Obsah
- 1. Úvod
- 2. Historický pohled
- 3. Moderní technologie a sběr dat
3.1 Tréninkový deník a spojení dat
3.2 Bezpečnost - 4. Využití dat v tréninkovém procesu
4.1 Prevence zranění a řízení rizik
4.2 Individualizace - 5. Data a rozvoj dětí
5.1 Práce s mládeží
5.2 Práce s daty nezletilých - 6. Competitive intelligence ve sportu
6.1 Monitoring hrozeb
6.2 Příklad z praxe pro atletiku (svěřenec, závodník 1500 m) - 7. Výzvy a limity práce s daty ve sportu
7.1 Předcházení chybovosti - 8. Závěr
- Seznam literatury
- Deklarace AI
1. Úvod
Tato práce se zabývá tím, jak data a competitive intelligence (CI) pomáhají lépe plánovat trénink a připravit se na soutěž co nejkvalitněji. Cílem práce je poskytnout praktický a jednoduchý rámec využití. Práce popisuje historický vývoj od měření podle pocitu, po sofistikované a podrobné metody měření současnosti, shrnuje způsoby získávání dat v současnosti a jak z nich dělat klíčová rozhodnutí při tréninku a při sportovních soutěžích. Práce se dále věnuje i práci s dětmi a podstatná část je zaměřená na využití competitive intelligence v atletice s praktickými příklady, ale i limity měření, jak s nimi pracovat a jak předcházet chybovosti.
2. Historický pohled
V dřívějších letech se trénink řídil především intuicí, technologií v té době byly stopky, doplněny deníkem a tužkou. Vše se měřilo a zapisovalo ručně. Velký milník představil psycholog Gunnar Borg, který představil „most“ mezi pocitem a fyziologií. Takzvanou škálu vnímané námahy (RPE). Původní škála se používá dodnes jako jednoduchý ukazatel intenzity, který VELMI hrubě koreluje s tepovou frekvencí při zátěži. Dále Borg představil i novější variantu měření, CR-10, která hodnotila i silné pocity (bolest, zadýchání atd.) Právě tyto škály začaly kotvit pocit a intuici do čísel a zpřehlednily řízení zátěže. (Heart Online, 2014)
Další milník v oblasti tréninku a rozvoji tréninku sportovců představila finská společnost Polar, která v roce 1982 uvedla na trh první přenosný bezdrátový sporttester. (Ve vývoji byl mnoho let a první patenty vznikaly už v roce 1977.) Toto umožnilo sledovat tep v reálném čase a držet cílové zóny, nikoli pouze odhadovat intenzitu zátěže. Toto zásadně ovlivnilo a změnilo formu tréninků, převážně vytrvalosti. (Morton, Fitz-Clarke & Banister,
1990) Postupem času se měřiče tepu rozšiřovaly a vznikla obecně používaná metrika zátěže – TRIMP (Training impulse) o které píše SRM GmbH (n.d.). TRIMP kombinuje dobu trvání a intenzitu tepu do jednoho čísla, které můžeme dále kvantifikovat, porovnávat a pracovat s ním. TRIMP se používá napříč všemi sporty, existují a stále vznikají nové modifikace pro různé sporty.
Počátkem nového tisíciletí začaly GPS senzory běžně mapovat zátěž. Vzdálenost, rychlost, sprinty, zrychlení. Měření těchto klíčových veličin začalo umožňovat zejména jak plánování zátěže, tak prevence zranění a snižování jejich rizika. (Coutts & Duffield, 2010) Tyto senzory byly například v roce 2015 zařazeny i do soutěžních fotbalových utkání organizací FIFA. Od toho roku se tedy sledování výkonu přesunulo z tréninku i do soutěže. V současnosti tedy propojujeme vnitřní zátěž (tep, RPE) s vnější (GPS senzory) a tím získáváme mnoho dat, se kterými můžeme pracovat. Doporučení je sledovat samozřejmě co nejvíce faktorů. Čím více dat máme, tím lépe můžeme vysvětlovat odezvu tréninku a pracovat s rizikem zranění. Historie nás tedy vede od pocitu k individuálnímu monitoringu, který dává tréninku pevnější rámec.
3. Moderní technologie a sběr dat
V praxi se pracuje se třemi zdroji sportovních dat.
1) interní zátěží těla (tep)
2) externí zátěž těla (to co skutečně vykonáme fyzicky),
3) jednoduché výkonové testy
Veškerá změřená data se musí ukládat a vyhodnocovat. Dále se srovnávají v čase a podle vývoje se podle nich přizpůsobuje trénink. Toto je běžná praxe využívaná napříč sporty u profesionálních sportovců.
Mezi nejzákladnější interní zátěž těla, kterou můžeme měřit je srdeční tep a frekvence. Ten se sleduje nejčastěji hrudním pásem nebo hodinkami. Ideální je měřit pravidelně při tréninku, při spánku, po probuzení atd. Čím více dat nasbíráme, tím přesněji je můžeme vyhodnocovat a dále s nimi pracovat. Odborníci zde často i radí dívat se především na trend, měřit vždy ve stejných podmínkách a číst hodnoty v kontextu dalších signálů. Pro externí zátěž používáme například uběhnutou vzdálenost, rychlost sprintu, zrychlení. Vzdálenost opět můžeme měřit hodinkami, rychlost a zrychlení nejčastěji buňkami na dráze.
Výkonové testy jsou něco, co je potřeba dělat alespoň 1x za rok, zařadíme sem skupinu cviků, které jsou pro dané odvětví relevantní a porovnáváme s předchozím měřením. U mě jakožto poloprofesionálního sprintera sem patří primárně sprint na krátkou vzdálenost, skok z místa, desetiskok, ale i například odhody medicinbalem. Tyto testy nám umožní zhodnotit přípravu, srovnat se s předchozími měsíci a můžeme díky tomu lépe odhadnout výkon, který můžeme na závodech očekávat. Typickým cvičením i pro jiné sporty by byl dále vertikální výskok. Což je asi nejpraktičtější cvičení k podobným testům, kde můžeme objektivně měřit sílu dolních končetin, ale já osobně ho nevyužívám.
3.1 Tréninkový deník a spojení dat
Nejlepší a nejefektivnější způsob zápisu dat je takzvaný tréninkový deník. Vše, co jsem psal výše se zapisuje do strukturovaného celku v podobě tréninkového deníku, ten může mít mnoho podob, nejčastěji ale v Google Sheets souboru nebo Excelu. Data sem pravidelně zapisujeme, zapisujeme si podmínky, ale i to co jsme na tréninku přesně dělali. Tím nám vznikne velký data set pro budoucí práci a analýzu tréninků a výkonu. Tento postup doporučuje většina odborníků a metodické texty. (Coutts a Duffield, 2010). Já osobně také využívám jak pro sebe, tak své svěřence.
3.2 Bezpečnost
Při sdílení aktivit na veřejných platformách, například na sociálních sítích atd. Je potřeba zvážit nastavení soukromí tras a citlivých míst a údajů. Heat mapy Stravy (sociální síť využívaná běžci) mohou odhalit vzorce pohybu a může dojít k ohrožení bezpečnosti v některých extrémních případech.
4. Využití dat v tréninkovém procesu
Pro efektivní využití dat v denním tréninkovém prostředí nejlépe funguje jednoduchý rámec, spojení, již zmíněné interní a externí zátěže + zapsání jaké cvičení se na tréninku provádělo. Získáme tím současně informace o tom, co jsme na tréninku opravdu dělali a jak na to naše tělo reagovalo. Tento přístup nám dává dvojí pohled, je opět doporučován odborníky a já osobně ho využívám. Všechna tato data následně můžeme analyzovat, jak tělo reagovalo na určité cvičení, jak se výkon v čase mění atd.
4.1 Prevence zranění a řízení rizik
Víme jistě, že prudké „skoky“ v zátěži zvyšují riziko zranění. Je potřeba pomalé a postupné progrese. Každý týden přidat pár km k zátěži vytrvalosti, každý týden přidat váhu na cvičení v posilovně atd. Dále je potřeba pravidelně kontrolovat výše zmíněné ukazatele, zda nedochází k nějaké odchylce, kvůli které by bylo na místě spíše zvolnit a předejít zranění. I toto nám pravidelná měření mohou odhalit. Je důležité vědět o všem co svěřence bolí, i když jen málo a myslí si, že se jedná o banalitu. Vše zapisujeme a počítáme s tím v přípravě tréninků. Chceme sledovat i stav únavy a spánku, protože únava velice přispívá k riziku zranění.
K obecné prevenci může patřit střídání náročných a lehčích tréninků, kdy tělo aktivně regeneruje při lehčích a připraví se na následující těžký trénink, zároveň nevynechá tréninkovou jednotku a stále roste výkonnost.
4.2 Individualizace
Lidé reagují různě, mají různé silné a slabé stránky i v rámci jedné sportovní disciplíny. Například jeden sprinter může mít rychlý start, jiný maximální rychlost a další nejlepší silovou vytrvalost (nevyvine tak vysokou maximální rychlost, ale udrží ji podstatně déle, než subjekt s vyšší maximální rychlostí). Proto u stejných plánů bude docházet k naprosto odlišným výsledkům u těchto sportovců, ideální je rozvíjet každého individuálně, pracovat s výsledky měření individuálně a individuálně přizpůsobovat trénink. (Hecksteden et al., 2015)
5. Data a rozvoj dětí
Cíle u dětí jsou úplně jiné než u profesionálních sportovců. U dětí sledujeme především zdraví, všeobecnou pohybovou gramotnost, a hlavně radost z pohybu. Musí je to bavit a musí se na tréninku hýbat hodně. Nesmí se stát, že z hodinového tréninku 30 minut děti jen koukají a poslouchají, jak se jim cvičení vysvětluje. U tréninku dětí nám data mohou pouze pomáhat, nikoli diktovat trénink. Mezinárodní konsenzus (IOC) i model Youth Physical Development (YPD) (Lloyd & Oliver, 2012) doporučují dlouhodobý, všestranný rozvoj místo brzké specializace a zdůrazňují přiměřenou zátěž s ohledem na růst a zrání. A přesně tak to děláme i u nás v oddíle. Není zde důraz na výkon, ale spíše jim vybudovat ke sportu vztah a aby měli solidní základnu a pohybovou gramotnost pro další rozvoj v průběhu let. (Bergeron et al., 2015, s. 843–845)
Bohužel se i velmi často stává, že dochází k přetrénování dětí v nízkém věku, a jejich výkonnost potom už pouze klesá, čím jsou starší, kdy by mělo docházet právě k největšímu zlepšení. Tomu se snažíme primárně předejít.
U dětí se snažíme primárně rozvíjet běh, skok, odhody, odrazy, ale i rovnováhu a koordinaci. Čím hravější formou, tím lépe. Snažíme se vyhýbat brzké specializaci. Jsem zastáncem zkoušet u dětí více sportů, nejen z pohledu rozvoje, ale opět tím snižujeme i riziko přetížení jednotlivých partií a zranění.
5.1 Práce s mládeží
U dětí v mládežnickém věku (od 12 let) už můžeme zapojit jednoduché nástroje na měření a s daty pracovat. Nejjednodušší technika je RPE (pocitová námaha x délka). Data můžeme zapisovat a sledovat jednoduché trendy. A do tréninků můžeme začít zapojovat i pravidelné testování jednoduchých úkonů. Dále chceme už pracovat i s prevencí zranění, proto zařazujeme do tréninku rozcvičení a klademe na něj velký důraz.
5.2 Práce s daty nezletilých
Obecně chceme u nezletilých dětí uchovávat co nejméně dat a co nejbezpečněji. V EU platí, že pro souhlas se zpracováním osobních údajů dětí v on-line službách potřebujeme souhlas rodiče v rozmezí 13–16 let dle státu. V České republice může dítě samo souhlasit od 15 let, u mladších potřebujeme zajistit souhlas zákonného zástupce. Při ukládání dat (např. do cloudu/tabulek) se snažíme o pseudonymizaci a omezenou dobu uchování. (European Commission, n.d.)
6. Competitive intelligence ve sportu
Hlavní oblasti competitive intelligence ve sportu je jednoznačně příprava na soupeře a volba taktiky. Typicky se bude jednat o mapování silných a slabých stránek soupeře, typické chování při soutěži, kde chybuje, kdy se dostává pod tlak. Můžeme například využívat videozáznamy ze soutěží. Můžeme ale i pracovat se statistikami a daty přímo ze sportovních eventů.
Competitive intelligence ve sportu má své využití i při náboru a scoutingu, kde si můžeme postavit profily hráčů a sportovců, sledovat jejich výkon v čase. Přímo v atletice by využití bylo v plánu celé sezóny, kde tréninkový kalendář se odvíjí od kvalifikačních limitů a historických výsledků, které stačily pro kvalifikaci na dané soutěže. Můžeme se opřít například o databázi World Athletics (World Athletics, n.d.) a počítat s danými časy, které budou danou sezónu orientačně potřeba a podle toho přizpůsobovat tréninkový plán. Tyto zdroje nám umožňují postavit realistickou závodní strategii atd.
6.1 Monitoring hrozeb
Competitive intelligence pracuje i s monitoringem hrozeb ve sportu. A to ne bezpečnostních, ale hlavně férových. UEFA (UEFA, n.d.) například veřejně uvádí, že využívá monitoringu sázení a porovnávání s podezřelým chováním hráčů při zápase. Když dojde k podezřelému chování, spustí se investigace.
6.2 Příklad z praxe pro atletiku (svěřenec, závodník 1500 m)
Prvním krokem je definování KIQ. V jaké části závodu soupeř typicky nasazuje tempo, jaké jsou jeho mezičasy v závodech, bude závodit s pacemakerem, jak reaguje, když se závod rozběhne rychle/pomalu. Atd. Toto všechno jsou otázky, na které hledáme odpověď a podle nich přizpůsobujeme strategii. Následně data sbíráme, sledujeme na závodech, stahujeme z veřejných zdrojů a pracujeme s nimi. Analyzujeme, hledáme, kde soupeř zpomaluje a proč. Jak a kdy reaguje na zvýšené tempo ostatních v závodě. Jeho reakce na počasí atd… Po analýze přijdeme se závěrem a podle toho upravujeme strategii.
7. Výzvy a limity práce s daty ve sportu
Data nám pomáhají plánovat a učit se, ale mohou nás i klamat. Interpretace dat je velmi důležitá a můžeme z nich často vyčíst něco, co tam vůbec není. Nejčastěji mohou klamat, když nezohledníme některé vedlejší faktory. A to při práci s daty našich svěřenců, tak i s daty o našich soupeřích. Mezi tyto vedlejší faktory patří nejčastěji únava a počasí. Další limitující faktor je i ten lidský, může docházet k chybě měření a když si chybu neuvědomíme, může nám zkreslit celkový obrázek.
7.1 Předcházení chybovosti
Důležité je měřit vše stejně jako minule, ideálně simulovat naprosto stejné podmínky. Měříme teplotu, vítr (velmi vlivný faktor, především u sprintů a skoků do dálky). Chceme mít přehled o zátěži, pravidelně měříme únavu sportovce a srovnáváme se stejnými stavy únavy. Není třeba měřit hodně, ale kvalitně.
8. Závěr
Tato práce představuje jasný pohled na využití dat a competitive intelligence ve sportu (především v atletice). Ukazuje historický vývoj měření dat a práci s nimi. Shrnuje jejich největší přínos, který je, když z nich vyčteme a najdeme konkrétní aplikovatelný krok. V tréninkovém prostředí to je například informace o tom, jak důležitá je postupná progrese namísto velkých skoků v zátěži a jak důležitá je individualizace. Dva sprinteři mohou mít stejné plány a cíle, přesto potřebují odlišný přístup a rozvoj jiných oblastí. U dětí a mládeže mají data pouze podpůrnou činnost, není možné na nich stavět trénink. Prioritou je rozvíjet pohybovou gramotnost, a hlavně radost z pohybu. Vytvořit u nich návyk ke sportu. Můžeme si pomáhat jednoduchými nástroji na měření, ale nenechat jimi trénink řídit.
Competitive intelligence se v atletice staví na stejném principu, jako v jakékoli jiné oblasti. Nejdůležitější je se umět ptát na správné otázky, cíleně sbírat data, která nám pomohou na ně zodpovědět, a nakonec vytvářet konkrétní doporučení pro svěřence. Opírat se o historické výsledky, video, analýzu podmínek a reakce soupeřů na dané situace. Přesně tímto můžeme budovat konkurenční výhodu. I když může vznikat chybovost měření, se kterou je potřeba také pracovat. Některé populární ukazatele mají slabiny a veřejná data mohou ohrozit soukromí, proto je potřeba k celé problematice přistupovat velmi zodpovědně, měřit kvalitně a analyzovat s rozumem. Data nám mohou dát rámec a směr, ale my musíme být stále těmi, kdo vedou trénink.
Seznam literatury
HEART ONLINE. Rating of perceived exertion: Borg scales [online]. 2014, reviewed
11/2014 [cit. den. měsíc. rok]. Dostupné z: www.heartonline.org.au/resources
MORTON, R. H., J. R. FITZ-CLARKE a E. W. BANISTER, 1990. Modeling human
performance in running. Journal of Applied Physiology, 69(3), 1171–1177. DOI:
10.1152/jappl.1990.69.3.1171.
SRM GmbH, n.d. The History of Powermeters [online] n.d.
COUTTS, A. J. a R. DUFFIELD, 2010. Validity and reliability of GPS devices for
measuring movement demands of team sports [online]. Journal of Science and Medicine in
Sport, 13(1), 133–135.
HECKSTEDEN, A., J. KRAUSHAAR, F. SCHARHAG-ROSENBERGER, U.
THEOBALD a T. MEYER, 2015. Individual response to exercise training: a statistical
perspective. Journal of Applied Physiology (1985), 118(12), 1450–1459. DOI:
10.1152/japplphysiol.00714.2014.
LLOYD, Rhodri S. a Jon L. OLIVER, 2012. The Youth Physical Development Model: A
New Approach to Long-Term Athletic Development. Strength & Conditioning Journal
[online], 34(3), 61–72 [cit. 23. 11. 2025]. ISSN 1524-1602.
BERGERON, Michael F., Margo MOUNTJOY, Neil ARMSTRONG, Michael CHIA,
Jean CÔTÉ, Carolyn A. EMERY, Avery FAIGENBAUM, Gary HALL Jr., Susi
KRIEMLER, Michel LÉGLISE, Robert M. MALINA, Anne Marte PENSGAARD, Alex
SANCHEZ, Torbjørn SOLIGARD, Jorunn SUNDGOT-BORGEN, Willem VAN
MECHELEN, Juanita R. WEISSENSTEINER a Lars ENGEBRETSEN, 2015.
International Olympic Committee consensus statement on youth athletic development. British
Journal of Sports Medicine, 49(13), 843–851. DOI: 10.1136/bjsports-2015-094962.
EUROPEAN COMMISSION, n.d. Are there any specific safeguards for data about
children? [online]. Directorate-General for Communication [cit. 23. 11. 2025]. Dostupné z:
https://commission.europa.eu/law/law-topic/data-protection/rules-business-and-organisations/legal-grounds-processing-data/are-there-any-specific-safeguards-data-about-children_en
WORLD ATHLETICS, n.d. World Athletics Championships – Results [online]. [cit. 23. 11.
2025]. Dostupné z: https://worldathletics.org/results/world-athletics-championships
UEFA, n.d. Anti-match-fixing [online]. [cit. 23. 11. 2025]. Dostupné z:
https://www.uefa.com/running-competitions/integrity/anti-match-fixing/
Deklarace AI
Při přípravě této práce docházelo k využití umělé inteligence a strojového překladu pouze
jako podpůrný prostředek. AI pomáhala především při volbě tématu, návrhu základní
struktury práce, vyhledávání relevantních odborných zdrojů a pro překlad dílčích částí.
Veškerý text, který je v této eseji, byl napsán autorem. Výstupy nástrojů AI byly průběžně
kontrolovány a ověřovány v originálních zdrojích a sloužily výhradně jako inspirace a
pomůcka při tvorbě textu autorem.
