冬奥会你看了么?体育界的数据分析应用

冬奥会你看了么?体育界的数据分析应用

最近,北京刚刚顺利举办了冬奥会,很多同学也在关注这方面的求职机会。今天我们就一起来讨论一下数据分析在体育界的应用。如果你想了解更多数据分析相关内容,可以阅读以下这些文章:
一篇文章带你了解——数据分析在体育行业的应用
数据分析的Regression算法到底是什么?
Meta问世——他们会开放哪些数据分析岗位?
假期将近——旅游行业是如何应用数据分析的?

如何帮助团队赢得比赛?现在很多人已经意识到,新的技术可能会对体育行业产生帮助。比如在一个球队中,教练要怎样找到最有潜力的运动员,需要怎样补充人员来维持球队实力的平衡?通过分析球队最近的表现和趋势,来做出更好的决策,这些都可以根据数据来做一个评判。

无论是哪一场比赛,都是一整个团队在战斗,有教练、运动员、支持团队、饮食团队、医疗团队、心理治疗人员,所有人员都在各司其职,那么,数据在里面会起到什么样的作用呢?

首先,我们可以通过一些设备实时监视运动员的行动轨迹,由场外教练做出决策、策略;其次,根据这些场内运动员在不同的位置上的表现,分析和对比整个行业在这些位置的球员的表现,可以做出更好的调整;第三,有了以上数据,我们还可以做一些统计,这些数据可以让我们看到一些趋势,比如:球队现在是越来越好还是越来越差了?或者,我们某一场比赛中,整个球队的表现或者每个球员的表现情况如何?利用这些历史数据,我们还可以用一些软件来分析某个运动员近几年的表现。

像咱们刚刚讲到的,球队可能存在被低估的运动员,你可以通过数据看到运动员是否有提升的潜能,尽管他目前的指标比较低,但是数据呈上升的趋势,它也可以帮助我们评估一个运动员的表现。

下面这部分是关于训练(Training),数据在Training中的作用,就是通过数据辅助的手段去提升运动员训练的效果或有效性。有一个篮球相关的数据应用项目,它把运动员身体的一些重要部位点的轨迹记录下来,然后分析运动员的技术特点,以及他在哪些方面可以提升。现在已经有在家里自己练习高尔夫球的方法,它实际上也是通过采集你主要运动关节的几个点,记录下来挥杆运动的轨迹,之后给你提供训练方法。运用它的方法进行训练,你可以选一个跟你身高、体重、身体条件相类似的、非常成功的运动员的轨迹,当你开始击球训练时,软件会记录你运动的整个信息,和你准备模仿的优秀运动员的运动轨迹进行一个比较,然后给你一个提示,如脚步、身体的转体、高度、切线等等,并给你一些反馈,让你有意识地对比和他之间有什么差别,这种训练的方法会大大提高我们训练的效果。

除此之外,训练中也有其他数据方面的应用,比如监督运动员的状态,睡眠,帮他们减少受伤,提高训练效果等等。在训练中可以把数据反馈给他,提升训练效果。教练也会根据收集到的训练数据,加强对运动员的了解,做出更适合运动员的计划。比如在前面讲到的,我们可以用数据找到被低估运动员,同理,别的运动也是这样,你可以看到运动员不断成长的数据,以及和你过去历史数据的比较。

接下来是marketing这部分,体育运动和我们看到的电子游戏、电影相同,也需要市场推广。以一个电影的推广活动为例,团队会针对不同的用户、市场在不同的渠道里去推广这个电影。同样的,这些都会成为电子游戏、电影以及体育运动中主要的应用。

回到体育运动中来,我们看看marketing中的用户参与度。比如一个体育运动的推广是否成功,要看是否能够激发以前不太活跃的用户。在美国这边,最受欢迎的运动之一就是篮球,而这里就会涉及到他们的社交媒体推广,以及用户参与度之间的分析。

下面,我们看一下用户参与度方面,我们能做什么。

首先要检测数字参与的模式(Detect pattern in digital engagement),你可以做一些营销活动,比如,你可以通过email号召大家参与活动,比如为这支球队中喜欢的运动员点赞、为球队点赞等。邮件发出后,通过打开率、点击率以及阅读的时间、反复打开的次数,你可以找到对这个活动感兴趣的用户。接下来,你就可以在推广中对他们进行下一步的champion。

数字参与(digital engagement)有很多模式,你可以对用户本身进行分组,同时也能判断邮件最佳发出时间,让打开率达到最佳。我们有同学在marketing公司里面,他们会专门研究email什么时候发出最合适。

还有一个应用是情感分析(Sentimental analysis)。它在数据科学里有很多应用,常见的如NLP自然语言处理技术,当然,它也能应用于很多不同的场景。对于一支球队来讲,有Facebook、Twitter以及其他社交媒体平台,你有一些粉丝的评论、和粉丝互动。你的粉丝可能是成千上百或百万级的,那么他们的留言会是一个很大的数据,这时,可以用NLP技术做一些Sentimental analysis,去掌握我们的用户对什么感兴趣,他们情绪的变化,或者对某一个活动、推广、球员,他们基本的评价,是正面的还是负面的。

球队利用数据推广还有一个重要部分,就是鼓励用户购买门票,观看比赛。这能让球队得到更多的收入,在咱们数据分析技术中,可以利用转换漏斗做到这一部分。比如,一个用户参加过我们网上的活动、或者是在网站上注册,成为我们用户之后,我们会经过不同渠道以及不同路径,最终让他成为付费用户, 并增加球队收入。

我们还可以通过数据分析用户行为,或者是他们购物的习惯。我们可以通过以往购买商品用户的模式,找到规律,并应用到未来的用户上,可以增加获得更多未来用户的可能性。

预测性的分析会比前面几种更高级一些,这里的模型会应用机器学习。比如,球队可以预估人事方面的需求,从而在招聘上做一些调整。现在,包括现场比赛、电话中心接收求助电话等等,都是非常普遍的应用场景。

此外,球队还可以提升系统。比如:改善体育场停车场的拥堵;对球迷在离场前和离场后行为的了解。数据不仅可以帮助我们的目标用户的信息,而且能够提供更有价值的其他信息。

数据还有助于后台的智能,包括一个球队的运营、一个运动项目的采购、供应链和后勤等等;以及核心产品和服务,帮助提升用户体验。和电商一样,体育分析也是基于网络,基于数据经济,基于营销中的社交网络;而后台这部分,如后台产品的质量、赛程的安排、主场客场的安排等,都能够利用数据,做很多之前做不了的事情。

最后我们来看一些体育的工作机会。

如果对体育这方面有兴趣的话,希望这篇文章可以作为一个入门。感谢你的阅读!你还能想到哪些可以在体育中应用数据的情况?欢迎在下方留言!你还可以订阅我们的YouTube频道,观看大量数据科学相关公开课:https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ;在LinkedIn上关注我们,扩展你的人际网络!https://www.linkedin.com/company/dataapplab/

Recap 作者:数据应用学院
美工编辑:过儿
校对审稿:佟佟
公开课回放链接:https://www.youtube.com/watch?v=UJIZRApTMLs&t=1s