Van voetbaldata naar NS: hoe storytelling data overtuigend maakt

Welkom terug bij tweede deel van het gesprek met Rick Stoop van NS. Gisteren hoorde je het eerste deel over hoe zijn team bij NS met data, energiezuinig rijden meetbaar maakt. Vandaag gaat het verder, om de andere over zijn achtergrond in de bewegingswetenschap en wat houdt hij daaruit meenam naar zijn werk bij NS. Deze week is het bij ons Data Expo week. De hele week hoor je sprekers van het evenement. Data Expo zelf vindt plaats op 9 en 10 september in de jaarbeurs in Utrecht. Je ticket is gratis. Hier is het tweede deel van het gesprek met Rick. Unknown: Ja, snap ik. Unknown: Je zei even tussen neus en lippen door dat je ook in het voetbal bezig bent geweest rondom data-analyse. Unknown: Wat heb jij vanuit die tak meegenomen dit projectteam in. Unknown: Wat ik heb meegenomen, is vooral de manier van communicatie, wat ik merkte bij de voetbal is, je krijgt één kans om je data goed neer te zetten. Unknown: En als je een tweede kans krijgt, moet je echt in je vingers knijpen, dat je dat. Unknown: En wat bedoel je van één één kans om de data goed te krijgen? Unknown: Nou, wat ik merkte was, in dit bedrijf in NS zijn we best wel datgeletterd. Unknown: Natuurlijk kan het allemaal vele malen beter. Maar we weten wat data is, we zien de waarde ervan in en we weten hoe het kunnen gebruiken. We zetten voorbij de acceptatiefasen, we zijn er echt mee bezig. Toen ik in de voetbal reis had, was dat een stuk minder. Zeker als je bijvoorbeeld met hoofdcoaches of met assistenten praat, die hebben veel meer eerst vertrouwen nog nodig in je product. Voordat ze zeg maar echt jou gaan omarmen als database. Wat weet jij nou van voetbal ook? Neem ik aan, dat ze er zo naar kijken. Dat komt elke WK-pool of EK-pool terug. Dan krijg ik dat thuis weer door. Ja, je hebt toch niet de voetbal, waarom voel je die pool nou zo slecht in kan me zo voorstellen dat ze dan ook zo naar je kijken, laat ik het zo zeggen. Dat klopt ook. Dus het is heel belangrijk dat die eerste keer dat je wat laat zien dat dat goed is. En de grap is dat het bij mij niet gelukt is toen destijds. Want ik had een rapport gemaakt en ik zeg van oké, we hebben deze wedstrijd gespeeld. We hebben van deze hoeken hebben geschoten op doel, hier hebben we onze kans gecreëerd. En zegt de assistentscoach zegt tegen mij. Ja, maar Rick, dit schot, was twee meter naar links. Dus ik zeg zo, ja, dat kan helemaal niet, want dit is de data. De data is waar. En hij zegt, nou, we gaan de beelden erbij pakken. Dus we pakken de beelden erbij en hij kreeg gelijk. Op dat moment leerde ik dat in die dataset dat er twee verbeteringsslagen in zitten. Je krijgt meteen de data na de wedstrijd, dan heb je na acht uur wordt de data één keer ververst, dan krijg je een verbeterde versie. En dan na 24 uur heb je nog weer een betere set. Dat leerde ik op dat moment pas. Maar toen dacht ik ook van ja, oké, maar nu mag ik er echt geen fout meer maken. En nu is de volgende kans, is de laatste kans dat ik het goed doe. En dan merk je van oké, vanaf dat moment wist ik, als ik het goed moet een goed verhaal hebben, dus het rapport moet eigenlijk zichzelf kunnen verkopen en het moet goed zijn. En dat neem ik dan weer mee naar waar ik nu zit. Het gaat echt om dat verhaal, die data moet zichzelf verkopen. En we moeten een goed verhaal hebben over die data. Heb je toch nog even terug naar het voetbal, daar gaan we zo direct weer terug naar de NS. Wat was dan, zeg maar, want toen kreeg je een tweede kans. Wat heeft het toen voor gezorgd dat het wel lukte dan? Want ik neem aan dat het gelukt is. Ja, het is gelukt. Ja, ik had ook het geluk. Ik had een manager destijds die erin geloofde. Dus dat was heel fijn. Die ondersteunde, dit was helemaal in het beginfase dat ik aan het opstarten was daar dus dat kwam daar dan door. En die zei van oké, we gaan er gewoon weer goed voor zitten en we pakken de volgende pakken goed op. En een van de keren daarna was een analyse die ik deed en daar viel op uit data-analyse dat het team waar we het tegen moest gaan spelen, dat daar waren kwetsbaar op een bepaalde manier veel. Ze stonden hoog met de laatste lijn, ja, ga ik heel erg voetbal praten. Ik heb ook helemaal geen stand van. Maar dit was wel de analyse. De bal die als de bal er overheen kwam, een diepe bal, waren ze kwetsbaar. Want ze waren niet super snel achterin. En als je dan zelf wel snel bent met een lange bal in de diepte kreeg je veel grote kansen tegen. Dus dat kwam uit de data. Toen ben ik naar de videoman gegaan, de videoanalist en die had een videopresentatie voor de staf de voorbereiding. Die zei dat schaaf, dat moeten we laten zien. Dus die heeft beelden gezocht daarbij. En met die beelden, ondersteund met het verhaal uit de data, is het in de voorbereiding gegaan, en is ze ook in de wedstrijd ook uit zo'n moment gescoord. Oh, wat leuk, sta je dan ook echt te juist aan? Ja, dat was wel een persoonlijk succes. En niemand zal het er ooit over hebben. Wij nu, weet je, het is één keer gebeurd, het was NS 1. Daarna heb ik nooit echt meer zo'n concreet voorbeeld gehad dat het echt dat je een soort van doelpunt voor jezelf gescoord hebt. Maar het idee van, hé, maar je hebt data en daar heb je beeld bij, letterlijk. Dat was heel krachtig. En zo hebben we het ook daarna verder ingestoken, dat als ik wat zag dat ik dan met videoman ging zitten en dat we samen dat verhaal konden verkopen. En dat was best wel sterk. Dat was ook heel erg leuk om te doen. En dan heb je inderdaad een beetje draagvlak en vanuit een draagvlak kan je weer door naar nieuwe dingen bouwen en verdere analyses. En dit heb je meegenomen in je nieuwe team bij de NS. Wat was dan waar jij zei van oh ja, maar dit moeten we echt wel even op een andere manier visualiseren, beschrijven, storyline. Nou, dat is niet. Het heeft nog niks met de datavisualisaties echt te maken. Ik denk dat we daarvoor al hele goede mensen hebben en ook al best wel ver in het project zaten dat ik erbij kwam. Wat we wel hebben gedaan is op een gegeven moment zaten we in een fase. Ik was net bij het team. En we dachten dat we er al waren, zeg maar. En toen zaten we in de testfase om het eindproduct te gaan testen en dat was een van mijn eerste opdrachten. En uit die test, ik kwam er niet doorheen. En dat was heel lastig, want we dachten dat we er bijna waren, waar we zouden live gaan. Ik zeg van ja, ik kan de lijntjes niet aan elkaar knopen. En als ik hier een bug vind en ik los die op, ontstaat er ergens anders weer iets anders. De traceability was heel lastig te doen. En toen hebben we uitgezoomd naar eigenlijk de grove bouwblokken en het datamodel en hoe het eruit zag. En toen kwamen we er eigenlijk achter dat we het te moeilijk hadden gemaakt destijds. Het was te complex. Het was wel, het gaf wel de resultaten die het gaf, maar als er iets niet klopte, konden we het niet verklaren. En toen klikte wel mijn gevoel in van oké, maar dan kunnen we geen boodschap verkopen. Want je wilt net met die tunnels. We weten dat nu. Dus straks kunnen we dat gaan vertalen. Nou oké, het was een tunnel. Dus je kan zeg maar, je hebt geen scoren, want je hebt de tunnel gereden. Dat soort dingen konden toen nog niet. Dus toen hebben we op het moment dat we dachten dat we live gingen, hebben we gezegd, alles moet op de schop. Oh, spannend. Ja, dat was best wel spannend en pittig. En ik was samen met nog een andere collega net bij het team, zeg maar. En wij hadden dat met z'n tweeën, we zijn allebei data-engineers. Hebben dat met z'n tweeën die kar getrokken. En het was heel mooi dat ook het team ervoor open stond, zeg maar. Dus voor ons verhaal van oké, laten we het anders gaan doen op de schop gaan gooien. En met andere bouwblokken de business logica ordenen en samenvatten en veel beter performt. En ook nog traceability goed is. En simpeler, dus blijkbaar. Ja, en simpeler. Ja, dat was wel pittig. Want ja, onze deadline verschoven een kwartaal. Meteen en onder best wel een pressure cooker. En hebben we het wel gered. En dat is wel best lastig. Want je zegt ook tegen iemand: van ja, je hebt heel lang gewerkt aan iets en wij vinden het niet goed genoeg. Dat was best wel lastig om te zeggen. Iedereen stond er voor open. Iedereen heeft het best wel goed opgepakt en we zijn daar echt met z'n allen de schouders eronder gezet als team zijn om dat op te lossen. En dat is wel gaaf. En dan merk je ook van oké, dan neemt zo'n ervaring vanuit de voetbal, wat je dan hebt ervaren, dat neem je dan mee en dan werkt wel zijn vruchten dan af. En nu zijn we ook echt vorige week hadden we bijvoorbeeld een incident op dit product. En dan konden we oké, wat betekent dit dan en hoe moeten we dan herstellen? Nou, dat konden we best wel snel traceren. En iemand zei ook van, dit is de ultieme test. We hebben drie maanden gestopt om het opnieuw op te richten. Dit is de ultieme test op het te toetsen, weet je wel, heeft het echt goed. Stond je toen ook te juichen? Ja, ik stond op de bank. Maar het is wel een soort van doelpunt ook, toch? Ik bedoel, het is wel. Ja, dat klopt wel, het is wel heel fijn. Maar weet je, dan zit het ook weer in je natuur om ook weer snel te schakelen. Denken van ja, we zitten aan de fout de fout niet goed oplossen. En weer door. Weet je wel, je gaat de successen vergeet je soms een beetje te vieren en je gaat snel weer door naar het volgende, want je wilt weer door, weet je. En ik denk dat we in ieder geval met ons team soms daar wel iets langer bij stil mogen staan. Want ja, soms is het ook. Nou, want je hebt bij zijn risico genomen, zo'n kwartaal uitstel. Met een bepaalde belofte. En nu heb je dan je belofte ingelost. Ja, en ik vind het ook echt, we zijn echt, nu kunnen we ook echt doorbouwen. Dus nu hebben we ook die goede set om ook weer met de machine learning of ik weet niet waar de samenwerking straks op gaat lopen, zeg maar, met wat voor verbetering of model. Maar we zijn in ieder geval voor de volgende stap. Als daar weer iets uitkomt, kunnen we weer heel snel schakelen. Hoe kunnen we dat gaan verbeteren? En dat geeft wel heel veel rust en vertrouwen neem ik aan. Ja, en dat katalyseert ook. Dus dat zou ook wel fijn zijn. Dus die bal kan je heel snel gaan laten rollen als nu weer iets nodig is. Je gaf aan dat je dat je eigenlijk een andere achtergrond hebt. Wat zou je daar iets over kunnen vertellen en dan ben ik ook weer daar benieuwd bij van wat heb je daarvan meegenomen? Hier de techniek in. Ja, dat is heel leuk, ik vind het zelf ook altijd heel leuk om te vertellen. Ik heb in Groningen bewegingswetenschap gestudeerd, bachelor en dan master sportwetenschap en verdiept in didactiek. Dus ik heb ook papiertje dat ik op het HBO les mag geven. Dat is mijn achtergrond. En tijdens mijn opleiding heb ik me steeds begonnen met MATLAB. Het was een, ik weet niet of je het kent, de MATLAB. Maar misschien wel even uitleg voor de luister. Ja, MATLAB is een programmeertool. Het is vooral gericht volgens mij voor simulaties. Is het heel krachtig in, maar wij zaten echt nog heel erg in A plus B-achtige scenario's. En we moesten een van de opdrachten was dat we een mannetje moesten bouwen. En die moest dan zwaaien en dan moesten we een filmpje van maken en dan stond hij zo met zijn arm te zwaaien en dan moesten we dat opnemen. Dat was dan een opdracht. Het ging vooral dat vak heeft me vooral geleerd van hoe denk je in procesblokken, zeg maar. We moesten ook flowcharts maken. Hoe zorg je ervoor dat je in die procesblokken de juiste stappen zet om tot een oplossing te komen. En dat puzzelende denken, zeg maar, ik noem het puzzelend denken, daar heb ik uiteindelijk mezelf steeds verder in gediet van wat heb ik daarvoor nodig om dat goed te kunnen doen. Dus ik ben extra vakken gevolgd in big data, data science, dat soort dingen. Verdiept de Power BI stage gelopen bij FC Groningen destijds kon ik ook met de data bezig. Steeds verder daarmee bezig gegaan. En dat escaleerde gewoon heel erg dat ik uiteindelijk ook in de voetballerij dit mocht gaan doen en later ook bij NS. Maar bij NS, toen ik daar kwam, toen zeiden ze, ja, maar wij werken met SQL en Snowflake. En Azure Data Factory en Nifi. En Informatica, ik zeg, ja, dat is leuk. Ik heb Python. Ken ik. En ik heb Power BI, zeg maar. En daar ben ik best wel vaardig in geworden. Maar ik zeg je dus, ik ken dat allemaal niet. Wat ik wel kan is heel goed nadenken over hoe het zou moeten werken, zeg maar. En ik kan puzzelen denken. Dat heb je aan mij. En die taal komt vanzelf wel. Daar vertrouwen ik wel op. Zo is nou het is goed. Kom maar binnen. Zo netjes. En het mooie is nog dat destijds was het misschien een kleine bluf. Maar ik geloofde daar wel echt in en dat heeft zich ook echt wel uitbetaald. Het vertrouwen van de NS heeft het uitbetaald, maar ook het kwam ook allemaal uit. Nu gaat het ook heel erg goed. Wat ik merk met mijn collega's is dat de opleiding die ik heb gevolgd en de stappen die ik daartussen heb gezet, hebben ook heel erg geleerd van hoe communiceer ik nou. En wat is er voor nodig om goed te praten over data. En ook goed samen te werken met verschillende met stakeholders, en wat zijn dan volgens jou een aantal van succesfactoren erin dan. Het is ook een klein beetje hoe je als persoon bent, denk ik. Sommige mensen hebben dat niet. Maar het is ook wat ik merk als kracht is dat je goed kan luisteren naar wat zijn mensen hun krachten. Hoe zet je mensen het beste in hun kracht. Vaak hebben we nog wel eens de mindset, denk ik. Ik wil graag iets leren. Wat ik niet kan, zeg maar. Maar ik geloof heel erg in. Je moet mensen gebruiken waar ze goed in zijn, en daar misschien juist de stap in zetten van hoe kun je dat nog beter doen. Want dat is leuk. En als je succes behaalt, dan is dat gewoon gaaf. Dus daar zit ik heel erg op. En ook denk dat dat het is een beetje succesfactor. Maar het is ook heel erg lastig. Het is ook heel situatieafhankelijk. De ene situatie is de andere niet. Je doet je best en soms werkt er iets wel en soms werkt iets niet. En toch de mindset hebben van het puzzelen de oplossen. Kijken of het werkt, en als het niet werkt, terug naar de tekentafel aan het volgende oppakken en accepteren dat dat kan, het hoeft niet one shot one kill te zijn. En dat is best wel lastig, want op zich is het denk ik ook wel een mooi stapje richting de AI. Want daar is het niet altijd heel duidelijk welke route je moet kiezen, die zorgt voor resultaat. Dus dat betekent inderdaad dat je zegt proberen, een bepaald model kiezen, een bepaald algoritme kiezen, je weet niet of dat precies bij je data past. Dus het is af en toe een weg in slaan, zien dat dat doodlopend is, maar waar je wel moet opletten dat je iets geleerd hebt en dat je dat geleerde weer terugneemt en de volgende route neemt. De kans dat je in één keer, wat jij noemt die one shot. Dat je die weet draken, die kans is heel erg klein. En dat vind ik zelf ook wel lastig. Want ik heb wel eigenlijk die mindset ook een beetje meegekregen vanuit vanuit de voetbal van dat ik dat heel graag wil en wil nastreven. Maar soms ook accepteren dat dat niet kan, dat is natuurlijk die balans zoeken, dat is wel de crux. En mijn vorige manager die zei ook vaak. Die had growth mindset, dat vertaalde hij ook heel erg binnen het voetballerij. Ook van oké, one percent growth every day dan is cumulatief zit je op 36 of zo als je elke dag cumulatief 1,01 tot de macht 365 doet, dan kom je wel hoog uit. Ik weet het al niet meer. Dat is gigantisch. Dat versterkt zich heel erg en daarvoor openstaan dat je fout kan maken en dan daarvan kan leren of juist de verbetering bij iemand anders neerlegt. Dat kan heel erg helpen en ook denk ik met AI. Dat je denkt, oké, we gaan het gewoon doen. Ik heb misschien nog wel een aardig voorbeeld als ik dat mag vertellen. Is dat ik samen met een collega bezig om een proces van software te bouwen nog verder te automatiseren om echt te kijken van hoe ver kunnen we dit pushen. En dan hadden we een deel al van liggen. Maar het bleek, we zijn een wat grote bedrijf, dat een andere collega was ook met zoiets bezig. En toen dachten we van oh, maar dan is het eigenlijk wel handiger dat wat hij gebouwd heeft dat wij dat overnemen. En daar dan aanpassing op gaan maken. Dus we hadden de switch gemaakt en die switch heeft best wel wat tijd en effort gekost. Maar toen moesten we ook daadwerkelijk grote veranderingen doorvoeren. En toen kwamen we erachter. Dat hij zei, ja, maar ik kan dat niet. Want dit proces is goedgekeurd. En dat is ISO goedgekeurd. Wij mogen niet voor een experiment zijn proces even zomaar gaan aanpassen. Dus voor de collega die zei eigenlijk van ja, dat is ook zonde. Dan hebben we best wel een tijd geïnvesteerd om dat over te nemen. Waarbij ik dan zei van ja, maar wat kunnen we nou leren. Want daar zaten natuurlijk verschillen in wat wij bedacht hadden, wat de ander bedacht hadden. Van wat zijn nou de goede elementen die dan wij mee kunnen nemen en dat dan toch weer terugnemen in het proces wat wij hadden bedacht. Want wij moesten toch wel iets anders doen. En dan vind ik dat het waard dat je dat ander hebt onderzocht. En dat je daar heb je zoveel detail mee gekregen. Dat je daar de slimme dingen van kan leren en kan meenemen. En dan vind ik dat niet geen zonde van de tijd. Zo werkt het ook, denk ik, het is een beetje iteratief. Je bouwt stap op stap weer door en soms moet je een stap terug doen om weer een stap naar voren te zetten. Maar elke keer weer denken van oké, wat hebben we hier nou van geleerd en wat kunnen we hiermee? Ook proberen te begrijpen van wat betekent dit eigenlijk. Dat is wel heel krachtig, denk ik. Ik geloof er ook heilig in dat dat ook weer voor verdere ontwikkeling kan zorgen. En je had het over de bewegings. Je moet me even helpen, bewegen? Nee, wat je gestudeerd had. Bewegingswetenschappen. Alsof ik ook niet op het woord wetenschap. Bewegingswetenschap. Heb je nog iets? Wat dat is natuurlijk wel grappig, want je bent nu letterlijk ook bezig met beweging. Is daar is daar nog iets van een overlap van wat je wat je daar toen ooit geleerd hebt, wat je hier mee. Nee, dat staat los van elkaar. Wat ik wel heb geleerd, daar is zeg maar dat daar uiteindelijk mensen die de opleiding hebben gedaan, die landen op heel veel verschillende plekken in het land bij verschillende bedrijven. Sommige mensen dan in het onderzoek en andere mensen landen weer bij de NS zoals ik. Ik heb een collega, die is gewoon vijf of zes jaar voor mij afgestudeerd. Ja, maar ja, die kom je daar nog tegen. Ik ken het niet. Maar hij zegt, ja, ik heb bewegingswetenschap gestudeerd. Dat is ook raar. Maar ja, ook wel weer heel leuk. Je leert echt samenwerken, merk ik. En mensen met dezelfde mindset. Er komen echt hetzelfde soort mensen komen daar bij elkaar bij die opleiding. Wat een heel goede leeromgeving maakt. En dat is heel prettig, want dan kan je ook echt stappen zetten op sociaal vlak, maar ook de vrijheid pakken om andere dingen te gaan leren. En ik heb hem al verdiept op data en data modelleren en noem maar op, big time aan datascience, dat vond ik gaaf. Zo hebben anderen dat weer met psychologie bijvoorbeeld op zo gedaan. Dus die zijn daar weer in gaan groeien. Ik neem echt wat je meeneemt, zijn meer dat soort ervaringen. Sociale dingen, maar echt de skills en de know-how mee. Maar het werkt ook heel goed binnen de huidige organisatie, denk ik. We hebben nu bij NS hebben we een technical team lead collectief. Van elk team een afgevaardigde teamlid, zeg maar. En we proberen daarin met groep mensen, het zijn een stuk of dertig mensen, om met die club mensen bij NS meer de lijnen uit te zetten en de kaders te schetsen van dit is hoe we als dataafdeling willen gaan groeien, vanuit de praktijk, niet vanuit bovenaf, maar echt vanuit de praktijk. En dan natuurlijk worden wij wel gevoed met de problemen die leiding ervaart als het ware. Van waar moeten we naar gaan kijken, waar moeten we ons om focussen. Maar dan merk je dat je in een kleinere clubje zit, best wel leuk comité, denk ik, met allemaal hele slimme mensen. En hoe die dan op de juiste manier aan te praten krijgen, dat vind ik wel heel erg leuk. En dan merk je ook wel dat je dan wat doortastender bent dan anderen, omdat je die sociale skills wat verder hebt ontwikkeld. En dat is wel heel gaaf merk ik soms. Waar hoop je dat deze technologie ons naartoe brengt? Voor het energiezuinige rijden bedoel je. Ja, nou dat hoeft nog niet eens per se. Je mag ook wat groter denken. Als je denkt over AI. Wat hoop je zeg maar dat dat gaat brengen? Een lastige vraag. Het is niet echt iets waar ik vaak bij stilstaan, als ik kijk naar waar wij nu bijvoorbeeld tegenaan lopen met een bepaald proces, is dat iemand hebben in de organisatie die zegt. Ik wil een bepaald product insourcen en daar zijn deze 30 business rules voor nodig. En probeer dat te doorgronden met de dataset die we hebben met de business. Maar we komen er gewoon niet uit. En eigenlijk hebben we daar vier, vijf mensen voor nodig die samen daarna gaan kijken, uren investeren om dat te gaan doen. En ik merk eigenlijk de hele tijd aan mezelf van, als ik nou met die business set en die dataset, gaan praten met de agent, hoe snel zou dat dan wel niet kunnen gaan? En dan denk ik van oké, maar het is ook niet de bedoeling dat je per se mensen wilt gaan vervangen, denk ik, maar je wilt wel denk ik slimmer gaan werken en sneller waarde gaan leveren. En ik denk dat daar echt de kracht zit dat je veel sneller tot waarde kan komen. Met wel met dezelfde capaciteit aan mensen. Daar zie ik wel echt de kansen, zeg maar. Laat ik het eerst even vragen over je presentatie nog. Wij zijn we zijn aan alle kanten. Ik ben niet alle kanten op schoven. Volgens mij hebben we best wel een mooie lijn gehad. Waarom zouden mensen naar je presentatie moeten komen. Ik geloof heilig in kennisdeling en elkaar inspireren en leren van elkaar. Ik denk dat we best wel een leuk product gebouwd. Ook met de struggles die ik heb net verteld over hoe we dat hebben gedaan met de tijdsdruk dat we moest helemaal terug naar wil moesten en weer helemaal volledig nieuw op gingen bouwen. Daar, er zit voor iedereen zit er wel denk ik iets in die presentatie waarvan je kan op aanhaken en wat je kan herkennen in je eigen werk. En de voor openstaan dat dat zeg maar voor jou iets is. Dat is de eerste stap. En dan kom je bij mijn presentatie en dan denk je van oh ja, wacht even, dat is inderdaad interessant, daar kan ik wat mee. Zo heb je op de Expo heel veel presentaties, denk ik die dat voor jou kunnen betekenen. Ik denk dat als je met die mindset komt en je komt kijken, dat gaat gewoon voor jou gaat dat gewoon heel leuk zijn. En daarnaast hoop ik voor mezelf. Voor mij is het weer een podium dat ik denk van ja, ik vind het eigenlijk best wel spannend om dat te doen. En ik heb het al een tijd niet gedaan. Maar ik wil dat ook wel weer eens een keer ontdekken van hoe werkt dat nou. En dat de mensen naar mij toe komen van die GPS-data, weet je, daar kan ik, daar weet ik heel veel van. Zij zullen wel eens even zitten. En dat hoop ik ook, want ik geloof niet dat wij alle wijsheid in pacht hebben. Er is altijd wel iets wat je niet weet. Elkaar vinden en verbinden met zo'n congres en zo'n presentatie en dan van elkaar de vlucht te plukken. Dat hoop ik gewoon. Hartstikke mooi. Ik wil je ontzettend bedanken voor dit gesprek. Weer een hoop geleerd. Mooi om te zien, hoe je de werelden hebt verbonden van het voetbal naar de NS. Vanuit je bewegingswetenschap. Dus we hebben een hele reis eigenlijk door misschien je carrière gemaakt. Ontzettend leuk, dankjewel Rick. Graag super tof. Leuk dat je weer luisterde naar deze aflevering, vergeet je niet te abonneren op je favoriete podcast app, dan mis je geen aflevering, tot de volgende keer.