校园体育想用大数据辅助训练？先看自己有没有能力

现在中国的各类青少年体育训练也在跟风大数据，“大数据+校园体育”真的好用么？让我们先看看校园体育大国——美国的大数据实践成果如何。

OSU的案例——“校园体育+大数据”的应用非一日之功

和在NCAA(美国大学体育协会)一级联盟(Division I)的棒球队的大多数教练一样，俄勒冈州立大学（以下简称OSU）的教练也对与比赛相关的数据非常感兴趣。长期以来，统计数据一直是棒球运动的重要组成部分，是了解每名运动员每天的表现和潜在风险的关键。

首先，校园体育+大数据的应用，非一日之功，并不是花钱买一套数据就一劳永逸。

撇开运动科技不说，OSU长期设立体育医疗、运动员训练等专业，并且拥有相关的研究项目。这虽然是一所综合大学，却与体育高度相关。

不过，在过去一年左右的时间里，随着OSU2018年全国（棒球）冠军海狸队（OSU Beavers）不断的比赛和训练，该校对大数据的“兴趣”已经变成“痴迷”。数据成为了教练准备工作的核心，他们认为，数据是团队成功的关键。

俄勒冈州立大学体育运动项目IT主管Tim De Quilettes

俄勒冈州立大学体育运动项目IT主管Tim De Quilettes说：“这并不是因为过去没有数据。”“但现在我们有了一些工具，能更全面地看待数据，并真正深入分析。”

OSU雇佣De Quilettes加入了其数据和媒体基础设施团队，自2017年以来，他将注意力放在了“正常的IT辅助工作”和尽部门之力的“革新技术在学院间体育运动中使用的方式”——有时候同一学校的不同学院甚至不愿意共享数据。

作为这项计划的一部分，他的部门选择了微软的两个解决方案：基于云的业务分析服务工具Power BI和在线协作平台Share Point。

Power BI允许他们收集、过滤和分析来自该大学各个运动队的广泛数据，而SharePoint则创建易于阅读的界面，教练可以使用这些界面查看Power BI报表。Quilettes回忆说，在该项目启动时，正在收集的数据量相对较小。但很快，随着更多的运动团队参与进来，他们通过投资Dell公司的Unity平台来加强该校使用的Dell EMC Isilon数据存储系统。

他说：“要想做我们想做的事情，并支持我们实施的技术，我们必须拥有一个强大的基础设施。”

对于OSU的棒球教练来说，与IT员工合作的好处是显而易见的，现在各类媒体的报道也是强有力的佐证。很快，OSU的其他运动团队也开始请IT部门提供服务。“例如，对于游泳，我们现在从他们的练习中获取视频数据，以帮助教练一帧一帧地观察游泳运动员的泳姿，”Quilettes说。

他的团队还为该校体操项目起草了一份新申请。为了追踪运动员的旋转和跳跃，他们重新设计了一个本来用于工程学院分析海浪微运动的摄像系统。

Quilettes说：“体操运动员的动作如此之快，他们的动作也如此精确，但现在教练们可以把每件事都分解成最小的细节。”“他们能看到以前看不到的东西。”

“大数据”好看，但不是人人都有能力用

如今，更便宜的数据存储和收集方法，使得高等教育机构轻易就能获取成山的数据。但是“在那座山上”拼凑起数据分析是另一回事。

在美国，大约40%到60%的学院和大学都有数据分析项目，但是Ovum（数据调研公司）的一项调查报告说，其中许多项目还没有完全成熟。只有27%的大学认为他们的数据分析项目是先进的或完整的，超过一半（54%）的大学处于“正在计划或早期实施阶段”。

尽管大数据极有价值，但是让大家都知道、理解并应用这个价值是很难的。

校园工作人员可能都无法确定如何最好地利用它：为了教学和学习？为了招生或提高运营效率？领导层的认可和财务问题也会影响决策。

校园机构可能缺乏良好的数据环境，使得不同来源的数据很难一起运作。最后，还有人为因素：有时来自不同部门的利益相关者可能根本不想共享数据。

当大学正确处理大数据时，数据分析的结果会对学生和校队的成功产生重大影响。从生成的数据中学习并调整策略，使大学能够及时地创建校园范围内的训练，这些训练随时能加强或减弱，并持续测量和改进，以获得更好的结果。

以下是大学使用数据分析指导训练的一些实践：

坦普尔大学（Temple University）创建了一个“预警”系统，使用预测分析来识别有风险(例如受伤)的学生。该系统增加了12%的二年级学生保有率（指的是某一年所有参加某所大学的学生中，在下一年继续参加该所大学的比率），同时也提高了24%的四年毕业率。

威斯康星大学（University of Wisconsin）和宾夕法尼亚大学（University of Pennsylvania）的一个研究小组实施了一个数据驱动的项目，以增加12所服务于少数种族的机构的招生和学生保有率。

佐治亚州立大学（Georgia State University ）参与了被称为“国家模式”的项目，这是一个通过数据预测分析和干预项目，帮助没有很好融入学校教育的学生，并将毕业率提高了22%。

强大的“基础”是有效利用数据程序的前提

即使是那些完全致力于使用数据分析程序的机构，如果没有诸如硬件、软件和人力资源培训等关键技术帮助，也无法高效的使用这些程序。

校园体育+大数据需要的基础支持包括：

强大、标准化的基础设施（包括人才）：今年美国一篇《今日高等教育》的文章中，作者乔纳森·加利亚迪和菲利普·威尔金森指出，校园需要数据分析的技术骨干和熟练的专业人员。

直观的用户界面和报告：Ovum在其报告《增加机构整体的洞察力》中建议研究广泛的数据分析产品。今天的软件工具的设计非常注重用户友好度，能够使更多的校园员工为设计和呈现数据分析的程序作出贡献。

供应商透明度（对校园领导层的能力有很高的要求）：“高等教育中的预测分析”报告的作者强调，领导者需要彻底了解他们所购买的产品。他们写道：“为了确保模型和算法是健全的、透明的、没有偏见的，你必须密切参与或了解预测模型和算法是如何建立的。”

综上所述，上面三条几乎都与人有关，如果学校的技术人员、员工、领导对大数据没有良好的认知，那么校园体育使用大数据基本就只停留在噱头层面。