Jyväskylän yliopiston informaatioteknologian tutkijat kehittivät menetelmän jalkapallolahjakkuuksien tunnistamiseen. Nuorista jalkapalloilijoista tunnistettiin lahjakkuudet 80 %:n tarkkuudella.
14-vuotiaana tehtyjen fyysisten ja lajitaitotestien sekä henkisiä ominaisuuksia mittaavien tekijöiden avulla voitiin tunnistaa pelaajat, jotka etenivät myöhemmällä iällä ulkomaille. Tuhannen pelaajan joukosta onnistuttiin tunnistamaan kaikki ulkomaille edenneet seitsemän pelaajaa.
Sovelluksessa käytettiin poikkeavuuksien tunnistamiseen kehitettyä tekoälymenetelmää, jota käytetään tällä hetkellä esimerkiksi tietoturvapoikkeamien tunnistamiseen. Samaa menetelmää voisi käyttää myös muunlaisten poikkeavuuksien, kuten sosiaalisen syrjäytymisen tai korkean riskin potilaiden, tunnistamiseen.
Erottelevien tekijöiden havaitseminen tuhansien pelaajien joukosta on perinteisen selittävän tilastoanalyysin keinoin haastavaa, koska menestystä selittävät tekijät ovat hyvin monimutkaisia. Big Datan ongelmana on myös, että kerätty pitkittäisdata on usein hajanaista ja paljon tietoa puuttuu. Lisäksi lahjakkuuksia on hyvin vähän koko harrastajamassaan suhteutettuna, joten tutkimuskysymystä lähestyttiin poikkeaman havaitsemiseen käytettävällä nk. yhden luokan tukivektorikoneella. Menetelmä koulutettiin ensin ”normaalien” pelaajien datalla. Kun sitä testattiin uudella datalla, se tunnisti kaikki ulkomaille edenneet pelaajat.
Menetelmä oli riittävän herkkä tunnistamaan kaikki seurannassa olleet suomalaiset ulkomaille edenneet pelaajat ja seuraava vaihe on tarkkuuden kehittäminen. Tällä hetkellä menetelmä löytää vielä joukon muitakin pelaajia, jotka eivät ole edenneet ulkomaille. Käytännössä menetelmä siis tunnistaa mahdollisen potentiaalin. Syitä, miksi pelaaja ei ole edennyt urallaan voi olla monia.
Menetelmä antaa lisätietoja ja on apuna valmentajan päätöksenteossa. Tulevaisuudessa menetelmää voisi kehittää pelipaikkakohtaiseen uraohjaukseen, koska esimerkiksi hyökkääjien ja puolustajien erotteleminen voi olla hyödyllistä pelipaikkojen erilaisten vaatimusten vuoksi.
Tutkimus tehtiin yhdessä Eerikkilän urheiluopistossa toimivan Sami Hyypiä Akatemian kanssa Business Finlandin rahoittamassa hankkeessa.