Strategi Balap yang Dikembangkan Melalui Big Data Analytics di Dunia F1

Formula 1 (F1) dimulai pada tahun 1950 dan merupakan kompetisi balap mobil paling bergengsi di dunia serta seri olahraga tahunan terpopuler di dunia. Berbagai tim dan sponsorship (pihak yang mendukung) perusahaan ternama akan berusaha terlibat dalam kompetisi F1 ini dan tentu ingin menjuarai kompetisi hebat ini. Ketika sebuah tim dan sponsorship berhasil memenangkan kompetisi F1 tentunya akan semakin terkenal hingga semakin terpercaya sehingga dapat meningkatkan nilai sebuah perusahaan itu sendiri. Oleh karena itu, berbagai pihak berusaha mengembangkan strategi balap, salah satunya melalui Big Data Analytics sehingga berbagai keputusan, strategi hingga evaluasi dapat dilakukan dengan akurat dalam rangka memperbesar peluang memenangkan kompetisi F1.

Peran Data dalam Menghasilkan Keunggulan Kompetitif di Formula 1

Pada kompetisi Formula 1 setiap tim pembalap mesti memikirkan berbagai hal mulai dari memahami kondisi mobil, kelebihan, tantangan hingga ke pembalap yang akan menggunakannya. Tentunya hal tersebut dengan tujuan untuk memenangkan sebuah kompetisi hebat, yaitu Formula 1.

Salah satu kata penting yang menjadi kunci kemenangan adalah kinerja, sebuah kata yang memiliki banyak makna dalam Formula 1. Kinerja dapat dikaitkan dengan waktu putaran, kemampuan berkendara, kecepatan tertinggi, degradasi ban, downforce, output dan efisiensi unit daya, keandalan keseluruhan, kekakuan komponen, hambatan aerodinamis, efisiensi sumber daya dalam biaya, waktu, energi, dan banyak lagi. Berbagai bidang kinerja tersebut dapat saling mempengaruhi sehingga diperlukan pengukuran pada data yang dikumpulkan dan analisis lebih lanjut.

Setiap mobil Formula 1 membawa sekitar 300 sensor di dalamnya, menghasilkan 1,5 terabyte data sepanjang balapan akhir pekan. Untuk musim balapan, tim dua mobil dapat menghasilkan 11,8 miliar poin data. Hal ini semua harus disaring dan dianalisis untuk mencari peningkatan kinerja, masalah keandalan atau strategi bagi tim untuk membuat keputusan yang lebih baik atau untuk mengantisipasi tindakan pesaing.

Dari 11,8 miliar titik data berlimpah alias Big Data tersebut, wajar jika tim cukup memahami apa yang dilakukan oleh mobil balap. Namun, untuk membuat peningkatan kinerja dan peningkatan lainnya, mereka perlu terus mengembangkan mobil, menemukan cara untuk menjadi lebih efisien, dan memahami karakteristik mobil secara lebih rinci.

Ketika insinyur merancang suku cadang untuk mobil, tim memproduksinya secara virtual dalam Computer Aided Design (CAD), sehingga ada kembaran digital yang tepat dari setiap mobil skala penuh dalam CAD dan model dinamika fluida. Di sinilah dunia maya dan dunia fisik berpotongan.

Tim akan mensimulasikan properti dari setiap elemen yang baru dirancang di dunia digital ini sebelum komponen dibangun, diuji, dan dimasukkan ke mobil balap. Analisis CFD menghasilkan sejumlah besar data, mengukur setiap sentimeter kubik aliran udara di sekitar mobil dalam resolusi tinggi. Analisis pasca-CFD sama pentingnya, karena memengaruhi apakah suatu bagian harus dibawa ke printer 3D dan diproduksi pada skala 60 persen untuk pengujian di terowongan angin.

Dengan berbagai kumpulan data yang bersatu, entah bagaimana Anda harus menyatukannya dan membandingkannya satu sama lain. Hal ini adalah proses yang cukup rumit untuk dikelola sehingga diperlukan perangkat lunak berupa platform otomatisasi data untuk menyatukan beberapa set sumber data dan melihatnya sebelum dan sesudah balapan serta data operasional back-office.

Kekuatan sebenarnya adalah mengonsolidasikan dan menghubungkan kumpulan data dan memungkinkan sub-tim yang berbeda untuk memanipulasi dan memodelkan apa yang mereka inginkan dengan hasilnya. Maka dari itu, data memainkan peranan penting untuk memahami kinerja hingga menjadi landasan membuat keputusan atau strategi dalam rangka menghasilkan keunggulan kompetitif di Formula 1.

Lewis Hamilton Sebagai Pembalap F1 yang Memanfaatkan Data Science

Lewis Hamilton merupakan pembalap mobil dari tim Mercedes-AMG Petronas Motorsport yang pernah menjadi juara dunia sebanyak 7 kali. Lewis Hamilton merupakan salah satu pembalap F1 yang sangat data-driven di setiap balapannya. Seperti pada 2017 Lewis Hamilton berhasil menang F1 pakai mobil paling top bersama tim Mercedes-AMG Petronas Motorsport yang juga juara konstruktor. Namun, kemenangan tersebut juga karena data analytics-nya, mobil tersebut memiliki 200 sensor, beberapa di antaranya menghasilkan data sampai 1000 kali/dtk, jadi jutaan data dihasilkan tiap minggunya alias sekitar 300GB data.

Hal ini dipertegas oleh bos IT Mercedes Matt Harris “Mobilnya seperti Internet of Things (IoT)”. Big Data tersebut diterapkan pada algoritma yang memerlukan banyak data, kayak kondisi balapan, ban, lintasan, bahan bakar, posisi mobil di lintasan, riwayat balapan di tempat itu sebelumnya, detail mobil dan pembalap yang mau disalip, serta situasi spesifik yang mereka hadapi.

Sehingga data dan analisis dengan Data Science dapat membantu Lewis Hamilton mengetahui kapan waktu terbaik untuk menyalip (overtaking). Dengan demikian, kunci keberhasilan Lewis Hamilton terletak pada keunggulan konstruksi mobil, kemampuan pembalap hingga data sebagai penyedia insight dalam mengatur strategi.

Kesimpulan

Kita telah membahas banyak hal terkait strategi balap yang dikembangkan melalui Big Data Analytics di dunia Formula 1 (F1). Data memainkan peranan penting untuk memahami kinerja hingga menjadi landasan membuat keputusan atau strategi dalam rangka menghasilkan keunggulan kompetitif di Formula 1.

Hal tersebut terbukti melalui pembalap Lewis Hamilton dari tim Mercedes-AMG Petronas Motorsport yang berhasil 7 kali menjadi juara dunia. Lewis Hamilton dan timnya berhasil mengombinasikan keunggulan konstruksi mobil, kemampuan pembalap hingga data sebagai penyedia insight dalam mengatur strategi.

Tentunya kebermanfaatan data yang diperoleh Lewis Hamilton dan timnya memerlukan berbagai strategi mengolah data dengan tepat. Data dan pengolahannya dapat juga bermanfaat di berbagai industri saat ini sehingga dapat memberikan nilai kompetitif terhadap pesaing Anda.

Jika Anda tertarik mempelajari Data Analytics & Science dan pemanfaatannya lebih lanjut hingga berkarir di dunia data menjadi seorang Data Scientist handal, Anda dapat mengikuti Bootcamp Algoritma DataScience yang memiliki serangkaian program yang dapat membantu Anda menguasai dunia data di industri yang Anda minati. Yuk, bergabung bersama Algoritma sekarang!