Pengarang: Nitin Chauhan
Awalnya diterbitkan di Towards AI the World’s Leading AI and Technology News and Media Company. Jika Anda sedang membangun produk atau layanan terkait AI, kami mengundang Anda untuk mempertimbangkan untuk menjadi sponsor AI. Di Towards AI, kami membantu menskalakan AI dan startup teknologi. Biarkan kami membantu Anda melepaskan teknologi Anda kepada massa.
Analisis Olahraga 101 — Karir
Sebagai bagian dari penelitian saya tentang analitik olahraga, saya menulis serangkaian artikel yang meneliti dampak dan manfaat pembelajaran mesin dan analitik data. Sepanjang hidup saya sebagai calon ilmuwan data, saya selalu mencari panduan yang akan membantu saya mendapatkan pemahaman yang lebih dalam tentang analisis olahraga. Selama bertahun-tahun saya menghabiskan waktu untuk meneliti dan mengikuti kursus, saya telah menemukan konsep panduan berjudul Sports Analytics 101. Harapan saya adalah panduan ini akan membantu orang-orang seperti saya dalam memahami dan menghargai analisis data dengan lebih baik.
Pengantar Karir dalam Analisis Olahraga; Courtesy: Gambar oleh Penulis
Awal — Tendang Mulai perjalanan Anda!!
Selama hampir setengah tahun, saya telah bekerja lepas sebagai analis data/ilmuwan di beberapa proyek analisis olahraga, terutama berkonsentrasi pada analisis sepak bola untuk klien profesional dan media.
Tidak dapat disangkal bahwa ini adalah pertunjukan yang cukup keren. Inilah mengapa saya rasa tidak mengherankan jika pertanyaan yang paling sering muncul adalah, “Bagaimana cara saya mendapatkan pekerjaan di bidang analisis sepakbola?”
Di masa lalu, saya mengajukan pertanyaan serupa kepada banyak analis yang “lebih mapan”. Jawaban yang saya terima umumnya hal-hal seperti bekerja lebih terbuka, menunjukkan kemampuan Anda untuk mengajukan pertanyaan yang bagus, dan mendekati masalah dengan penuh arti. Tanggapan yang saya terima selalu sedikit mengecewakan ketika saya menanyakan pertanyaan-pertanyaan ini dan menerima jawaban. Saya mengerti bahwa Anda harus bekerja, tetapi bagaimana lagi saya harus berkontribusi?
Seiring waktu, saya terus menulis, menerima umpan balik yang baik tentang pekerjaan saya dari orang-orang dalam komunitas analitik, dan akhirnya jatuh ke dalam penulisan lepas. Jika saya jujur, saya percaya ini adalah istirahat yang cukup beruntung, lebih karena saya berada di tempat yang tepat pada waktu yang tepat daripada karena saya beruntung). Sebagai hasilnya, saya akhirnya mulai berinteraksi dengan analis kinerja di klub dan melakukan pekerjaan sesekali. Kira-kira dua hingga tiga tahun setelah saya pertama kali terlibat dalam komunitas analisis sepak bola, saya lulus dari universitas.
Akibatnya, ketika orang bertanya kepada saya bagaimana mereka bisa mendapatkan pekerjaan di bidang analisis olahraga, saya tidak memiliki jawaban yang memuaskan selain dari apa yang telah diberitahukan kepada saya atau kisah hidup yang rumit dan terlalu spesifik.
Saya pikir saya akan membagikan beberapa tip yang telah saya ambil sepanjang jalan yang telah membantu saya atau individu yang saya kenal di industri ini.
Bangun portofolio proyek
Pengalaman saya baru-baru ini mencakup Python, R, SQL, Apache Spark, Tableau, model linier umum, model pembelajaran mesin yang diawasi dan tidak, dan model Bayesian.
Ketika saya mulai menulis tentang analisis sepak bola, saya tidak akan tahu apa arti sekitar 20% dari kata-kata dalam kalimat itu.
Anda akan selalu membandingkan diri Anda dengan mereka yang lebih baik dari Anda dalam industri seperti ini. Awalnya, sebagian besar pekerjaan saya di Excel, dengan data yang saya salin dan tempel. Saya berharap saya bisa menjadi sebaik mereka yang tahu cara membuat kode. Ketika saya mulai belajar kode, saya membandingkan diri saya dengan orang-orang yang kemampuan matematikanya memungkinkan mereka untuk membuat model lebih baik dari saya. Saya menganggap latar belakang pengkodean dan matematika saya cukup bagus. Saya sering membandingkan diri saya dengan orang yang membuat aplikasi web yang lebih menarik daripada yang saya bisa atau akademisi yang membuat model kompleks berdasarkan data pelacakan.
Akibatnya, Anda tidak harus menunggu sampai Anda menjadi yang terbaik sebelum Anda mulai menulis. Saya mendengar dari banyak orang bahwa mereka ingin belajar bagaimana melakukan x sebelum mulai menulis. Jika Anda menunggu, Anda akan menunggu selamanya. Mulai sekarang. Bahkan jika pekerjaan Anda tampak sederhana atau konyol, itu akan tetap ditemukan oleh orang lain bahkan jika metodologi Anda mencurigakan dan jika Anda menunjukkan bahwa Anda tahu cara mengajukan pertanyaan yang baik.
Beberapa proyek bagus untuk memulai adalah:
Kualifikasi Profesional👩🏻🎓
Beberapa gelar tersedia dalam analisis olahraga hari ini, tetapi itu tidak penting. Saya pikir pernyataan “analisis olahraga bukan gelar” mungkin tidak valid lagi. Satu pertanyaan lanjutan tentang cara masuk ke analitik olahraga adalah, “apa yang harus saya pelajari untuk bekerja di analitik olahraga?” Saya yakin saya memiliki jawaban yang lebih baik untuk yang ini: pelajari sesuatu yang Anda minati.
Gelar master yang saya peroleh di Data Science & Analytics diperoleh setelah bekerja sebagai software engineer. Saya mengenal banyak orang yang telah berhasil dalam analisis olahraga setelah berlatih karir sebagai insinyur, sejarawan, psikolog, pelatih kinerja, dan sebagainya. Analisis olahraga melibatkan pemikiran cerdas tentang suatu masalah dan mengomunikasikan konsep kompleks dengan cara yang dapat dipahami orang. Ini adalah keterampilan yang dapat Anda peroleh di berbagai disiplin ilmu. Majikan potensial dalam olahraga tidak akan melihat gelar Anda terlebih dahulu. Pergi ke gelar dengan harapan menemukan pekerjaan dalam analisis olahraga adalah a) sangat membatasi dan b) mungkin tidak benar.
Ikuti perkembangan domain ️
Fakta bahwa Anda harus mulai menerbitkan karya sesegera mungkin dan mempelajari apa yang Anda minati tidak berarti Anda tidak boleh mempelajari keterampilan khusus untuk analisis olahraga. Bagian pembelajaran sering dianggap mengintimidasi, tetapi seharusnya tidak demikian.
Langkah pertama adalah membiasakan diri dengan olahraga Anda. Kadang-kadang analis jatuh ke dalam perangkap framing analytics sebagai sesuatu yang bertentangan dengan keahlian para ahli di lapangan di beberapa bagian media. Namun, ada banyak hal yang dapat Anda pelajari tentang olahraga dari orang-orang di dalamnya. Untuk mulai mendiskusikan ide-ide ini, perlu belajar dari pakar olahraga karena analitik menyediakan metode baru untuk mendekati dan terkadang menantang ide-ide ini.
Langkah kedua adalah mempelajari cara membuat kode. Silakan pilih bahasa (saya sarankan Python atau R) dan pelajari cara membuat kode di dalamnya. Terlepas dari latar belakang pendidikan Anda, Anda dapat mempelajari cara membuat kode.
Ini akan membantu jika Anda mulai dengan belajar dengan proyek yang Anda sukai, karena penting untuk mempelajari cara mencetak “hello world”, tetapi juga bisa memakan waktu. Itu bisa membuat belajar bahasa baru dan akhirnya menjadi frustrasi dengannya sedikit lebih enak jika Anda memulai dengan proyek yang ingin Anda kerjakan, lebih disukai yang sederhana. Jangan frustrasi jika Anda bukan ahli segera, karena akan selalu ada orang yang lebih baik dari Anda yang akan Anda pelajari.
Last but not least, saya percaya sangat penting untuk mendapatkan pemahaman dasar tentang probabilitas dan statistik jika Anda berniat untuk maju di bidang teknis. Anda tidak memerlukan gelar di bidang matematika untuk menjadi analis yang baik, dan ada banyak tempat online di mana Anda bisa belajar.
Beberapa kursus yang bagus untuk memulai adalah:
Bekerja di bidang: Pekerjaan
Analis telah melihat bekerja di klub atau tim sebagai pencapaian tertinggi ketika mereka telah mencapai kesuksesan. Pada kenyataannya, pekerjaan klub hanya sebagian kecil dari pekerjaan yang tersedia. Banyak dari kita, termasuk saya, bekerja untuk perusahaan data atau konsultan. Karena analitik mendapatkan lebih banyak daya tarik di arus utama, juga akan ada peningkatan kebutuhan akan jurnalis dan profesional media yang memahami analitik. Banyak orang bekerja di klub dan tidak menikmatinya, lebih memilih bekerja di media atau konsultasi.
Meskipun perannya berbeda, keterampilannya serupa: Anda harus memahami olahraga, masalahnya, dan bagaimana data dapat digunakan untuk menyelesaikannya.
Harap jangan membatasi pencarian Anda pada klub; kebutuhan akan orang-orang cerdas yang bekerja di bidang olahraga jauh melampaui mereka.
Tantangan & Ruang Lingkup
Demonstrasi Analisis Olahraga; Courtesy: Gambar melalui SkySports
Mengikuti beberapa langkah di atas memungkinkan saya untuk mendapatkan pekerjaan di industri setelah bekerja keras. Lebih jauh lagi, memperoleh pengetahuan dan minat dalam domain, bersama dengan membuat pilihan hidup yang lebih berisiko, membawa saya ke kesempatan seperti ini.
Meskipun demikian, keterampilan yang telah saya uraikan dapat digunakan di berbagai bidang, dan bahkan jika Anda tidak dapat memperoleh pekerjaan di bidang analisis olahraga, upaya Anda tidak akan sia-sia. Anda akan lebih mudah dipekerjakan di bidang apa pun jika Anda mahir dalam pengkodean, menggunakan data, dan mengkomunikasikan konsep matematika secara efektif.
Kami melakukan hal ini karena kami menyukainya dan ingin mempelajarinya lebih lanjut. Jika Anda tidak menikmatinya, berhentilah karena industri lain akan memberi Anda penghasilan yang lebih tinggi.
Meskipun ini bukan peta jalan untuk “cara masuk ke analisis olahraga”, saya harap beberapa informasi ini berguna bagi Anda. Jika Anda tidak menemukan bantuan apa pun, abaikan semuanya — Anda mungkin memiliki ide yang lebih baik.
Sebagai pekerja lepas paruh waktu dari olahraga yang saya cintai, bermain (rata-rata), melatih, dan menjadi wasit, itu masih nyata bagi saya. Saat bertemu dengan pelatih, analis, pemain, penyiar, dan jurnalis, saya masih mengalami sindrom penipu. Namun, karena semakin banyak orang mendengarkan saya dan menyadari bahwa saya memiliki sesuatu untuk ditawarkan, itu menjadi lebih alami. Karena tidak ada momen terobosan ketika saya menjadi analis data olahraga*TM yang disetujui, mudah-mudahan, membahas ini akan membantu dalam beberapa cara untuk mengungkap proses tersebut.
Sekarang setelah saya menguraikan semua ide ini, saya berharap lain kali daripada meminta saran tentang cara masuk ke industri ini, Anda akan menghubungi saya dengan tautan ke posting blog pertama Anda atau contoh pekerjaan umum Anda!
Untuk blog baru, atau peringatan artikel, klik berlangganan. Juga, jangan ragu untuk terhubung dengan saya di LinkedIn, dan mari menjadi bagian dari jaringan yang menarik.
Sports Analytics 101 — Career awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
