點球大戰前，門將收到的小紙條到底寫了些什麼？未來的小紙條還會寫什麼？

「2011年由好萊塢著名影星布拉德·皮特主演的電影《點球成金》講述了一個美國職業棒球聯盟中的「下三流」球隊，憑藉「數據科學」突破傳統球隊經營模式，出其不意的解決了資金短缺的問題，最終在一片批評與質疑聲中打造出一隻實力比肩紐約洋基隊的傳奇故事。

哈佛大學定量社會科學研究院的主任Gary King說，「如果你總結一下那些數據分析能夠起到巨大作用的行業的特點，你就會發現，職業體育行業基本具備了這些特點，這也就是為什麼數據分析在職業體育中具有如此重要的作用的原因。」

我們認為利用體育相關數據（例如運動員統計資料、戰術信息等等一系列與研究對象相關的信息）來發掘有價值特徵（相關性、隱藏趨勢等等），並通過圖形、報告等形式傳達給終端決策者已經成為頂級體育聯賽越來越公認的趨勢，也同時孕育著巨大的商機。

今天我們邀請了數字娛樂事業部的投資經理楊曉艷與你分享她對體育大數據的一些思考和解讀，希望對你有所幫助。」

以下，供你參考。

足球比賽點球大戰前，門將常會收到神秘小紙條，這些神奇的小紙條到底寫了些什麼？

2006年德國世界盃1/4決賽（德國VS阿根廷）點球大戰前，助教塞給德國門將萊曼的「錦囊妙計」幫助萊曼延續了德國門神的傳奇。這張小紙條凝聚了德國科隆體育大學50名精英組成的智囊團的心血，猜對了阿根廷7粒點球中4粒的方向，最終幫助德國點殺阿根廷。據傳，這張後來在拍賣會上拍出100萬歐元的天價「錦囊」內容如下：

里克爾梅（Riquelme），射向左側上角

克雷斯波（Crespo），長距離助跑射向右側，短距離助跑射向左側

海因茨（Heinze），射向左側下角

阿亞拉（Ayala），長時間停頓，長距離助跑射向右側

梅西（Messi），射向左側

艾馬爾（Aimar），長時間停頓後射向左側

羅德里格斯（Rodriguez），射向左側

德國的數據分析團隊賽前已對所有阿根廷球員近期罰點球的行為進行了統計分析，並將阿根廷隊員的射門習慣匯總成了萊曼手中字字珠璣的精華，一張紙條，不但決定了兩支頂級國家隊的賽場命運，也為大數據走進競技體育行業打響了關鍵一槍。

2014年世界盃半決賽上，吃過虧的阿根廷做好了充足準備，門將羅梅羅在點球決戰前拿到了助教的小紙條，並在決戰中撲出了兩粒荷蘭隊的點球晉級決賽。紙條的背後是整個體育大數據成果也是競技體育的前進，數據和模型驅動體育決策讓獲勝和成功變得更有可能，體育大數據成為體育競爭的「殺手鐧」。

隨著大數據的發展日新月異，在體育方面大數據的應用也層出不窮，已從賽場數據發展到過程數據，也從足球、棒球等領域擴展到了各個運動領域，比如可穿戴設備，實時捕捉手機運動員的運動數據：軌跡、心跳、速度、消耗等，幫助教練更加科學系統的制定訓練計劃、更加全面的了解一個運動員的水平和表現，挖掘一個新隊員的潛能。另外，比賽過程中的攻守、球與人及人與人的位置、丟分得分等數據，可以幫助球隊更有針對性的制定比賽策略，及時調整戰術。

在美國，IBM從2005年開始便通過SlamTracker追蹤了四大滿貫賽事八年來的全部 8,128 場比賽，每場比賽收集 4,100 萬個數據點。最近IBM與美國網球協會合作，向網球愛好者們實時發布美網公開賽的每一個發球、擊球與賽點。

NBA在14-15賽季引入的Sport UV系統，耗資不小，在場館的不同位置放置幾台告訴攝像機，追蹤球員運動，並自動生成數據。它的引入，淘汰了以往的人工統計，將數據從簡單的得分、籃板、助攻更加細化為每一名球員的每一個動作。

GIF/1.2M

SportVU系統攝像機還原的場上戰況

TrackMan公司通過3D多普勒雷達技術， 為職業高爾夫球手或者美國職業棒球大聯盟球隊提供擊球分析。TrackMan雷達能追蹤從2碼到400碼的各種球飛行彈道，誤差在100碼不到0.3碼；同時拍攝3D揮杆動作，29組影響和球的飛行軌跡參數實時數據在1秒內同時顯示。

每年橄欖球的NFL combine（新秀訓練營，一個橄欖球運動員綜合能力的評估會），選秀球員都需要穿上帶有感測器的運動服， 這些感測器能記錄運動員的加速度， 垂直彈跳力以及心率等等， 評估的結果將供NFL球隊在每年四月份選秀進行參考，球員的選秀順位也意味著球隊對他的投資多少。

通過深入挖掘體育數據中的潛在價值，對競技體育項目的排兵布陣和具體技戰術形成關鍵指導這一思路早已在業界生根發芽。體育大數據生長、爆發的沃土早已形成。大數據正在對體育俱樂部及賽事運營單位、裝備及系統製造商、科研及運動醫療機構、媒體、運動員乃至觀眾群體帶來重大的影響和改變。大數據及以數據為依託的先進技術將使競技體育的訓練、恢復、賽場技戰術安排、賽事運營、裝備系統開發產生深刻變革。

1、競技體育比賽的數據維度和數據量均將持續爆髮式增長

隨著技術的進步，賽場上技術台的數據維度早已不再局限於早期的「得分、籃板、助攻、射門、時間……」這類簡單易得的統計數據。以NBA賽場為例，全聯盟30隻球隊中，已有25隻使用了SportVU系統。

NBA球館裡的SportVU設備

該系統利用六台高速攝像機以每秒25幀的速度記錄球員在場上的位置坐標(x,y)和球的位置坐標(x,y,z)，將最早的初階數據的數據維度進行了極大的拓展，將「一對一防守成功率」、「球員持球次數及時間」、「跑動距離及速度」、「球員受助次數」、「某一球員對特定球員的助攻成功率」、「運球次數」等等非常複雜的統計數據納入了系統。數據維度爆髮式的增長為基於數據的技戰術安排、訓練安排、科學研究提供了堅實的基礎。

美國職業棒球大聯盟（MLB）下屬的媒體公司MLBAM應用StatCast系統將實時數據和視覺特效結合，將曾經用於追蹤導彈的雷達用於捕捉棒球的運行軌跡和速率，以近乎實時的速度將棒球的球跡和球速展現在觀眾畫面之中。驚艷的特效背後是每場賽事7TB的海量數據，一個賽季的數據量可達17PB。給觀眾帶來震撼觀感的同時，為球隊和球員的技戰術訓練提供了豐富的數據支撐。

未來隨著穿戴設備和體育器材的不斷智能化，各型感測器和監測設備將逐步覆蓋運動員的穿戴裝備和賽場器材；在未來相當長的一段時間內，體育大數據的數據維度和數據量仍將持續高速增長，體征數據（心率、血壓、血氧）、環境數據（天氣、場館地面、球門、球框）、裝備數據（場上運動員的裝備及能力）乃至運動員的心態數據都將逐步湧現出來，為訓練、備賽、體育科研提供數據原料。

2、狀態數據向過程數據演進，對運動員評價更公允，對決策支持更有效

受限於技術發展，早期的競技體育數據集中於初階數據，初階數據是對運動員在場上某一特定動作產生的明顯結果進行的統計，特定動作的結果往往有明顯的「非黑即白」的性質，比如投籃，只有命中或未命中，結果直觀，易於統計。

對於棒球這種節湊稍慢，場上大部分情況均能通過初階數據量化的運動，基於初階數據的分析還尚可。但對於足球、籃球這樣節奏、變化極快的攻擊性運動，這種靜態的初階數據作用就捉襟見肘了。缺少對過程的清晰描述，初階數據往往只能告訴教練員和運動員「你們該做什麼」，而無法告訴他們「你們該怎麼做」；並且在大多數情況下，無法客觀反映初階數據表現較差的運動員的真實貢獻。

如今，由SportVU、StatCast等系統提供的海量的賽場實時數據使得動態的大數據分析成為可能。在籃球、足球、冰球這些快節奏、攻擊性強的競技項目中，對動態的過程數據分析應用已成為業界發展趨勢，數據對戰術安排的支持作用變得日益明顯。

3、以數據為依託的技戰術變革

傳統的技戰術研究思路以錄像和初階數據為主要依據，動作統計設備和演算法的制約使得傳統技戰術研究和論證缺乏有效的量化工具，效率之低下可想而知，教練員「敏銳」的洞察力成為戰術選擇的最重要支柱。

海量而精確的體育大數據為未來的智能化訓練和戰術安排提供了一片沃土。運用機器學習和模式識別等先進演算法和技術，智能化的戰術分析已成為趨勢。

AveryMcIntyre等人運用SportVU系統提供的海量數據建立並驗證了一套針對「擋拆」這一戰術的學習分類器，自動識別了過去四個賽季以來發生的27萬多個擋拆，並通過數據跟蹤和監督機器學習將「擋拆」策略準確地分成了「擠過（over）」、「繞過（under）」、「包夾（trap）」、「換防（switch）」四類。進而對防守各隊重點球員的擋拆策略進行了分析：

研究結果展示了聯盟中各位球員面對上述幾類防守策略時的表現。以James為例，在面對「換防」、「擠過」、「繞過」繞過這三種擋拆防守策略時的每回合的平均得分分別為0.83、約0.9、和約1.0，這也就意味著，普遍來講防守James最好的策略應該是「換防」。對於James這樣一位本賽季場均出手20.11次，總決賽場均出手30多次的「重炮」來說，這樣的分析結論無疑是十分有價值的。

SportVU等系統和智能化技術的廣泛應用，使得上述對基於特定戰術動作的初階數據統計成為可能，針對任意特定狀況的戰術選擇有了強有力的數據支持。NBA、MBL這樣的職業大聯盟中，大部分球隊均有專門的數據分析人才，隨著對SportVU系統所提供的海量數據的深入研究，類似的研究結果將層出不窮，教練在安排戰術時，參考這些數據分析將是十分必要的。

4、國內體育數據服務進入起步階段

國際職業體育聯盟和球隊對體育數字化分析已經有了較為廣泛的應用，在國際體育大數據應用的影響之下，作為中國國內市場化和關注度最高的中超聯賽在2011年引入國際知名數據提供商AMISCO為中超球隊提供更專業化的賽事服務數據，而隨著版權轉播費用的暴漲（1年8000萬到未來5年平均每年16億），刺激了各職業球隊對提升戰績的要求，體育大數據對球員身體狀況、訓練效果，戰術上都能提供有力的幫助，因此更多的球隊增加了對體育大數據分析的需求。

隨著需求的增多，國內也迅速的崛起了一批體育大數據服務公司，籃球領域的貝泰科技，足球領域的創冰科技、同道偉業，電競領域的MAX+、浮動數據等一批優秀的公司；在體育宏觀政策利好和職業聯賽水平不斷提升過程中，希望未來能夠在更多的領域更多的賽場上出現「神秘小紙條」。同時也希望能夠湧現更多具有競爭力體育大數據的公司，讓我們一起為職業競技體育和青訓提供幫助。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！