Om du gillar hockey, eller är åtminstone måttligt idrottsintresserad, så vet du att Sverige går in i World Cup-turneringen i Toronto i Kanada på söndag, mot Ryssland. World Cup är minst i paritet med OS vad gäller status, eftersom alla de bästa spelarna i världen är med, förutom de som är skadade.

Dessutom är det en av få chanser för en bred svensk publik att se hockeyspelare som Erik Karlsson, en bollkonstnär minst i klass med Zlatan Ibrahimovic.

Det är lätt att förstå att mycket hänger på Sveriges förbundskapten Rikard Grönborg i det här läget. Förutom att vara en bra matchcoach och ett föredöme som ledare i största allmänhet så är hans viktigaste uppgift att ta ut laget. Det rätta laget med de rätta spelarna.

Grönborg och övriga i ledarstaben har naturligtvis koll på gräddan av svenska hockeyspelare, som alla är verksamma i NHL i Nordamerika. Men för att vara riktigt säkra på att de tar ut det rätta laget har de tagit hjälp av dataanalys.

Läs också: Kraftig ökning för investeringar i big data ̶ 600 miljarder 2020

Det är här Jon Blomqvist, dataanalyskonsult hos systemleverantören Sas Institute, kommer in i bilden. Som hockeyintresserad noterade han för 1,5 år sedan att Sas Institute jobbade tillsammans med ett NHL-lag. Han satte i gång att analysera data från NHL-matcher på egen hand. Det ena ledde till det andra och han kom i kontakt med Tre Kronor.

Under våren har han agerat som en av lagledningens högra händer i arbetet med laguttagningen.

– Jag har försett Tre Kronors lagledning med beslutsunderlag i form av visualiseringar, till exempel diagram. Det har handlat om att jämföra spelare, med varandra och även med medelvärden. Jag har suttit med på möten, men lämnat rummet när det tagits beslut om spelare, berättar Jon Blomqvist.

En stor del av hans arbete har varit att samla in data, främst från NHLs sajt, om 1 230 grundseriematcher, en miljon byten och 400 000 händelser i NHL förra säsongen.

– Det är alla möjliga typer av händelser, som speltid, olika typer av skottförsök som skott på mål och naturligtvis mål, men även utvisningar, säger Jon Blomqvist.

För att informationen ska bli användbar i analyser har han omformat den till lämpliga format, kvalitetssäkrat den och även sett till att skapa en process som gör det enkelt att fylla på med nya data.

Rikard Grönborg är nöjd med insatsen:

– Att välja ut spelare är en långdragen process. Det är viktigt att stödja sina beslut på fakta för att öka sannolikheten för framgång. Analysen tar bort känslorna ur beslutet och visar svart på vitt vad spelarna gör på isen och är därför otroligt värdefull för oss som ledare, säger Rikard Grönborg.

Att använda dataanalys är inget helt nytt i idrottssammanhang. Det mest omtalade exemplet är kanske det amerikanska baseballaget Oakland Athletics som hävdat sig väl trots bristande finansiella resurser, tack vare dataanalys. Det har skildrats i både en bok och i en film, båda med titeln Moneyboll.

Läs också: Nu kan du sova lugnt – här är 4 framgångsfaktorer för beslutsstöd

Är det aktuellt för ett genomsnittligt allsvenskt fotbollslag att jobba riktigt ambitiöst med dataanalys?

– Jag tror inte att de flesta svenska lag har tillräckligt med resurser för att göra det, säger Johan Hallberg, analytiker på IDC i Sverige.

Men han berättar om ett ökat intresse, även i Sverige, men att man kommit mycket längre i USA.

– Fast jag är lite förvånad över att det inte finns bättre lösningar när man tittar på sport på tv. Ett exempel är att man hade kunnat visa mer statisk under matcherna i fotbolls-EM i somras, säger Johan Hallberg.

Nästa steg vad gäller dataanalys i sportvärlden kanske blir analyser i realtid under matcher. Ett exempel är att Rikard Grönborg skulle få råd om att bänka vissa spelare inför den tredje perioden i en match. Ett annat förslag på en nykomponerad kedja. Det finns exempel på sådan användning, men den är ännu inte vanlig.

– Data och verktyg finns för att göra det, säger Johan Hallberg.