日耳曼战车PK蓝白军团 大数据分析能否压中巅峰之战?

简介:

ZDNet至顶网软件频道消息 巴西世界杯半决赛已经结束,德国队以7:1的成绩血洗东道主巴西队,阿根廷则以点球大战4:2险胜荷兰,德国、阿根廷两队将在7月14日进行决赛。巅峰之战,德国战车是否依然势不可挡,克洛泽又能否在决战之时力压梅球王?答案揭晓近在咫尺,各界对赛果的预测热情也在此刻攀顶。

上届世界杯火了章鱼保罗,而今年世界杯神算子当属大数据分析。人们常说,数据决定不了任何事情,尤其是变数万千的体育赛事。这话一点没错,单一的数据就如一叶障目,不能说明任何问题。然而,当大数据分析浩浩荡荡地挺进绿茵场,把激烈的球赛变为一纸计算的时候,谁又能说大力神杯不会垂青熟谙此术的强队呢?

出道已有多年的大数据分析在本届比赛中可谓出尽风头,各IT公司纷纷用其对赛果进行预测,而现在也正是扒一扒各家预测实力的时候了。在四分之一决赛前,百度、谷歌、微软三大搜索巨头对四强结果进行了预测。结果表明,百度、微软预测完全正确,谷歌正确预测三支晋级球队。而在德国巴西开战之前,几乎所有的预测都倒向巴西,百度则预测德国队的胜率为51%,在这场被称为二战之后日耳曼虐人最狠的战役之后,百度的赛果预测准确率维持在100%的水平。

日耳曼战车还是白蓝军团 大数据分析能否压中巅峰之战?

百度预测决战结果,准不准决赛分晓 

百度预测的成功绝非靠蒙,其挖掘了过去5年全世界987支球队3.7万场国家队和俱乐部队的赛事数据,通过把球员信息、球队信息、赔率等赛前数据与真实比赛结果进行对比,构建世界杯预测模型。该模型共涉及到19972名球员和1.12亿条相关数据,所参考的数据包括百度搜索数据、球队基础数据、球员基础数据、赔率市场数据等,所分析的球队不仅包括207支国家队,还囊括了欧洲、南美、亚洲等联赛俱乐部及低级别球队信息。

本届世界杯,大数据不光忙着预测,更担起各球队的军师重位。在比赛过程中,球员的每个动作都被捕捉并转换为数据,这些反映球员竞技状态的即时数据则成了教练排兵布阵的重要依据。

日耳曼战车还是白蓝军团 大数据分析能否压中巅峰之战?

SAP Match Insights足球解决方案实时显示球员传递和进攻衔接的范围 

让我们看看德国队是怎么用大数据分析的吧,自2013年起,德国队引入基于SAP HANA的SAP Match Insights解决方案,其提供简明的用户界面,帮助球员和教练开展互动性更强的对话,分析球队训练、备战和比赛情况,提升球员和球队的成绩。在SAP的监测之下,10个球员用3个球训练,10分钟就能产生超过700个数据点。

说到赛场数据采集,不得不说可穿戴设备这个功臣。德国队战靴阿迪达斯adizero F50的鞋底设有专门搜集数据的miCoach速度传感器,可以记录瞬间速度、平均速度、最快速度、冲刺次数、步伐及步幅率在内的关键性指标。球员的鞋内以及护胫装备中也被放置了传感器,通过这些装置得以捕捉球员的各种细节动作与位置变化。然后经过后台迅速的处理后,教练只需手持一个平板,就能在Match Insights的界面上获得球员的全部数据和录像,让教练直观的了解每个球员的特色和优劣势,为团队配置以及战术制定提供重要参考。

除了赛果预测,训练球员,大数据分析还有一个好处,那就是优化球迷体验。本届世界杯,腾讯体育就利用IBM大数据分析技术,对网友在腾讯网络媒体平台及社交网络上发布的数据进行分析,获得关于球迷话题、球迷类型、球迷个性等一系列分析,为用户创造提供即时感更强的资讯信息。在腾讯世界杯专题报道的64场比赛中,还提供了对阵球队当前支持率的实时显示。高德地图也在央视的世界杯节目《豪门盛宴》中展示了“球迷分布热力图”,告诉喜欢热闹的球迷哪里才是扎堆儿看球的好去处。高德地图将球队支持率按行政区域划分,各地球迷喜好一图得见。

最后吐个槽,QQ大数据《中国球迷报告》显示,中国男球迷看的是球,而大波女球迷盯的是人。最受中国男球迷支持的球队是巴西,女球迷则是德国。男球迷最喜爱的球星是梅西,而女球迷最爱的居然是根本没出赛的贝克汉姆。

原文发布时间为:2014年07月10日 
本文作者:谭健
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。
目录
相关文章
|
3天前
|
机器学习/深度学习 数据采集 分布式计算
如何用Python处理大数据分析?
【6月更文挑战第14天】如何用Python处理大数据分析?
12 4
|
4天前
|
机器学习/深度学习 数据采集 分布式计算
基于spark的大数据分析预测地震受灾情况的系统设计
基于spark的大数据分析预测地震受灾情况的系统设计
|
4天前
|
分布式计算 数据可视化 Python
豆瓣短评大数据分析:探索用户观影趋势与情感倾向
豆瓣短评大数据分析:探索用户观影趋势与情感倾向
|
4天前
|
SQL 数据采集 数据可视化
基于Hive的招聘网站的大数据分析系统
基于Hive的招聘网站的大数据分析系统
|
4天前
|
SQL 关系型数据库 MySQL
基于Hive的天气情况大数据分析系统(通过hive进行大数据分析将分析的数据通过sqoop导入到mysql,通过Django基于mysql的数据做可视化)
基于Hive的天气情况大数据分析系统(通过hive进行大数据分析将分析的数据通过sqoop导入到mysql,通过Django基于mysql的数据做可视化)
|
11天前
|
数据采集 搜索推荐 大数据
基于大数据的市场分析与消费者行为研究
【6月更文挑战第5天】大数据在市场分析与消费者行为研究中扮演关键角色。通过海量数据分析,企业能更全面、精准地了解消费者偏好和市场趋势。Python等工具帮助处理数据,揭示购买习惯,支持个性化营销策略。同时,大数据使深入理解消费者心理、决策过程成为可能,助力企业优化产品,提升客户满意度和忠诚度。在这个数据驱动的时代,大数据是洞悉市场和消费者的魔法力量。
31 2
|
17天前
|
监控 数据可视化 搜索推荐
数据可视化:将大数据分析转化为视觉洞察
【5月更文挑战第30天】数据可视化是将复杂大数据转化为图形,便于理解和分析的工具,对于决策至关重要。它涉及选择合适的可视化方法、数据处理和探索性分析。应用广泛,如商业智能、客流管理、医疗服务和生产监控。未来趋势关注交互性、个性化及处理海量数据的挑战。掌握数据可视化将成为必备技能。
51 0
|
18天前
|
分布式计算 监控 Java
Java的大数据处理与分析技术 (2)
Java的大数据处理与分析技术 (2)
|
18天前
|
存储 数据采集 机器学习/深度学习
大数据基础:收集、处理与分析
【5月更文挑战第30天】本文探讨了大数据的基本概念、关键技术及应用案例。大数据是海量、多源、快速处理的数据集合,涉及数据采集、存储、处理和分析。关键技术包括使用Flume进行数据采集、Hadoop HDFS和NoSQL数据库存储数据、MapReduce和Spark进行批处理、以及Python的pandas和scikit-learn进行数据分析。应用案例涵盖了金融风控、医疗健康和智能交通等领域,展示大数据在风险评估、疾病诊断和交通管理等方面的潜力。随着技术发展,大数据将在更多领域发挥作用。
54 3
|
18天前
|
存储 运维 监控
探索云原生技术在大数据分析领域的应用
传统的大数据分析往往需要庞大的硬件设施和复杂的维护工作,给企业带来了昂贵的成本和管理难题。而随着云原生技术的发展,越来越多的企业开始将大数据分析迁移到云平台上,以享受弹性、灵活性和低成本的优势。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势和挑战,并展望未来的发展方向。
22 0

热门文章

最新文章