大数据分析,足球运动的“料理师”

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:

球赛开始2小时前,ProZone公司的数据分析师们就已经早早的坐在了各种设备前。在接下来的4个小时内,他们将不断的进行比赛记录、慢镜回放、动作分析,四年轮回的等待换来这难得的丰收时刻。智慧的他们知道,即使一天之隔的两场比赛,队员的表现也是截然不同的。凭借对数据本能的直觉,每场比赛,他们都会穿梭于不同的城市,尽量将这份自然的馈赠完美的保存下来……

这不是舌尖上的中国,而是欧洲杯期间常见的一幕场景。随着大数据技术在足球运动中的应用日益广泛,大数据分析师正逐渐成为现代足球中一种另类的“食材料理师”,用数字化的方式解读比赛,帮助教练、俱乐部这些“大厨”们烹饪出更美味的“食物”。


  大数据分析,现代足球的“食材料理师”

大数据和足球的关系,人们理解或者是接触最多的就是对比赛结果的预测。如高盛和德银等投行就通过将FIFA排名、过往战绩、近期表现、球员身价、赌球赔率、国家经济等一系列数据综合反映出的球队实力作为预测依据去考量比赛结果。其实,在足球赛场上大数据分析,已经被运用在了战术布置、球员训练等各个领域。

现在,英超的20支球队都在主场配备了8-10台数码摄像机来捕捉球员在球场上的表现。现在的统计技术可以精确到每一秒,一场比赛下来会记录下22名球员的10个技术统计项目,共140万项数据。而类似ProZone这样的大数据服务公司接下来会把这些数据进行编码,分析每一次拦截、射门或者传球,供主教练和数据分析师来判断场上到底发生了什么。


而对于主教练来说,使用大数据的价值在于寻找到关键的1%部分。比如说,在2006年德国与阿根廷的点球大战中,德国门将莱曼得到了一张小纸条,上面记录着阿根廷核心球员的点球习惯:里克尔梅,惯射左;克雷斯波,助跑距离长为右,助跑距离短为左;海因策,惯射左下;阿亚拉,等待时间长+助跑距离长为右;梅西,惯射左;艾马尔,等待时间长为左;罗德里格斯,惯射左。根据这张纸条的内容,莱曼选对了所有点球的方向,并扑出了阿亚拉和坎比亚索的点球,让德国顺利挺进半决赛。

这张小纸条的提供者便是科隆德国体育学院的一个志愿者团队“科隆团队”,他们在2010年打造的“梅西计划”帮助德国队在八强战中又一次重创阿根廷队。经过分析,他们为德国队如何防守梅西提出一个解决方案:在梅西每一次拿球的时候,德国队都应该有两名后卫在他的身旁,一个在梅西前方一码的位置,另一个在梅西后方一码的位置。最终德国队4-0完胜阿根廷队,梅西几乎全场隐身。

“科隆团队”在2006年的时候还只是由16名学生组成一个团队,负责分析31支球队;而到了2012年欧洲杯的时候,这个团队已经拥有了45名成员,负责15支球队的分析。在四年前的欧洲杯开幕之前,德国队教练组得到了一份几百页的资料;而在欧洲杯进行的过程当中,他们还得到了一份40页的简报,和记录了对手们详细情况的视频光盘。这些文件已经变得越来越精密:后卫们的转身时间,边锋们常用的进球线路,一名后卫阻断对手进攻的最佳距离——这些现代数据使得数据分析上升到了一个全新的层次。

大数据需要天资聪颖的“弟子”

虽然大数据分析对提升球队水平价值巨大,但想要真正发挥这项技术的价值并非吃饭喝水那么简单。如果将ProZone、Opta等数据服务公司看作是一个个“流派”,那么天资聪颖、根骨奇佳的“弟子”与天生驽钝、根骨不好的“弟子”,学习同样的“秘笈”所消耗的时间与学习效果,显然不可同日而语。因此,虽然大数据技术的核心是软件,但大数据处理平台的好坏同样也非常重要。

那么如何选择一个好的大数据处理平台呢?简单来说有三点,就是存的起、扩的开、算的快。要知道,足球大数据的足球运动中产生的数据量远远超出了我们的想象。打个比方,10个球员用3个球进行训练,10分钟就能产生出700万个可供分析的数据点,这仅仅是运动传感数据的一部分,要进行全面的分析,还要对视频录像、监控等非结构化数据、现场采集的球员运动数据以及历史存档数据进行采集处理和分析,数据规模可达上百GB甚至达到TB级,而每支球队每年的比赛时间以30场计算都要达到2700分钟,其中生产出来的数据规模可想而知有多大。

浪潮近期推出的云海Insight大数据处理平台,所包含的三个产品组件:云海Insight HD、云海Insight MPP、云海Insight MemDB,可以分别对应不同的大数据应用场景,涵盖了当前主流的分布式数据存储和计算组件,能支持结构化、非结构化、半结构化等几乎全部数据类型的处理。帮助用户方便快捷地架起完整的大数据处理平台,对各类数据进行整理、交叉分析、比对碰撞、内容检索、深度挖掘、特征提取等。帮助用户构建海量数据的“极速”处理能力,应对大数据的复杂应用场景,发掘大数据的真正价值。


当足球遭遇大数据,人们不禁会疑虑,未来的比赛胜负到底是靠计算还是直觉?其实,大数据技术从现在来看,更多的还是在提升球员水平、制定合理战术层面发挥作用,而决定比赛胜负的除了这些,还有球员的临场发挥等不确定因素,偶然性恰恰是足球比赛最大的魅力所在。因此,比赛数据落后的葡萄牙最终获得欧洲杯冠军,才会让葡萄牙球迷更加欣喜若狂,却让法国球迷无法接受。我们只需要知道,大数据会让比赛对抗更加激烈、好看就足够了,不是吗?





====================================分割线================================


本文转自d1net(转载)

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 
目录
相关文章
|
2月前
|
搜索推荐
师资培训|AIGC在高校教学中的应用场景与案例分析-某产教科技公司
北京新大陆时代科技有限公司举办新一代信息技术名家大讲坛系列培训,旨在提升教师专业素质,加强“双师型”教师队伍建设。TsingtaoAI作为培训伙伴,提供全面支持。培训涵盖AIGC在高校教学的应用场景、教案生成及个性化教学资源定制等内容,助力提升教学质量与人才培养。
87 0
|
数据采集 数据建模 API
系统分析师笔记-信息化与系统集成技术
系统分析师笔记-信息化与系统集成技术
|
机器学习/深度学习 存储 人工智能
登上联合国教科文组织讲台!阿里云分享大模型+教育数字化经验
登上联合国教科文组织讲台!阿里云分享大模型+教育数字化经验
237 0
|
机器学习/深度学习 人工智能 数据可视化
基于阿里云平台的大数据教学案例 —— 人工智能岗位数据分析
基于所学的大数据处理知识,结合阿里云大数据相关产品,完成一个大数据分析项目,能够使用阿里云大数据相关产品完成数据分析、数据建模与模型优化、能够基于分析结构构建可视化门户或可视化大屏、分析案例有实用价值并能够形成有效结论、能够将开源技术与阿里云产品结合,综合利用提升开发效率,降低成本,最后完成数据分析报告和结果展示
1699 0
基于阿里云平台的大数据教学案例 —— 人工智能岗位数据分析
|
人工智能 算法 大数据
职播间 | 大数据分析工程师的求职分享—从大厂到初创企业的决策之路
在国内市场,人工智能和大数据领域人才出现巨大的缺口。而数据分析师入行需要的技术能力较易,转行/自学性价比极高,成为大数据领域的热门职业。
381 0
|
新零售 人工智能 自然语言处理
AI流行预测师、直播选品师、垃圾分类师……阿里公布100种新职业
普惠是阿里巴巴经济体创造新职业的一个关键词。
|
人工智能 数据挖掘 数据采集
人工智能相关职位数据分析-需求分析
数据收集-爬虫阶段需求 1.利用爬虫收集各大招聘网站的职位数据 2.收集不同职位的招聘信息数据 3.收集全国范围内的招聘信息数据 4.收集字段要求: 职位名title 公司名company 工作地点workPlace(最好精确到市下面的区) 薪资sal...
1373 0