大数据能把球迷从沙发里拉到运动场上么

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

如今数据分析无处不在,这已经不是什么秘密了。我们现在可以对任何事物进行定量的测量,大到上EB的有结构、有组织的“大数据”,小到一个人在跑步过程中的心率。如果这些数据被收集、被解释并最终派上用场,那么这对个人或一项产业的影响都将是深远的。

体育产业就是一个特别典型的例子。在运动圈里,有很多因素无法通过简单的数字表示,各个体育俱乐部就越来越倚重那些拥有数据分析博士学位的统计数据狂热者。棒球比赛的统计分析正在经历着一场革命,这促使各俱乐部开始利用基于可穿戴技术的运动分析,提高运动员训练质量,甚至用来提高比赛场馆的收益。

大数据

球迷更愿意愿在沙发上看比赛而不是亲临现场

几十年来,电视广播公司一直致力于为观众打造能匹敌现场的收视体验,而且他们也成功了。1998年ESPN的一项投票活动的结果显示,54%的球迷更愿意在家收看比赛。到了2011年,愿意去现场观赛的球迷只占29%。

尽管这一数字在不同体育项目中不尽相同,但是总体的趋势是非常明显的:人们更偏向于在舒适的家中观赛,而不是去现场。在家里我们有冰箱还有整洁的卫生间。而且现在好多球迷都希望能同时收看多场比赛,有不少铁杆球迷同时开着两台电视播放不同的比赛,旁边还用平板电脑播放另一场比赛。

不过一些球迷可能被吸引回赛场。45%的超级球迷(那些总是或者常常买赛季套票的球迷)很可能愿意花更多的钱体验更好的现场比赛。可穿戴技术在这些球迷身上就发挥作用了。

大数据

大数据大数据

乍看之下,可穿戴设备和数据科学唯一的应用似乎就是监视、提升运动员的表现。这其中可能涉及测量运动员心率、奔跑距离、反应时间、手速,计算投射弧线等指标,同时还可以监测运动员体态指标例如冲撞、疲劳等。

例如,N每个NBA球场都有一套SportVU设备。它集成了一组基于GPS技术的摄像头,以25Hz的频率来跟踪篮球和所有运动员的运动状况。球队可以从这些设备采集到的数据中计算出球员奔跑速度、奔跑距离、场上球员间距、控球状况,据此来控制队员的上场时间。

类似的,Adidas开发了一款名为Micoach的产品。该系统在德国国家足球队的训练中,被用来监测每位球员的奔跑速度、奔跑距离以及心率。2014年世界杯决赛中,格策在第88分钟被替换上场,并在第113分钟打进制胜一球,为德国队锁定胜局。此后Micoach饱受赞扬,因为它在这个关键性的换人决定中发挥了巨大作用。

与此同时,也有一些俱乐部利用可穿戴技术为现场球迷提供福利。例如克利夫兰骑士队不仅利用SportUV系统调节詹姆斯的上场时间,还借助它将旧的速贷球场翻修一新。另外,骑士队还将把独家收集的统计数据实时地同步到5500平方英尺(515.6平方米)的超大LED屏幕上。这些数据也会被进一步用来投放广告,以开拓社交网络上的市场。

数据分析是如何提升现场观赛体验的

除了把有趣的统计数据在大屏幕上播放之外,有些场馆还能借助来自运动员和球迷的数据,为场内观众带来体验上的升级。实际上在这些场馆的座位中,都安装有一些设备,配合不同的软件,它们可以监测场馆内观众的体验情况。

有些时候,这些技术能做到的不仅仅是模拟现场的观赛体验。例如萨克拉门托国王队就在2014年与谷歌合作。他们请众多的场边技术人员佩戴上谷歌眼镜,而场内的观众可以通过移动设备体验到来自边线的第一视角。如果没有这项技术,身在上层看台的观众根本无法得到如此近距离的体验。

位于圣塔克拉拉的李维斯球场(旧金山49人队的主场)装备有一个强大的光纤网络。这座球场分布有680个Wi-Fi接入点(每个点可覆盖场内的100个座位)和约12000个以太网接入点,这使得每台摄影设备以及手机都能接入带宽40G的超高速网络。这个速度是官方对“宽带网络”定义的10000倍。场内的1700个无线信标使用蓝牙连接以及三角测量法计算出每个球迷的位置,并为他们指出方向。那些不愿意离开座位的观众,可以通过一款定制的软件点餐送餐,还能查看比赛的回放。

与此同时,迈阿密海豚队与IBM合作,利用他们首创的“智能城市”对天气状况、停车场车位以及球票销售情况进行监测,并作出相应调整。达拉斯牛仔队的AT&T球场装备有2800个监控摄像头和五百万英尺的光缆,这些光缆承担了从收集数据到球场内点餐下单的任务。

显然不仅是NFL球队在利用数据分析手段从各面帮助球队。位于布鲁克林的巴克莱球场是网队的主场,它利用一个名叫Vixi的系统,将推文进行筛选之后显示在场内的大屏幕上。在球迷登陆球场Wi-Fi的时候,球迷的基本个人信息会被AmpThink系统收集起来。如此一来,球队可以了解球迷接入网络的方式、方位,还有他们在球场里用手机使用了什么服务。现在观众已经可以在球场里的座位上点餐,可以收看不同角度的回放。将来,他们还可以通过软件查看卫生间排队情况以及到达卫生间的最佳路线。

有些人认为,在观赛过程中过多的使用网络会分散球迷的注意力。的确,很难设想一个人一直盯着手机的同时还能很好地享受比赛。但是如果球迷使用手机软件可以省下上厕所排队与离席买食物的时间,那么他们将可以更完整地观看比赛。

当然享受科技带来的便利并不是免费的,这将会反映在票价上。有些球迷会认为这完全是值得的。这些服务面世后,球迷可以选择以较高票价免去排队的麻烦,也可以选择常规的票价。

利用数据将球迷赢回球场

当今大多数俱乐部都开始利用可穿戴技术和不同形式的数据分析,这已经成为了球队运营的一部分。有了高速的Wi-Fi连接、便利的饮食供应、及时的比赛回放,以及无需排队的卫生间,球迷完全可以在感受比赛现场的氛围的同时,享受到像在家一般的舒适。


本文作者:佚名

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
大数据 CDN
世界杯阿里云大数据报告来了!江浙球迷最热情,广东球迷最任性!
这个夏天,是属于世界杯的! 我们哭过笑过,目送喜欢的球队黯然离场,欢呼支持的球队一步步向胜利迈进,所有人为足球喝彩,为体育竞技精神而振奋。 看世界杯怎么少得了八卦和吃瓜,最近全球前三的云服务商阿里云发布了一份世界杯大数据报告, 想知道,谁能登顶球迷心中的人气王,哪场对战让人频频上天台,哪支球队最让人大跌眼镜? 答案都在这里! 阿里云大数据显示:魔性C罗、佛系梅西,还有总是受伤的内马尔,三位实力流量小生C位出道,成为观众老爷们心中的最爱。
2291 0
|
21天前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
22天前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
44 3
|
1天前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
|
5天前
|
SQL 存储 大数据
大数据中数据提取
【10月更文挑战第19天】
15 2
|
21天前
|
SQL 消息中间件 大数据
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
33 1
|
21天前
|
SQL 大数据 Apache
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
59 1
|
22天前
|
分布式计算 监控 大数据
大数据-148 Apache Kudu 从 Flink 下沉数据到 Kudu
大数据-148 Apache Kudu 从 Flink 下沉数据到 Kudu
45 1
|
23天前
|
消息中间件 缓存 NoSQL
大数据-49 Redis 缓存问题中 穿透、雪崩、击穿、数据不一致、HotKey、BigKey
大数据-49 Redis 缓存问题中 穿透、雪崩、击穿、数据不一致、HotKey、BigKey
38 2