürzlich mit Matt Hawkey, dem Leiter für Performance und Analyse bei PRO, über die Bewältigung von Reisetätigkeit und remote , die Performance-Struktur, die tägliche Datenerfassung sowie die Vereinheitlichung der Performance-Überwachung durch einen einzigen Produkt-Stack gesprochen.
Die größten Auswirkungen auf die Leistungsüberwachung
"Catapult war wirklich unser wertvollstes Werkzeug. Es hat uns eine Menge über die Ausbildungsmuster verraten, und wir können daraus eine enorme Menge an Erkenntnissen gewinnen. Wir haben auch einen Punkt erreicht, an dem die subjektiven Antworten, die wir aus den Fragebögen erhalten, immer wichtiger werden. Ich denke, dass wir anfangs eine Gruppe hatten, die uns Antworten gab, von denen sie glaubte, dass wir sie hören wollten, aber jetzt ist es ein wenig klarer, dass wir wissen wollen, was tatsächlich vor sich geht.
"Wir erfassen die Herzfrequenz, die Catapult-Daten, den HRV-Stresstest, einen Fragebogen zum morgendlichen Wohlbefinden, und dann gibt es noch einige interessante Daten, die mit unseren Reisedaten zusammenhängen. Reisen sind für uns sehr wichtig, um alles zu überwachen, vom Wechsel der Zeitzonen über das Schlafverhalten bis hin zu den Ergebnissen von Fragebögen."
Alle Leistungsprodukte auf einer einzigen Plattform zusammenfassen
"Letztendlich ist es das große Ziel, die gesamte Technologie unter einem Dach zu haben und alle Informationen zur Verfügung zu haben, damit man schnell Entscheidungen treffen kann. Wir müssen uns jeden Tag unsere Leistungsdaten, unseren Video-Output und unsere subjektiven Fragebögen ansehen, also ist es ein Kinderspiel, alles an einem Ort zu haben.
Die Zukunft der Leistungstechnologie
"Das kurzfristige Ziel ist es, Daten auf anspruchsvollere Art und Weise zu visualisieren; statistische Modellierung innerhalb des Systems zusammen mit maschinellem Lernen und KI, sogar einige der Virtual-Reality-Sachen, die auf dem Weg sind, zu betrachten. Das nächste Ziel ist es, detailliertere statistische Analysen durchführen zu können und diese in das System zu integrieren.