En 2017, The Economist a publié avec audace un article mentionnant que les données étaient la ressource la plus précieuse du monde, et non le pétrole (Parkins, 2017). Les organismes de sport produisent plus de données que la plupart des organisations, qu’il s’agisse de l’entraînement des athlètes et du suivi des performances ou d’information liée aux affaires, comme les adhésions et les données sur la participation (Hayduk, 2020). Les organismes nationaux de sport (ONS) les organismes provinciaux/territoriaux de sport (OPTS) produisent et recueillent des données sur de nombreux aspects de leurs activités, mais sous-utilisent souvent ces ensembles de données longitudinales. Ces organismes sont également confrontés à des environnements décisionnels extrêmement complexes, les organisations membres variant radicalement sur le plan de l’emplacement, des ressources, de leur capacité et des populations desservies (Fried et Mumcu, 2016).
Dans ce billet de blogue, nous plaidons en faveur d’un processus décisionnel axé sur les données dans les organismes de sport et partageons notre expérience de mise en œuvre. Plus précisément, nous discutons de la façon dont un partenariat entre l’Université Brock et Aviron Ontario, soutenu en partie par une subvention de jumelage chercheur/praticien du SIRC, a permis de tirer parti des données sur la participation pour soutenir la prise de décisions à Aviron Ontario.
Notre objectif est de mettre en évidence la manière dont les données existantes, lorsqu’elles sont examinées différemment, peuvent aider les organisations sportives à s’orienter dans des processus décisionnels complexes, en particulier au niveau provincial et national.
Les décisions complexes dans le sport
Des objectifs concurrents compliquent le travail des ONS et des OPTS. D’une part, ils essaient d’augmenter autant que possible la participation dans leurs sports respectifs. Les politiques sur le sport et l’opinion publique suggèrent qu’une grande participation sportive contribue de manière importante à la santé et au bien-être, au développement communautaire, à la fierté nationale et à la cohésion sociale (Thibault et Harvey, 2013). D’autre part, les ONS et les OPTS supervisent les systèmes de développement de l’élite et les processus par lesquels ils identifient les meilleurs athlètes, ceux en qui on investira le plus et, en fin de compte, ceux qui s’épanouiront en tant que compétiteurs nationaux ou internationaux.
Bien que ces deux objectifs puissent sembler complémentaires, il n’est pas facile de trouver un équilibre. En mettant trop l’accent sur le niveau communautaire, les organisations risquent que leurs athlètes les plus compétitifs ne se sentent pas soutenus. Mais si l’on met trop l’accent sur les programmes d’élite, on risque de compromettre le fait que les organisations disposent de systèmes de développement solides au niveau communautaire pour recruter des athlètes. Sur le plan des politiques, ces questions sont appelées « problèmes difficiles » parce qu’il n’y a pas de solution claire et que les « solutions » entraînent souvent d’autres problèmes (Sam, 2009).
Une tendance à s’appuyer sur des pratiques de développement du sport éprouvées et à faire travailler d’anciens athlètes dans le système sportif complique également ces questions. Bien que ces pratiques aient le potentiel d’être efficaces, elles risquent de créer des organismes figés qui s’appuient sur « la façon dont on ça a toujours été fait » au lieu de réfléchir de manière créative à la façon de changer les choses, d’atteindre de nouvelles populations et de « renouveler le sport ».
Une incursion dans la prise de décisions fondée sur les données
Alors, que doit faire un décideur? En 2020, Aviron Ontario a dirigé un projet visant à examiner comment les données pourraient être utilisées pour mieux orienter la prise de décisions organisationnelle. La recherche est souvent (mal) perçue comme étant chronophage, exigeante en ressources et nécessitant des compétences spécialisées pour développer des outils et recueillir et analyser des données. En partenariat avec l’Université Brock, Aviron Ontario a simplifié ce processus en utilisant les données existantes (information sur les participants) pour mieux comprendre la participation à l’aviron à l’échelle de la province.
Plus précisément, nous avons cherché à comprendre les modèles de participation sportive en fonction du genre et du lieu (c’est-à-dire de l’endroit où se trouvent les participants dans la province). L’intention n’était pas de préparer le terrain pour des changements particuliers ou un développement majeur, mais plutôt de mieux comprendre comment les données existantes pourraient orienter les actions futures relatives à la participation sportive.
L’ensemble de données de participation comprenait 6 années de données de participation, de 2014 à 2015 et de 2019 à 2020. Nous l’avons organisé par régions ou divisions de recensement. Ensuite, nous avons analysé les données démographiques des participants au sein de ces régions pour aider à réfléchir à la participation sportive et aux décisions politiques à venir.
Ce que les données ont montré
Bien que le nombre total de clubs et de participants enregistrés dans toute la province auprès d’Aviron Ontario ait fluctué, la tendance est restée stable. Par exemple, les chiffres ont fluctué de la même manière en ce qui concerne le genre. Toutefois, l’analyse a révélé des différences régionales intéressantes.
L’âge moyen dans les régions varie de 20,9 ans (Niagara, 2014 à 2015) à 37,5 ans (Nord, 2019 à 2020). Il convient de noter que l’âge moyen des participants a augmenté au cours des six saisons dans toutes les régions sauf une (Centre-Ouest). Bien que les résultats ne soient pas nécessairement révolutionnaires, la visualisation des données (voir la figure 3) a montré à quel point les tendances étaient prononcées et a fourni une plateforme pour des discussions sur la participation basées sur les données.
Consultez le rapport complet sur les résultats de ce projet, ou bien regardez un résumé des résultats dans cette présentation vidéo de 15 minutes :
Ce que nous avons appris
Les renseignements fondés sur des données sont importants, car ils permettent à la fois de confirmer les besoins et de surveiller et évaluer les programmes et initiatives existants. Voici deux façons dont notre analyse des données pourrait orienter ou soutenir la prise de décisions à Aviron Ontario.
Tout d’abord, compte tenu des différences régionales dans les âges moyens, Aviron Ontario pourrait examiner des moyens plus stratégiques de faire croître le sport ou de développer un bassin durable de participants. Dans la région du Niagara, où il y a un grand nombre de jeunes participants, nous pourrions nous concentrer sur la rétention des athlètes des programmes de développement pour augmenter la participation des adultes ou des loisirs. Les participants de la région du Nord sont généralement beaucoup plus âgés, alors nous pourrions nous concentrer sur la sensibilisation et les possibilités de premier contact pour les jeunes.
Deuxièmement, par nécessité, les clubs d’aviron se trouvent près d’une eau plate et nécessitent un équipement spécialisé. Comme l’accès à l’équipement et aux installations est restrictif, cet accès limite l’accès à ce sport. En revanche, la participation à l’aviron côtier est en hausse, car les conditions de l’eau ne sont pas aussi restrictives. L’aviron côtier est sur le radar d’Aviron Ontario depuis un certain temps. Et, après avoir vu les visualisations et le regroupement des participants dans certaines zones, il est plus clair comment l’aviron côtier peut servir des régions spécifiques et devenir un moyen d’atteindre de nouvelles personnes dans de nouveaux endroits.
Aussi simple que bonjour
La prise de décisions fondée sur les données ne doit pas nécessairement impliquer une collecte et une analyse compliquées des données. C’est possible, mais ce n’est pas une obligation. Nous vous proposons ces trois conseils pour faciliter le travail avec les données :
- Faites un inventaire des données : Sachez quelles sont les données dont vous disposez déjà et comment y accéder. Cela peut être aussi simple que de ressortir de vieux dossiers, d’exporter des fichiers ou de parler aux personnes de votre organisation pour recueillir leurs opinions (les connaissances sont aussi des données).
- Développez vos questions : Déterminez ce que vous voulez apprendre des données. Vous pouvez examiner les changements dans le temps (par exemple, différentes saisons) ou dans l’espace (par exemple, différentes régions), ou évaluer un programme ou une initiative spécifique.
- Laissez les données raconter l’histoire : Ne commencez pas avec une réponse en tête. Au lieu de cela, soyez prêt à recevoir des réponses auxquelles vous ne vous attendiez pas. En examinant toutes les données de cette manière, vous obtiendrez une compréhension plus solide de ce qu’elles peuvent vous dire.