Ramy Elitzur est professeur Edward J. Kernaghan en analyse financière et professeur agrégé de comptabilité à la Rotman School of Management de l'Université de Toronto. Il a obtenu un doctorat et un MPhil. de la Stern School of Business Administration, Université de New York et un MBA de la Recanati School of Business, Université de Tel-Aviv. En outre, il détient les titres de CPA et de CMA aux États-Unis. Il a publié dans diverses revues de premier plan en finance, économie et comptabilité sur la théorie des jeux appliquée aux situations financières Crédit :Rotman School
Lorsque l'ancien directeur général d'Oakland Athletics, Billy Beane, a utilisé l'analyse de données pour créer une équipe de baseball gagnante à petit budget au début des années 2000, c'était si inhabituel qu'il est devenu le sujet d'un livre et d'un film.
Seize ans après que l'auteur Michael Lewis ait écrit le livre Moneyball, chaque équipe de la Ligue majeure de baseball (MLB) utilise cette technique. Mais une nouvelle étude montre que si l'outil peut aider un club à créer une équipe plus forte, à moindre coût, il perd son avantage une fois que tout le monde s'y intéresse.
"C'est comme avoir une sauce secrète, " dit l'auteur de l'étude Ramy Elitzur, le professeur Edward J. Kernaghan d'analyse financière et professeur agrégé de comptabilité à la Rotman School of Management de l'Université de Toronto. "Quand vous avez une sauce secrète et que personne d'autre ne la connaît, vous avez un avantage concurrentiel. Une fois la sauce secrète dévoilée, c'est ce qui s'est passé avec le livre, tout le monde pourrait imiter les Oakland A's."
Le Dr Elitzur a créé une base de données pour l'étude, saisie des informations de 1985 à 2013 sur les paies des équipes, succès en séries éliminatoires, la diffusion de l'utilisation de l'analyse de données, et les contributions globales des joueurs à leur équipe, représenté par une statistique clé de la "sabermetrics" de Moneyball, "—le type de données utilisées par les Oakland A pour identifier les moins chers, joueurs sous-évalués grâce à des statistiques telles que le temps passé sur la base.
Il a découvert qu'entre 1997 et 2001, il n'y avait que deux équipes "Moneyball" dans la MLB. Trois autres équipes avaient repris l'entraînement en 2002. En 2013, plus de 75 pour cent des équipes de la MLB l'utilisaient. Sabermetrics a donné aux équipes le plus grand avantage jusqu'en 2003, l'année de publication de Moneyball. En 2008, l'avantage comparatif a été perdu car de plus en plus d'équipes ont adopté la sabermétrie. La pratique de l'analyse de données s'est également étendue au-delà du sport, aux entreprises et au gouvernement.
L'étude montre que peu importe qu'il s'agisse de sport ou d'une autre entreprise, « si vous avez un avantage intégré, n'en parle jamais, " dit le Dr Elitzur. Dans le cas de la MLB, "une fois Moneyball arrivé, vous avez eu une nouvelle course aux armements. Il n'y avait pas d'issue." Cependant, cela a aidé les équipes à mieux faire correspondre leurs contrats à la vraie valeur des joueurs, il dit, en le basant sur des informations moins biaisées.
Le document est à paraître dans Oméga, La Revue Internationale des Sciences de Gestion .
