釋放大数据的力量：革新運動分析
運動賽事變得更具競爭力，也更受觀眾歡迎，這在很大程度上要歸功於大數據。自 1990 年代以來，從小型聯盟到職業運動員，每個人都利用它來提高運動表現、觀眾參與度以及行銷和品牌策略。競賽勝利取決於與之密切相關的大數據服務，例如運動表現、健康資訊、訓練統計數據和分析。大數據時代對運動產業的發展產生了重大影響。
大數據會扭曲現實嗎？
正如你吃什麼像什麼一樣，你的想法和行為也會受到你接觸的材料的影響，這是一個普遍的道理。這就是使用沒有背景配樂的二進制數字進行虛擬化的現實，這經常使人們對嘗試將打折的結果正常化產生懷疑。
麥肯錫全球研究所提出了大數據的概念，其中包括四個特徵：容量（volume）、種類（variety）、速度（velocity）和價值（value）。借鑒麥肯錫全球研究所對大數據的定義，運動大數據可以定義為一種運動數據集合，其規模之大，使其能夠獲取、儲存、管理和分析，遠遠超出傳統資料庫軟體工具的能力，包括五個特徵：容量（volume）、種類（variety）、速度（velocity）、準確性（veracity）和價值（value）。每天有數百萬所學校、各種賽事和社群產生數億條運動數據，這代表了容量（volume）特徵。速度（velocity）特徵可以通過運動數據的增長率來反映。運動大數據的種類（variety）來源於它包含各種實體和關係，這使得運動大數據系統更具挑戰性。
專業運動領域為大數據提供了巨大的機會，全球市場價值超過 900 億美元。運動參與者和觀眾不再依賴直覺、經驗和講故事，而是可以檢查揭示真實情況的數據，以協助遊戲的各個方面。
大數據科學不僅僅是一個時髦的術語。由於大數據解決方案具有管理大數據的巨大容量和快速速度的能力，資料科學現在提供了豐富的潛力。然而，僅僅因為一場比賽的結論可能在更大的範圍內並不重要，並不意味著它「只是一場比賽」。
高度個人化的運動廣播
通過獲得獨家和多年的權利來直播不同的足球聯賽，我們可以最好地了解足球消費者的統計數據，以及消費者的習慣——例如，他們是觀看精彩片段還是完整的比賽，或者兩者都觀看。
「隨著我們收集更多關於消費者的數據，我們能夠為不同的市場構建多樣化的產品，並通過可擴展的商業模式與各種組織合作。」
MyCujoo 的 CEO Pedro Presa 這樣評價個人化分析
通過大數據分析加速訓練成果
為了突出球隊和對手的優勢和劣勢，教練通常必須花費數小時仔細剪輯比賽影片。
然而，使用像 Hudl 這樣的程式可以快速上傳比賽錄影、創建報告並與球隊分享評論，這可以節省教練大量的時間。
數據支援的球員招募
根據 Moneyball 假說，球隊可以購買其他球隊低估的資產，並出售其他球隊高估的資產。
打者上壘的頻率在棒球中被稱為上壘率，而長打率被認為是一種被高估的資產（球員獲得額外壘打的頻率——二壘安打、三壘安打或全壘打）。
上壘率 % 在成功中發揮了重要作用，但在球員薪資中卻沒有發揮作用，這表明球員很便宜但很有才華。因此，Beane 以較低的成本聘用了上壘率較高的球員。
智慧運動員恢復追蹤和改進
運動員的訓練方式會影響他們的表現。運動員必須確保他們有精心計劃、營養豐富的膳食，晚上有充足的睡眠，有精力訓練和比賽，遵循正確的訓練和運動計劃，並且有能力處理運動世界帶來的心理障礙。
為了他們的好處，有一些應用程式可以向兒童展示如何處理他們生活的所有這些方面。
無論是歷史資訊、關鍵記分、演算法的效能預測，還是明確的球員統計數據，大數據都是運動產業的重要組成部分。
對球員統計數據、他們的能力和完整效能能力的集體理解是推動專業運動領域成果的因素。無論是專業、新手還是青少年運動，大數據分析都顯著改變了運動業務。大數據通過將統計數據轉換為穩定且易於理解的內容，並管理定性和定量資訊，從而改變了運動產業。
主要市場趨勢
足球在運動分析市場中佔據最大的份額
• 由於人們對歐洲冠軍聯賽、美國職業足球大聯盟、英超聯賽和印度超級聯賽等足球聯賽的興趣日益濃厚，僅足球就佔據了運動分析市場的最大份額。此外，球隊和俱樂部與分析公司合作是一個重要的產業趨勢。例如，足球運動數據的頂級供應商 Opta 已與眾多足球聯賽和俱樂部合作。無論球員是否控球，Opta 的分析都可以追蹤他們在球場特定區域的每一個動作。
• 總之，競爭程度的提高、做出更好決策以獲得優於競爭對手的優勢的需求、在球場上採用比賽策略、門票銷售和社交媒體影響力都是因素。競爭格局
• 運動分析市場由具有更大市場影響力的大企業控制，並且出現了一些適度的市場整合。就市場份額而言，目前只有少數頂級競爭對手佔據主導地位。這些佔據相當大市場份額的大公司正專注於擴大其在海外的客戶群。這些公司正在使用戰略合作項目來提高其市場份額和盈利能力。市場參與者也在收購開發運動分析市場技術的初創公司，以增強其產品的功能。
主要參與者
結論
準備是運動員表現的關鍵。一個很好的例子是利物浦足球俱樂部利用資料科學在最近的英超聯賽和歐洲冠軍聯賽中擊敗對手。利物浦的教練利用資料科學來改變比賽的結果，從而產生了巨大的影響——畢竟，他們是（2018-19）歐洲足聯冠軍聯賽和（2019-20）英超聯賽的冠軍。一些研究人員已經提出了一些解決運動大數據領域問題的方法，例如在知識圖中預測運動員的表現，並找到一顆冉冉升起的運動之星。然而，根據對該主題文獻的分析，一些關鍵問題的解決方案仍然未知
作者：Bobby Singh