Cách các đội thể thao dùng AI phân tích dữ liệu thiết bị đeo của vận động viên với Sonar Atlas

Là huấn luyện viên, chuyên gia thể lực hay nhà khoa học thể thao, bạn thừa biết theo dõi tốt trông ra sao. Cái khó là làm được điều đó với cả một đội hình. Người này đồng bộ Garmin. Người kia ghi bữa ăn vào MyFitnessPal. Người thứ ba đeo Oura Ring nhưng chẳng bao giờ mở ứng dụng ra xem. Tự thân những con số ấy không nói chuyện với nhau, và đến lúc bạn gom xong chúng vào một bảng tính thì thời điểm cần ra tay thường đã trôi qua.

Sonar Atlas gom dữ liệu thiết bị đeo rải rác của cả đội hình về một nền tảng athlete intelligence duy nhất. Huấn luyện viên có thể lướt qua xu hướng của toàn đội, phân tích hồ sơ của một vận động viên cụ thể, hoặc hỏi Sonar AI bằng ngôn ngữ thường ngày để hiểu rõ hơn về phong độ.

Bắt đầu bằng một góc nhìn đáng tin về cả đội hình

Phân tích bằng AI chỉ tốt ngang với dữ liệu bên dưới nó. Nếu một vận động viên tập với Garmin, người khác đeo Oura Ring và người thứ ba ghi bữa ăn vào MyFitnessPal, huấn luyện viên không nên phải đăng nhập ba nơi riêng biệt chỉ để so xu hướng.

Sonar Atlas đồng bộ dữ liệu từ hơn 600 thiết bị đeo, ứng dụng và thiết bị khác, trong đó có Apple Health, Google Health, Garmin, Oura và Strava. Giấc ngủ, buổi tập, hồi phục, dinh dưỡng, thành tích và các chỉ dấu sinh học từ đó về sau đều đổ vào cùng một hệ thống.

Mục Overview cho ban huấn luyện một ảnh chụp thời gian thực của cả đội hình: mức trung bình Recovery, Sleep, Strain, Stress và Nutrition trong khoảng thời gian đã chọn, xu hướng của nhóm theo thời gian, tình trạng đồng bộ của từng thiết bị đã kết nối, và những vận động viên cần theo sát trước tiên. Toàn bộ phân tích bạn cần đều ở đó, ở dạng dễ tiêu hóa.

Hỏi xem hôm nay ai cần được để mắt

Buổi rà soát sáng thường bắt đầu bằng một câu hỏi rất thực tế: nên nhìn vào đâu trước? Sonar AI có thể mở toàn bộ cảnh báo đang hoạt động của đội hình và sắp theo mức ưu tiên, để bạn bắt đầu từ các trường hợp ngoại lệ thay vì lật từng hồ sơ một.

"Những vận động viên nào có điểm hồi phục dưới 50 ba ngày liên tiếp?"

"Cho tôi xem ai có HRV tuần này rơi hơn 15% dưới mốc nền của chính họ."

"Mấy ngày qua ai chưa đồng bộ thiết bị đeo?"

"Vận động viên nào có khối lượng tập tăng vọt mạnh nhất so với tuần trước?"

Mỗi câu trả lời quay về dưới dạng một thẻ cảnh báo tóm tắt vấn đề. Ban huấn luyện có thể mở hồ sơ vận động viên để đối chiếu dữ liệu gốc trước khi quyết định điều chỉnh buổi tập.

Hỏi vì sao khả năng hồi phục của một vận động viên thay đổi

Cảnh báo cho biết điều gì đã thay đổi. Câu hỏi tiếp theo gần như luôn là vì sao. Sonar AI có thể kéo các đường xu hướng liên quan của một vận động viên về cùng một chỗ, để bạn nhìn vào cả mẫu hình thay vì mở bốn biểu đồ riêng lẻ.

"Vì sao khả năng hồi phục của Kate tuần này đi xuống?"

"Khối lượng tập của cô ấy có đang tăng quá nhanh không?"

Với một vận động viên như Kate, câu hỏi đầu tiên trả về lời giải thích chứ không chỉ một con số. HRV của cô thấp hơn mốc nền khoảng 12% và cô ngủ trung bình 6 giờ 4 phút so với mức thường thấy là 7 giờ 12 phút, trong khi strain từ tập luyện vẫn ổn định. Gộp lại, những tín hiệu này cho thấy vấn đề nghiêng về chất lượng hồi phục hơn là khối lượng tập.

Một câu hỏi tiếp nối sẽ kiểm chứng giả định đó ngay. Sonar AI có thể chỉ ra rằng khối lượng cấp tính 7 ngày của cô chênh không quá 6% so với khối lượng mạn tính, khiến khả năng khối lượng tăng đột ngột trở nên ít có cơ sở. Ban huấn luyện nhờ vậy có lý do rõ hơn để xử lý phần hồi phục thay vì mặc định cắt khối lượng của tuần.

Cuộc trò chuyện vẫn nằm trong một luồng. Bạn có thể hỏi tiếp "giờ cho xem cả HRV" hay "so cái đó với tuần trước" và Sonar AI vẫn giữ ngữ cảnh trước đó, nên việc rà soát cứ thế đi tiếp thay vì phải bắt đầu lại từ đầu mỗi lần.

Yêu cầu xu hướng ở đúng định dạng bạn cần

Mỗi vai trò muốn một đầu ra khác nhau. Nhà khoa học thể thao có thể muốn một biểu đồ cho thấy chiều hướng. Chuyên viên vật lý trị liệu muốn một bản tóm tắt ngắn ở cấp đội hình. Huấn luyện viên đang chuẩn bị nói chuyện với vận động viên lại muốn con số chính xác của từng ngày.

"Vẽ biểu đồ hồi phục của Mia Torres trong 30 ngày gần nhất và tô bóng khoảng thường thấy của cô ấy."

"Cho tôi bảng điểm ngủ hằng ngày chính xác của Jordan trong hai tuần qua, không lấy trung bình."

"Tóm tắt hồi phục, nhịp tim khi nghỉ và HRV của Sam trước buổi tập thứ Sáu."

Tùy câu hỏi, Sonar AI có thể ghép lời giải thích bằng chữ với biểu đồ tương tác, bảng xu hướng, thẻ vận động viên hoặc bảng mở rộng được. Khi một chỉ số được vẽ trong một khoảng thời gian cụ thể, Atlas còn tô bóng khoảng thường thấy của vận động viên phía sau đường xu hướng. Nhờ đó, thay đổi được đọc trong tương quan với điều gì là bình thường với chính người đó, chứ không phải với một mốc chung chung.

Hỏi về buổi tập và khối lượng tập

Dữ liệu thiết bị đeo chỉ thực sự hữu ích khi huấn luyện viên nối được phản ứng của vận động viên với khối lượng họ đã làm thật. Sonar AI có thể kéo ra các buổi tập gần đây kèm loại hoạt động, thời lượng, quãng đường, calo, strain và nhịp tim, rồi gộp lại thành bản tóm tắt khối lượng cho một giai đoạn dài hơn.

"Kéo các buổi tập của Alex trong hai tuần qua, sắp theo strain."

"Tóm tắt khối lượng tập của Alex trong 90 ngày gần nhất so với 90 ngày trước đó."

"Buổi tập nào của Alex tháng này có nhịp tim trung bình cao nhất?"

Một cách làm hiệu quả là bắt đầu từ danh sách hoạt động gần đây, rồi đi sâu vào buổi tập đáng xem kỹ. Việc trước đây phải rà bảng tính hằng tuần giờ chỉ cần vài câu hỏi trực tiếp, và cho ban huấn luyện một cách nhất quán để đối chiếu giáo án dự kiến với những gì thiết bị của vận động viên thực sự ghi nhận.

So sánh vận động viên mà không phải dựng thêm báo cáo

So sánh trong đội hình giúp quyết định nên nhìn vào đâu tiếp theo. Đó là điểm khởi đầu để tìm hiểu, không phải bảng xếp hạng ai là vận động viên giỏi hơn. Sonar AI có thể so sánh mọi người theo một chỉ số đã chọn, để huấn luyện viên thấy ai đang đi lên, ai có thể đang chật vật và ai khác biệt ở chỗ nào.

"Xếp hạng đội hình theo mức cải thiện hồi phục trong 30 ngày gần nhất."

"Tuần này ai có giấc ngủ trung bình giảm nhiều nhất?"

"Đưa ra 5 vận động viên cần được để mắt nhất tuần này và đề xuất hướng xử lý riêng cho từng người"

Để một bảng xếp hạng có ích, câu hỏi cần có cả chỉ số lẫn khoảng thời gian. Thiếu ngữ cảnh đó, kết quả tạo ra nhiễu nhiều hơn là sự rõ ràng. Với phân tích nhóm ở diện rộng hơn, ban huấn luyện cũng có thể lọc Overview của Atlas theo danh mục hoặc mục tiêu, thu hẹp góc nhìn về nhóm đang quan tâm, rồi mở hồ sơ của từng vận động viên để xem kỹ.

Sonar Atlas gộp dữ liệu từ nhiều thiết bị và ứng dụng bằng cách nào?

Một vận động viên có thể theo dõi vận động bằng Apple Watch, giấc ngủ bằng Oura Ring và dinh dưỡng ở ứng dụng thứ ba. Trong tab Sources của hồ sơ vận động viên, Atlas hiển thị từng thiết bị đã kết nối, lần đồng bộ gần nhất và liệu nó còn đang gửi dữ liệu hay không. Mọi kết nối đều được mã hóa.

Khi nhiều thiết bị cùng báo một chỉ số, bạn là người quyết định Atlas gộp các số đo đó ra sao bằng cách chọn Sum, Average hoặc Max cho từng chỉ số. Chẳng hạn số bước và số phút vận động có thể cộng dồn giữa các thiết bị, trong khi một chỉ số trượt như cardio load hằng tuần thì lấy trung bình hợp hơn. Bảng này cũng cho biết mỗi con số đang được bao nhiêu thiết bị đóng góp, nên dễ nhận ra một chỉ số đến từ một nguồn hay nhiều nguồn.

Cách xử lý đó cho Sonar AI một nền dữ liệu sạch hơn để phân tích dữ liệu thiết bị đeo của vận động viên. Thay vì làm việc trên các bản xuất rời rạc, nó phân tích dữ liệu đã được gom sẵn trong Atlas. Nếu một con số trông lệch, bạn có thể vào tab Sources dò các khoảng trống đồng bộ hoặc thiết bị cho số bất thường trước khi quyết định đặt bao nhiêu trọng số cho số đo đó.

Đưa AI vào công việc thường ngày của khoa học thể thao

Sonar AI phát huy tốt nhất khi là một phần của nếp làm việc ổn định. Nó giúp các đội chạm tới câu hỏi đúng nhanh hơn, còn việc câu trả lời đó có ý nghĩa gì trong giáo án của từng vận động viên thì vẫn do huấn luyện viên và các chuyên gia quyết định.

Rà soát đội hình buổi sáng

Hỏi xem ai cần được để mắt, xem các cảnh báo ưu tiên cao nhất và soi các vấn đề đồng bộ trước khi chỉnh giáo án trong ngày.

Kiểm tra vận động viên trước buổi tập

Xin bản tóm tắt trong ngày của một vận động viên, rồi xem giấc ngủ, hồi phục và các buổi tập gần đây. Hỏi tiếp ngay khi thấy một thay đổi đáng nói.

Họp phong độ hằng tuần

Xin khối lượng tập của 30 hoặc 90 ngày gần nhất, so với giai đoạn trước đó, rồi rà lại mọi vận động viên có xu hướng đi ra ngoài khoảng bình thường của họ.

Rà soát giáo án và nhóm

Ở mục Overview, lọc theo danh mục hoặc mục tiêu liên quan, xem xu hướng của nhóm, rồi dùng Sonar AI để xác định những vận động viên nào đang kéo thay đổi đó.

Muốn xem nó chạy thật không?

Khám phá Atlas và đặt lịch demo để xem Sonar giúp khách hàng hoặc vận động viên của bạn đạt kết quả tốt hơn ra sao.