大数据能否破解模拟体育竞技类游戏性质之谜?

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:

“每日”模拟体育竞技类游戏(以下简称DFS)的走红是一个近期值得关注的现象, 有人认为这绝对是一个依靠技巧的游戏,而其他人则声称这是另一种形式的赌博,而且应该是非法的。

号称“下一个热点”的DFS正在席卷北美市场并逐渐蔓延到了欧洲。其实它的玩法非常简单:体育爱好者可以在全世界范围内挑选自己喜爱的世界级运动明星组成队伍,然后根据特定的得分规则来获取模拟积分。

目前,在美国大多数州,模拟体育竞技(包括DFS)通常被认为是一个依靠技巧的游戏,因此并未被视为赌博(通常赌博会包含运气和机会的成分)。然而,美国有几个法律更加严苛的州,则制定了相关法律禁止此类模拟体育竞猜的运营。这些州目前包括,亚利桑那州、蒙大拿州、路易斯安那州、爱荷华州和华盛顿州(注:非华盛顿特区)。




在美国联邦政府的层面上, 参照2006年小布什总统签署的非法网络赌博执行法案(UIGEA)的相关规定,模拟体育竞技其实是合法的。其中有一个明确的条款指出,此法案不适用于模拟体育竞技,教育类游戏,或其他通过参与者的相关知识或技能得到产出(而非通过运气)的在线竞赛类游戏,而且,在此类模拟体育竞技中,得到的产出主要通过体育赛事的累积统计结果,如各种单项得分,团队成绩以及个人成绩等……”

英国: DFS=体育博彩

在欧洲确定DFS的法律问题并不容易,因为欧洲各国对什么是在线博彩的视角不尽相同, 同样的情况发生在何如区分技巧类博彩和运气类博彩。大多数欧洲国家已经允许模拟体育竞技类游戏获得其传统在线博彩牌照。其中最明显的例子是,在英国 DFS与传统博彩和赛马被认定为同类。因此,其运营商则需要从博彩委员会获得一个“博彩”牌照。而欧洲有些国家还没有意识到DFS的存在,所以他们的立法者目前对此问题暂无看法。

在许多国家,比如德国, 对赌博的定义是基于对比赛结果产生决定性的因素是在于技巧还是运气。这样的区别方法对完全依赖技巧的游戏或完全依赖运气的游戏来说很简单,然而大多真实的情况则更为复杂和不确定。是相关的技巧还是运气在主导着比赛的结果? DFS是更像国际象棋, 这种公认为依靠技巧的游戏(而非赌博),还是更像轮盘赌那种纯粹的依靠运气的游戏呢?


根据汉堡大学的资深研究员英戈·费德勒的看法, DFS应当定义为混合游戏。“DFS到底是依靠技巧还是运气需要具体问题具体分析。从法律、管理的角度和诸如纳税构成等的其他角度上区分游戏为技术型还是运气类有较大区别。从法律的角度看, 判定的依据是根据大多数的玩家是依靠技巧还是运气。从这个角度来看, 我认为DFS更多是依靠运气。从诸如纳税的其他目的来说, 如果纳税者大部分为职业DFS玩家, 那应视DFS为一种技巧比赛, 因为职业玩家用的是技巧在参与。

导致这种区别的原因取决于重复参与次数: 此类混合游戏重复的次数越多, 其可被获取的技巧就越多。费德勒表示,有些体育竞猜玩家因为参与的次数不多所以无法获取相应技巧。“然而,某些专业玩家(类似专业赌球者),参与的次数足够多以至于达到了所谓的临界重复频率(CRF)阈值, 从而使此类混合类游戏可以通过技巧来主导结果。“费德勒强调临界重复频率对模拟体育的应用类似于其最初应用在扑克上。

欧洲最知名的足球模拟竞技游戏公司——Oulala的CEO的瓦雷里•博利耶表示, 区分DFS是技巧类游戏而非运气类游戏最大的依据在于, DFS的最大的意义在于证明给你的朋友,你比他们更懂体育:“结果必须尽可能的接近现实。如果你有渊博的足球知识,按理你应该能击败你那只对足球一知半解的朋友。因此,如果比赛的结果是随机的,你的朋友则有可能会击败你,这当然是无法接受的。“换句话说,如果这个游戏是靠运气的, 还有什么意义去玩呢?

那么, 玩DFS都需要什么技巧呢?美国模拟体育交易协会(FSTA)的网站上写到,DFS的玩家“为了保持竞争力,玩家必须考虑大量的统计数据,相关常识以及博弈论知识”。


瓦雷里•博利耶相信Oulala可以通过大数据让其客户成为一个技巧丰富的玩家:“我们的竞猜基石为一个强大的数学矩阵, 它能帮助我们的竞猜结果尽可能接近现实。我们的统计系统积累了近70年足球比赛数据, 并根据每个球员的位置进行衡量 (门将、后卫、中场、前锋),来让我们的竞猜更贴近现实的足球比赛。”


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
|
3月前
|
数据采集 人工智能 安全
AI大数据处理与分析实战--体育问卷分析
本文是关于使用AI进行大数据处理与分析的实战案例,详细记录了对深圳市义务教育阶段学校“每天一节体育课”网络问卷的分析过程,包括数据概览、交互Prompt、代码处理、年级和学校维度的深入分析,以及通过AI工具辅助得出的分析结果和结论。
|
3月前
|
SQL 分布式计算 大数据
"大数据计算难题揭秘:MaxCompute中hash join内存超限,究竟该如何破解?"
【8月更文挑战第20天】在大数据处理领域,阿里云的MaxCompute以高效稳定著称,但复杂的hash join操作常导致内存超限。本文通过一个实例解析此问题:数据分析师小王需对两个共计300GB的大表进行join,却遭遇内存不足。经分析发现,单个mapper任务内存默认为2GB,不足以支持大型hash表的构建。为此,提出三种解决方案:1) 提升mapper任务内存;2) 利用map join优化小表连接;3) 实施分而治之策略,将大表分割后逐一处理再合并结果。这些方法有助于提升大数据处理效率及稳定性。
86 0
|
3月前
|
机器学习/深度学习 分布式计算 大数据
大数据迷局:如何用PyODPS破解回归分析之门?
【8月更文挑战第20天】随着大数据技术的发展,回归分析在处理海量数据时愈发重要。PyODPS是阿里云MaxCompute上的Python库,支持高效的数据处理。本文通过示例展示如何使用PyODPS进行回归分析:从安装库、连接MaxCompute、读取销售数据,到数据预处理、构建线性回归模型、预测销售额及评估模型性能(如计算RMSE)。这一流程体现了PyODPS在大数据环境下的强大功能。
64 0
|
4月前
|
SQL 分布式计算 大数据
MaxCompute产品使用合集之PyODPS Python类的开发如何用MC的资源
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
5月前
|
SQL 分布式计算 大数据
MaxCompute产品使用问题之建了一个python 的 UDF脚本,生成函数引用总是说类不存在,是什么导致的
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
4月前
|
分布式计算 Java 调度
MaxCompute产品使用合集之使用Tunnel Java SDK上传BINARY数据类型时,应该使用什么作为数据类字节
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
存储 数据采集 XML
大数据数据采集的数据来源的日志数据之搜索类数据
在大数据领域,数据采集是一个非常重要的环节。日志数据已经成为了大数据应用中不可或缺的一部分,尤其是搜索类数据。本文将介绍搜索类日志数据作为数据来源的特点以及其采集流程。
183 0
|
Java 大数据 Scala
大数据开发基础的编程语言的Scala的类和对象
Scala是一种基于JVM的编程语言,它支持面向对象编程和函数式编程。本文将介绍Scala中类和对象的概念和用法,帮助开发者更好地理解和应用这门语言。
74 0
|
大数据
《游戏大数据通用场景和案例分析》电子版地址
《游戏大数据通用场景和案例分析》PDF
111 0
《游戏大数据通用场景和案例分析》电子版地址
|
大数据 API Java
大数据基础之java常用API一(Object类、String类、StringBuilder类)
大数据基础之java常用API一(Object类、String类、StringBuilder类)
196 0
大数据基础之java常用API一(Object类、String类、StringBuilder类)
下一篇
无影云桌面