数据正在以意想不到的方式改变着运动队

编译|丁一 席雄芬 校对|王婧

数据会对运动队产生一定影响早已不是什么新鲜事了,并且依赖于数据的运动队数量以及对数据的依赖程度都在不断上升。Billy Beane和穷困的Oakland A队的几乎不可能的成功也许是这其中最令人难忘的故事之一(主要是因为它被拍成了电影)。

除此之外,体育杂志《 The Atlantic》最新一期封面文章报道了今年的NBA总决赛,这是被称为“自乔丹时代”之后最受瞩目的勇士队和骑士队的比赛。文章指出“这两支队伍都大量运用数据分析来指导球队如何比赛。”其实并不只是职业联赛在捣弄数字。本月初,内布拉斯加大学体育部也聘请了运动分析和数据分析主管。

但在体育界,数据分析的新时代并不只是数据的爆炸和新的管理角色,实际上它将重塑长期以来的沟通和训练方式。为了理解这一点,让我们先来看看一些运动队到底在收集哪些数据的例子。

比如,下面的数控板分析了运动员Ike Davis在纽约Mets队第一垒的表现。只需点击或悬停,你就可以调整视图,并查看他在某些方面2011年相对于2010年的表现对比。类似的数据图可以按月或按对阵某些球队来比较球员的具体表现。

当然,在此之前教练们也一直通过常规的统计数据来比较(球员们的)表现。但近年来,数据的细致性和可获取度有了显著的增加。

类似的例子可具体到特定的赛事,例如下面这个利物浦足球俱乐部所使用的数控板。这种可视化方式简单但应用广泛:它显示了足球比赛中每一个可以捕捉到的动作与输赢之间的关系,因此教练可以看到每一个动作是如何影响比赛结果的。

教练可以将动作具体到“左脚射门”和“右脚阻挡射门”,并判断它们是否更容易导致输或赢。这样的数控板可以用来指导球队进行一些具体的改变,比如训练习惯,球员选择,以及其它许多方面。

第三个数据驱动体育运动的例子来自于下面的美国橄榄球联盟(NFL,National Football League)可视化,它着眼于橄榄球比赛中最难决策的问题之一:是否继续进攻,射门还是在第四档弃踢。利用数据和这个数控板,教练可以看到影响比赛的每个因素—包括场地位置,其他球队进攻的频率,特定球员的命中率等等,从而产生一个预期的得分概率。

以上三个例子都有一个共同点:总结了数据革命对运动上意料之外的影响:这些对数据的应用恰好打破了球队各个组成部分之间目前存在的沟通障碍。

历史上,在运动场上运动员是一个组成部分,教练是一个组成部分,行政管理又是另一个组成部分。即使是在最著名的点球成金的例子中,统计员与球员(在某种意义上,是被统计对象)也是被明显分开的。

尽管如此,数据分析的新时代使整个体育界可以就一些陌生或复杂的概念,比如数学、统计和建模进行沟通交流。正如在去年波士顿举行的MIT斯隆体育分析会议上专家所指出的,谈判过程是应用数据分析的好机会。例如,San Francisco 49ers的教练指出,在双方试图签订合同的时候,数据可以帮助双方加强各自的立场。NBA专员也指出,几年前数据分析的确在帮助运动员避免禁赛悲剧的发生上发挥了作用。

即使合同已经签订,数据仍然具有很重要的作用。通过收集更多数据并帮助运动员理解数据,教练可以说服他们真正认可某些策略或训练方法,而不是像过去那样单纯地把教练的话当作真理。虽然听起来内心的认可并不那么重要,但是在关键时刻它往往会在无形中产生巨大的差异。

在这两种情况下,体育界的最大转变不单纯是可以获得更多的数据,而是那些历史上就不一致甚至于难以沟通的群体之间的障碍正在被逐步打破。

在大数据文摘后台,回复“体育”,可得相关文章

大数据文摘编译者简介

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2015-09-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CreateAMind

博士这五年 (非常值得学习!)

王威廉:根据我的观察,CMU优秀博士生的一个共同特点就是自己主导研究,推着(push)导师走,而不是被导师催着干活。不论是早期的李开复,后来的沈向洋,还是现在年...

2472
来自专栏九彩拼盘的叨叨叨

半小时读完《学习之道》

读完一本书,却不记得讲什么? 美剧看了一箩筐,英语还是没有长进? 公众号,指导书,牛人帖,一个都不落,却还是没有形成自己的学习体系?

1352
来自专栏人工智能头条

AI 3分钟:一张图看懂AI;谷歌3位 AI 女高管离职;全自驾驶药丸;吴恩达新课让领导学AI;索尼训练ImageNet创纪录

禅师很小的时候看过一部叫做《霹雳游侠》的美国电视剧,讲述的是一部拥有智慧的汽车,可以自己操控自己,协助主角完成很多危险任务。

1193
来自专栏灯塔大数据

股市实战秘籍:用新闻联播情绪指标炒股

“跟着新闻联播炒股有肉吃。”对于这句话,很多老股民耳熟能详。不过,央视《新闻联播》究竟跟A股盘面有多大的关联度,跟着《新闻联播》究竟如何赚钱,真的有那么灵吗? ...

3289
来自专栏vue学习

读《学习之道》— 学习即创造

只要你放下手中的工作,停下来喘口气,发散模式就会乘虚而入,上蹿下跳,高屋建瓴的搜寻解决方案。当放松过后的你重新回到工作中时,就会收到一份迎面跳出的解决方案作为惊...

1152
来自专栏大数据挖掘DT机器学习

【热点】大数据能让博彩公司破产

谈到数据分析,有些行业一直遥遥领先。博彩业就是其中之一。不过,大数据技术也正在使博彩业的“预测”能力大众化,这对于博彩公司而言是一个坏消息。利用大数据帮助投注者...

5215
来自专栏ATYUN订阅号

机器学习算法在预测化学品的毒性方面胜过动物试验

研究人员报告称,用大量化学安全性数据进行训练的机器学习软件能够很好地预测某种毒性,而这样的预测甚至可以与昂贵的动物研究结果相媲美,有时甚至准确率更高。

1083
来自专栏量子位

日本女排的新陪练:可以模仿对手球风的机器人

问耕 编译 量子位 报道 | 公众号 QbitAI ? 为了强化进攻能力,日本顶级排球运动员有了一个新的陪练:机器人。而且是可以模仿对手球风的机器人。 日本排协...

4017
来自专栏新智元

如何避免人工智能中的偏见性算法

【新智元导读】AI 做出的决策经常存在固有的偏见,好的方面是,AI 的创造者越来越多地意识到这些偏见,讨论更多,解决方法和行动也更多。 许多为我们的生活做出决定...

3876
来自专栏PPV课数据科学社区

实用 | 数据分析中会常犯哪些错误,如何解决?

错把相关性当成因果性 correlation vs. causation 经典的冰淇凌销量和游泳溺水人数成正比的数据,这并不能说明冰淇凌销量的增加会导致更多的人...

3647

扫码关注云+社区

领取腾讯云代金券