四年磨一剑,杯正如火如荼。每届杯都会诞生很多新鲜的话题,但万年不变的是对比赛结果的预测。上届南非杯,章鱼“保罗”以精准的结果预测而一炮而红,那么在本届巴西杯上,谁又能接过“保罗”的接力棒,成为下一位“预言帝”呢?

如今这个问题已经有了答案,那就是看似神秘的“大数据”。

“大数据”和“杯”,一个是IT技术,一个是体育,这两者看似风马牛不相及。对于足球运动来说,尤其杯赛场,充满了无数的不确定因素。天气、球员状态和心理素质、技术、战略、裁判、各种突发事件、当然还少不了运气,这些都能够成为左右赛事结果的因素,杯上的爆冷和黑马并不鲜见;而大数据分析是以数据为基础,对结果的预测实际是有迹可循,有着很强的规律性。那么,大数据这种理性的科学,碰上杯这项充满变数的运动,将出现怎样一种结果?

杯还未开赛,我们暂且不去讨论这两者将会擦出怎样的火花,我们先来看一些“大数据”在体育中成功应用的例子:

大数据和NBA

“勒布朗·詹姆斯在热火和马刺的这场比赛中出场38分钟,投篮22次14中,三分球三头三中!篮板球10个、助攻3次、抢断2次、犯规3次,得分35分!”。

NBA可谓产生大数据的一块沃土,也是大数据分析的实践者。NBA会对每场比赛进行细致的数据统计,可以提供单个球员的查询工作,还能对比两名球员,包括两人攻防中的表现。NBA不仅统计所有球员得分、篮板、助攻、盖帽、抢断、失误、犯规等一系列场上数据,还能提供场上效率、得分区域等分析。

例如,NBA 联盟在 30 个球队的比赛场馆安装了SportVU ICE 球队分析与追踪系统,SportVU摄像机每秒钟可拍摄 25 张图片,每张图片都有时间戳,计算机可将这些数据与比赛流媒体源连接到一起,在 90 秒内提供一份报告。

SportVU应用通过将视频和定制化报告结合起来,重新制作数据,进行深入的球队细节分析。该系统可制作和计算球员指标信息和 3D 模型,帮助球队更好地理解统计数据的重要性和比赛过程。

ICE 还能够测量球员的无球跑动和球员之间的间隔,该系统如今可以计算出速度、距离参数和能量区域效率,同时计算力量、爆发力和耐力,查询球员间隔、投篮轨迹和投篮区域。这些统计数据都将成为NBA球队获得比赛胜利、争夺冠军的体系的一部分。

比如通过对詹姆斯的大数据分析,能够了解詹姆斯的打法和习惯:詹姆斯在篮框左侧运球时,多选择投篮;而在篮框右侧时,主要用突破上篮...洞悉这些数据,教练就能制定出针对性的方法来防守詹姆斯(当然,防得住防不住是另外一回事了...)。

如今,几乎NBA每只球队都拥有数据分析专家,他们根据数据统计和分析,在比赛日、选秀大会和交易决定上提出重要建议,在这些数据专家的帮助下,花精力进行数据分析的球队胜率已经远高于不进行分析工作的球队,这就是大数据分析的力量。

但是,话又说回来,如果没有了詹姆斯,球队有再多的数据分析专家也是没用的...在一场比赛中,球队的实力依然是重要的,但大数据分析也切实能为球队带来帮助,实力+分析,是NBA赛场决胜的关键。

大数据和网球

无独有偶,大数据在网球运动中的应用也是由来已久。如今包括四大满贯,以及中国网球公开赛,大数据技术也已经融入其中。

同样,大数据在网球中的应用也是两个方面,一是改善观众体验,二是为球员提供数据分析,制定战术为致胜加码。比如一项“关键致胜因素”的大数据分析是对球员双方的历史交锋数据进行分析,为球员制定比赛致胜的关键指标。以2013年温网为例,“关键致胜因素”为对德约科维奇对阵穆雷各找到三个获胜关键指标:小德获胜的三个关键指标是:第4拍到第9拍获胜率、Ace球数量、回球成功率;穆雷的三个指标是:回球得分率、二发成功率和发球成功率。

而“比赛统计”是获取主要比赛统计数据,如ACE球、制胜分、双误、非受迫性失误、网前得分、破发点等,覆盖各个细节,将这些数据展现在球迷面前,球迷可以轻易获得感兴趣的数据。以澳网为例,2013年2月澳网期间,有684457名球迷到现场观看了比赛;澳网网站有1410万造访人次;澳网Social Leaderboard追踪到900多万涉及球员的Twitter。此外,澳大利亚网球协会在比赛期间获取了约60TB的数据和视频资源,本次赛事男子抽签127场比赛打了764盘。

而今,网球运动中球员间除了球技的比拼外,就是科技的竞争,如今几乎每个大牌球星背后都有一只服务团队,有着1~2名数据人员,负责搜集、分析球员及其竞争对手信息,为教练和球员提供战略支持。

大数据和杯

再说将要进行的巴西杯,大数据也已经冒出了头。足联已经公布了本届杯赛的11项数据统计,比如,本届杯赛共有236人参加过杯,包括20位前冠军,年轻及年长的球队分别是加纳和阿根廷,所有球员的平均年龄为27岁零5个月等等。

来看看其中是否有你感兴趣的:

236:总共有236名球员有参加杯的经历,其中西班牙为,共有16人,乌拉圭及喀麦隆分别以15人及13人列在第2及第3位。时间跨度的是哥伦比亚门将蒙德拉贡,他出战过1994年杯。

100%:本届杯赛的32强当中,仅有一支球队全部由本国联赛球员组成,那就是俄罗斯队。英格兰的23人有22人出自本国联赛,仅替补门将福斯特来自紧邻苏格兰联赛。相对而言,本国联赛球员比重的球队是波黑、科特迪瓦、加纳以及乌拉圭,各自只有1人,比重为4.3%。

58:总共有58名球员将在杯期间迎来自己的生日,开幕当天(6月12日),智利的伊斯拉以及澳大利亚的加莱科维奇将分别迎来26岁及33岁生日。本届杯赛年长的蒙德拉贡将在6月23日满43周岁,梅西也将在杯期间年满27岁。

297:所有的736名球员来自297家俱乐部,其中英格兰28家为,紧随其后的是德国的21家。贡献球员多的是拜仁(15人),紧随其后的是曼联(14人)。

20:所有参赛球员当中,共有20位曾经赢得过杯,其中上届冠军西班牙就占了16人,另外加上意大利的巴尔扎利、布冯、德罗西以及皮尔洛。

如果你想猜测杯中一些结果的话,是否能从这些统计中看出一些苗头来了?实际上,大数据分析所进行的正是类似人脑的这些分析和推断功能,但是机制要更加科学,数据来源也更庞大。

如果你看不出端倪,也不用着急,曾经预测奥斯卡结果的传奇分析师大卫·罗斯柴尔德(David Rothschild)通过大量的公开数据,如博彩市场、民意调查、社交媒体以及其它在线数据,以及杯历史数据,通过大数据分析手段得出了巴西杯的预测结果:巴西将夺冠,根据数据预测,巴西队的夺冠率达到22.5%,远远高于其他对手。随后依次为阿根廷、德国、西班牙、比利时。

这是否就是你心里的预测排名?

不能否认的是,杯是个充满变数的赛场,我们的预测结果也会随着赛事的变化而变化,这正也是数据参与的结果。大数据分析也是如此,随着杯开赛、数据的不断更新,预测结果也会有新的变化,也会更加精准。

除了大数据预测比赛结果,大数据也为本届杯参赛队的策略制定提供了支持。比如,一些团队正在使用像球门线和球跟踪技术此类的革新产品,这些技术可以在特定环境下测量球员的趋势从而球员的成绩。此外,视频分析技术使用关键字从比赛视频中和反馈特定行为的音频和视觉,让球队更加轻松的获得重要镜头的视频并建立“集”,以帮助球队对关键性比赛进行更有针对性的策略分析。

大数据说到底还是一门技术

如果大数据分析终成功预测了杯结果,你是否会惊叹,杯都没有悬念了!少了很多的看头!不能否认的,大数据正在给体育带来一股颠覆性的力量,它在改变着比赛,也在改变着观众的体验,甚会改变体育的观赏模式。

看到现在,也许您对大数据还是一头雾水,这种分析结果是如何实现的呢?归根结底,大数据还是一门技术,它并不神秘,是底层硬件技术、软件技术、分析工具共同作用的结果。比如NBA赛场中的SportVU ICE 球队分析与追踪系统就是架设在基于英特尔处理器的工作站上,得益于处理器的强大运算能力,能够在短的时间内提供报告。

大数据分析中涉及大量的计算任务,比如计算球员力量、爆发力和耐力,篮球轨迹和投篮区域等,这需要计算机具有强劲的“芯”。如今,芯片制造商也在将产品向大数据任务倾斜,比如英特尔新的强E7 v2,主打的就是大数据分析,提供了更快的数据处理速度、支持实时分析功能、相比上一代3倍内存容量,4倍I/O以实现更出色的响应能力,为大数据分析提供了有力支撑。

所以,与其说大数据在颠覆体育,不如说是技术在颠覆着生活。初次听到“大数据”的人可能会觉得它很遥远,实际它正在改变着人们的生活,我们身处其中而不自觉。

媒体文章均为第三方观点,仅供参考, 不代表英特尔官方观点。