Arkaluonteista arvonluontia? – Urheilun data-analytiikan intressiryhmät, sopimuskäytännöt ja keskeiset oikeussäännöt ; Sensitive value creation? – Sport data analytics' interest groups, contractual practices, and essential regulatory framework

Tiedolla johtamisen merkitys on korostunut urheilussa. Sattuman rooli pyritään minimoimaan urheiluorganisaatioiden strategisessa päätöksenteossa. Yksi merkittävä tekijä tässä toiminnan optimoinnissa on data-analytiikka, jolla tarkoitetaan urheilijoita koskevan datan keräämistä, käsittelyä ja hyödyntämistä urheilullisen ja taloudellisen menestyksen tavoittelussa. Datan avulla voidaan esimerkiksi parantaa yksilöiden suorituskykyä ja ehkäistä loukkaantumisia, tehostaa joukkueiden rekrytointia, valita ottelupäivän kokoonpanoja tai päättää nuoren akatemiaurheilijan uran etenemisestä. Ideaalitilanteessa datan perusteella tehdyt ratkaisut johtavat kaikkien osapuolten menestykseen. Käytännön tasolla urheilun data-analytiikkaan liittyy kuitenkin useita juridisia haasteita. Nämä haasteet ovat seurausta eri suuntiin viettävistä intresseistä, kuten esimerkiksi siitä, tavoitteellaanko menestystä lyhyellä vai pitkällä aikavälillä. Yksilön ja kollektiivin välisten valtasuhteiden epätasapaino voi johtaa siihen, että urheilijat eivät kykene täysipainoisesti toteuttamaan tiedollista itsemääräämisoikeuttaan tai suojaamaan yksityisyyttään. Ammattiurheilu on poikkeuksellinen toimintaympäristö, sillä sen piirissä työntekijöiden teknologiavälitteinen seuranta voi olla jatkuvaa. Sillä, miten urheilijat syövät, palautuvat ja nukkuvat, on työnantajille merkitystä. Juridisesti mielenkiintoisen tarkastelukohteen muodostaa erityisesti puettaviin teknologioihin perustuva analytiikka, jossa keskiössä ovat urheilijoiden suorituskykyä ja ominaisuuksia kuvaavat, osittain sensitiiviset data-aineistot. Tutkielmassa perehdytään ensin tällaisten tietojen oikeudellisiin määritelmiin sekä selvitetään, millaisia intressejä niihin liittyy ja miten urheilutoimijat voivat toteuttaa näitä intressejään sopimusoikeudellisesti. Dataa voidaan määritellä tarkemmin esimerkiksi jalostusasteensa mukaan. Yksittäisistä biteistä koostuvan raakadatan luonne poikkeaa niin tietosuojaoikeudellisesti kuin varallisuusoikeudellisesti algoritmin avulla ymmärrettävään muotoon ...