Klewel | Quantified self, ubiquity et predictive data : comment comprendre ces nouveaux types de données ?
At Klewel we love to help you save the knowledge and gain more visibility by webcasting your events online.
Klewel, Triskel, webcasting, platform webcast, filming, record, capture, publish, webinar, online audio, video, presentation, slides, PPT, PowerPoint, synchronize, prezzi, PDF, projection, projector, VGA, DVI event, congress, conference, seminar, symposium, lecture, session, talk, meeting, congress center, room, hotel, ballroom knowledge management, sharing, visibility, communication search, browse, engine, API, share, embed, integrate, website corporate communication, marketing, strategy, sales international, world, association, enterprise, PCO professional conference organizer, DMC destination management company ICCA MPI MSI meeting support institute education, training, blended learning, MOOCs, live streaming, SDI, YouTube, vimeo, broadcast, processing, TED OCR optical character recognition, ASR automatic speech recognition, Recommendation Access, content, multimedia, rich media, interactive, innovation, technology, service, product Swiss, Geneva
10534
single,single-post,postid-10534,single-format-standard,ajax_fade,page_not_loaded,,wpb-js-composer js-comp-ver-3.6.12,vc_responsive
 

Blog

2018_02_26-technoark-389-dartfish

Quantified self, ubiquity et predictive data : comment comprendre ces nouveaux types de données ?

  |   Highlight   |   No comment

Aujourd’hui, des millions de données sont générées, notamment dans les sports de haut niveau. Dartfish, PME fribourgeoise née à l’EPFL, s’attelle à décortiquer les résultats sportifs obtenus grâce à la production de données vidéos. L’idée est d’analyser un individu dans une équipe ou face à un sport et plus seulement face à lui-même. C’est ce que l’on appelle la contextualisation de la donnée.

 

Retrouvez la vidéo complète en replay avec Klewel:

technoark2018-dartfish

A ses débuts, Dartfish faisait de l’analyse vidéo avant de se tourner vers l’analyse de la performance. Aujourd’hui, la PME est active dans l’analyse de données, car la vidéo doit être classée comme de la data. Elle permet de classifier, recruter un athlète, adapter un entrainement ou encore préparer des compétitions. « Le but de cette collecte de données est simple : valoriser l’investissement », selon Jean-Sébastien Mérieux CEO de l’entreprise.

Interprétation des données
L’agrégation et la visualisation de données doivent permettre à l’entraineur de prendre des décisions correctives.  « Mais ça veut aussi dire que celui-ci doit être capable de comprendre et d’interpréter les données. »
Les données doivent être utilisées pour donner des idées au coach afin de lui permettre de prendre des décisions sur la partie physique, technique ou tactique, selon le sport. Ensuite, il utilise la statistique pour entrer dans un processus qualité, afin que ses décisions soient justifiées. Tout doit évidemment être mobile, car l’athlète utilise uniquement son smartphone.
C’est là qu’intervient le concept d’ubiquité (ubiquity), le “fait d’être présent partout à la fois ou en plusieurs lieux en même temps”. C’est aujourd’hui possible grâce aux nouvelles technologies. Cela permet un partage et une facilité d’utilisation.

Les familles de data
Les données sont décomposées en 3 grandes familles : les data objectives (taux sanguin, monitoring, récupération …), les data coaching (voir si le footballeur shoote du pied gauche ou droit par exemple) et les data prédictives, qui sont une construction des deux précédentes. Ce sont elles qui seront de plus en plus étudiées, selon Jean-Sébastien Mérieux.

Projets d’avenir
Avant de trop s’immerger dans la technologie, il faut se demander quelles sont les actions qui ont du sens pour un coach et pour un athlète. L’information utile part des actions possibles, pas de la technologie. Le but et le projet d’avenir de Dartfish est de pouvoir visualiser les actions sur une ou deux pages maximum.

Aujourd’hui, on souhaiterait également réussir à identifier la technique, les gestes, la pression sur un tapis. L’analyse d’images et l’intelligence artificielle sont des accélérateurs pour arriver à cet objectif. Il y a également un gros travail de recherche à faire du côté des sciences cognitives et comportementales. Le but avoué est toujours le même : un résultat simple et directement utilisable.

L’idée est de garder l’humain au centre. Cela va au-delà de la performance individuelle. L’équipe doit pouvoir fonctionner même sans le titulaire, ce qui veut dire que celui-ci est responsable du succès de la personne qui le remplace. Dans ce but, la dimension sociale et l’interaction doivent rester au cœur du succès.
Propos recueillis le 26 janvier 2018 lors de la Conférence TechnoArk de Sierre

http://blog.theark.ch/fr/detail/quantified-self-ubiquity-et-predictive-data–comment-comprendre-ces-nouveaux-types-de-donnees–8958

 

No Comments

Post A Comment