德国队大胜背后也有HANA大数据分析功劳

简介:

ZDNet至顶网软件频道消息(文/蒋湘辉): 7月9日凌晨,连续四届杀入半决赛的德国队以7:1大胜巴西队率先进入2014年世界杯决赛并创造了多项历史。回首德国队进入决赛的的整个历程,小组赛4-0大胜葡萄牙、2-2战平加纳、1-0小胜美国。1/8决赛加时赛2-1击败阿尔及利亚,1/4决赛1-0小胜法国,半决赛7-1横扫巴西。而德国队的顺利晋级不仅来自自身的实力,基于SAP HANA平台Match Insights足球解决方案也为德国国家队帮了忙。

在上海举办的SAP论坛的“科技足球”展区,工作人员介绍了用Match Insights足球解决方案分析2013年底德国队和意大利队比赛的详细数据分析的方式。“Match Insight不仅能够实时追踪了所有场上球员的信息,每名选手和整体团队的移动数据、控球百分比等数据,还可以分析双方在比赛中的实时阵型变化、防守范围和防守空挡,使足球专家和球迷都能通过数据看懂比赛。”工作人员还表示,“在本届世界杯上,德国队主教练勒夫在每场比赛之后能够在Match Insights中看到更详细的数据。”

德国队大胜背后也有HANA大数据分析功劳

 图注:SAP论坛的工作人员在“科技足球”展区介绍以HANA平台搭建的SAP Match Insights足球解决方案(蒋湘辉 摄)

德国队大胜背后也有HANA功劳

图注:SAP Match Insights足球解决方案演示防守队员形成的空挡,扇形阴影区以外的区域即为空挡区。

德国队大胜背后也有HANA功劳

图注:SAP Match Insights足球解决方案演示德国队在和意大利比赛中的实时阵型变化。

德国队大胜背后也有HANA功劳

图注: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。

德国队大胜背后也有HANA功劳

 上海SAP论坛展区中的足球宝贝。(蒋湘辉摄) 

德国队大胜背后也有HANA功劳

图注:7月在上海举办的SAP论坛中的科技足球展区全景。(蒋湘辉 摄)

原文发布时间为:2014年07月09日
本文作者:蒋湘辉
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
|
23天前
|
存储 大数据 测试技术
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
在大数据环境中,数据存储格式直接影响查询性能和成本。本文探讨了 Parquet、Avro 和 ORC 三种格式在 Google Cloud Platform (GCP) 上的表现。Parquet 和 ORC 作为列式存储格式,在压缩和读取效率方面表现优异,尤其适合分析工作负载;Avro 则适用于需要快速写入和架构演化的场景。通过对不同查询类型(如 SELECT、过滤、聚合和联接)的基准测试,本文提供了在各种使用案例中选择最优存储格式的建议。研究结果显示,Parquet 和 ORC 在读取密集型任务中更高效,而 Avro 更适合写入密集型任务。正确选择存储格式有助于显著降低成本并提升查询性能。
123 1
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
|
2月前
|
分布式计算 Hadoop 大数据
Jupyter 在大数据分析中的角色
【8月更文第29天】Jupyter Notebook 提供了一个交互式的开发环境,它不仅适用于 Python 编程语言,还能够支持其他语言,包括 Scala 和 R 等。这种多语言的支持使得 Jupyter 成为大数据分析领域中非常有价值的工具,特别是在与 Apache Spark 和 Hadoop 等大数据框架集成方面。本文将探讨 Jupyter 如何支持这些大数据框架进行高效的数据处理和分析,并提供具体的代码示例。
49 0
|
7天前
|
JSON 数据可视化 数据挖掘
Polars函数合集大全:大数据分析的新利器
Polars函数合集大全:大数据分析的新利器
15 1
|
20天前
|
存储 分布式计算 Hadoop
大数据分析的工具
大数据是一个含义广泛的术语,是指数据集,如此庞大而复杂的,他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源:传感器,气候信息,公开的信息,如杂志,报纸,文章。大数据产生的其他例子包括购买交易记录,网络日志,病历,军事监控,视频和图像档案,及大型电子商务。
27 8
|
1月前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
82 11
|
2月前
|
分布式计算 数据可视化 大数据
Vaex :突破pandas,快速分析100GB大数据集
Vaex :突破pandas,快速分析100GB大数据集
|
2月前
|
大数据 机器人 数据挖掘
这个云ETL工具配合Python轻松实现大数据集分析,附案例
这个云ETL工具配合Python轻松实现大数据集分析,附案例
|
2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。
|
2月前
|
消息中间件 前端开发 安全
第三方数据平台技术选型分析
这篇文章分析了第三方数据平台的技术选型,涵盖了移动统计平台、自助分析平台和BI平台的不同代表厂商,讨论了它们的数据源、使用要求和适用场景。
40 2
|
2月前
|
存储 分布式计算 数据处理
MaxCompute 的成本效益分析与优化策略
【8月更文第31天】随着云计算技术的发展,越来越多的企业选择将数据处理和分析任务迁移到云端。阿里云的 MaxCompute 是一款专为海量数据设计的大规模数据仓库平台,它不仅提供了强大的数据处理能力,还简化了数据管理的工作流程。然而,在享受这些便利的同时,企业也需要考虑如何有效地控制成本,确保资源得到最优利用。本文将探讨如何评估 MaxCompute 的使用成本,并提出一些优化策略以降低费用,提高资源利用率。
59 0

热门文章

最新文章

下一篇
无影云桌面