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
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,足球运动的“料理师” 

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。

大数据分析,足球运动的“料理师” 

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。

大数据分析,足球运动的“料理师”

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?


原文发布时间为:2016-07-19

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。



相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
2月前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
3月前
|
数据可视化 搜索推荐 大数据
基于python大数据的北京旅游可视化及分析系统
本文深入探讨智慧旅游系统的背景、意义及研究现状,分析其在旅游业中的作用与发展潜力,介绍平台架构、技术创新、数据挖掘与服务优化等核心内容,并展示系统实现界面。
|
4月前
|
数据采集 人工智能 分布式计算
ODPS在AI时代的发展战略与技术演进分析报告
ODPS(现MaxCompute)历经十五年发展,从分布式计算平台演进为AI时代的数据基础设施,以超大规模处理、多模态融合与Data+AI协同为核心竞争力,支撑大模型训练与实时分析等前沿场景,助力企业实现数据驱动与智能化转型。
381 4
|
4月前
|
JSON 大数据 API
巧用苏宁易购 API,精准分析苏宁易购家电销售大数据
在数据驱动的电商时代,精准分析销售数据能助力企业优化库存、提升营销效果。本文详解如何利用苏宁易购API获取家电销售数据,结合Python进行数据清洗与统计分析,实现销量预测与洞察提取,帮助企业降本增效。
107 0
|
5月前
|
消息中间件 NoSQL 数据可视化
数据说了算,可你得“听得快”——聊聊大数据里的实时分析
数据说了算,可你得“听得快”——聊聊大数据里的实时分析
136 2
|
3月前
|
存储 SQL 分布式计算
终于!大数据分析不用再“又要快又要省钱”二选一了!Dataphin新功能太香了!
Dataphin推出查询加速新功能,支持用StarRocks等引擎直连MaxCompute或Hadoop查原始数据,无需同步、秒级响应。数据只存一份,省成本、提效率,权限统一管理,打破“又要快又要省”的不可能三角,助力企业实现分析自由。
223 49
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。
|
2月前
|
传感器 人工智能 监控
拔俗多模态跨尺度大数据AI分析平台:让复杂数据“开口说话”的智能引擎
在数字化时代,多模态跨尺度大数据AI分析平台应运而生,打破数据孤岛,融合图像、文本、视频等多源信息,贯通微观与宏观尺度,实现智能诊断、预测与决策,广泛应用于医疗、制造、金融等领域,推动AI从“看懂”到“会思考”的跃迁。

热门文章

最新文章