一篇文章带你了解——数据分析在体育行业的应用

数据在几乎每个行业都扮演着重要的作用。随着时间的推移，全球体育产业也在不断发展，管理层和团队也越来越乐于利用数据了解他们的竞争优势。全球的体育市场是世界最大的市场之一，在2021 年，市场销售额激增至 4407.7 亿美元。

橄榄球、足球、板球、网球和曲棍球等受欢迎的运动受到全球消费者的关注。其中涉及了大笔资金，而大型的团队都希望发现对手的弱点。由于体育数据的综合分析，实现这个目标也变得更加容易。

随着体育方面的支出不断增加，体育团队现可以摆脱传统的分析方法，使用更新颖的方法。不同于简单将研究局限于观察某些团队的比赛，体育团队能够投资于更全面的分析数据，他们可以用这些数据评估竞争对手的表现。

本文将帮助你深入了解什么是体育的数据分析，有多少体育团队正在利用分析发挥其优势，以及利用体育数据分析做出的一系列预测。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：
数据分析新工具MindsDB–用SQL预测用户流失
DS数据科学家和DA数据分析师：要学习什么不同内容？
数据分析师需要知道的10个Excel函数
数据分析如何在Fintech中发挥作用？

目录

• 体育数据分析（Sports Data Analytics）简介
• 利用体育数据分析做出的预测
  o 远动员受伤预测
  o 球员评价
  o 团队战略
  o 评估票务流失
  o 票价
  o 体育博彩
• 结论

体育数据分析简介

体育数据分析是对运动员和他们的表现的分析数据研究，用来确定他们的弱点和优势。现在，体育数据分析被用于不同的辅助行业，并且具有巨大的增长潜力。预计到 2025 年，体育的数据分析市场销售额将达到 45 亿美元。

比利·比恩 (Billy Beane) 是利用体育数据分析(Sports Data Analytics)最广为人知的例子之一。作为奥克兰田径队 (Oakland Athletics) 的总经理，他利用市场效率低下的优势，利用上垒率等赛伯计量学（sabermetrics）低价签下球员，并将自己的球队从一群过气球员变成世界职业棒球大赛 (World Series) 的有利竞争者。 

技术和体育数据分析的结合，得益于不断增强的处理能力、机器学习原理和人工智能，为球队评估球员的每个小细节打开了新的大门。通过可穿戴传感器和云处理功能，数据分析结果可以为比赛的内部活动及之前的比赛提供数据。

一些世界领先的科技巨头正与大型体育团队密切合作，开发可穿戴技术，帮助他们评估球员表现及个人指标，特别是在运动员的健康状况方面。这也帮助他们检测健康水平的详细信息，这在以前是不可能实现的。

这些设备和传感器有各种尺寸。玩家甚至不用将它们贴在身上；这些设备传感器可以被织到运动员的球衣中，或者安装在球或球棒等运动器材中，甚至还可以装在他们的鞋子里。通过实时传输数据，帮助教练从场外检测远动员表现，实时做出正确的决定。

利用体育数据分析做出的预测

幕后的工作人员其实比以往任何时候都更依赖体育数据分析，这主要是因为分析数据可以让预测关键事件更加容易，这也有助于球队做出重大决定，尤其是当俱乐部想要签约大牌球员时。体育数据分析可用于以下应用：

• 球员受伤预测
• 球员估价
• 团队战略
• 评估门票流失率
• 票价
• 体育博彩

1 球员受伤预测

可穿戴技术在体育运动中的应用越来越多，这使体育数据分析的可预测性更强。正如上述图表所示，现在，有一项研究利用了 Zephyr BioHarness 可穿戴技术，通过评估佩戴者的整体机械负荷和 BMI，从而更全面地了解如何预测和预防球员受伤。

它可以帮助识别受伤风险较高的球员，让教练平衡远动员整体训练难度，并在必要时报名体能训练计划。评估球员受伤概率的常见方法是用二项分布的对数回归模型。

通过使用多个平台和综合分析软件，分析师可以获得神经肌肉数据并将其存储在数据仓库中，在整个赛季跟踪这些数据，识别运动员的身体变化。分析师还可以利用卷积神经网络 (CNN) 发现偏差（Deviations）。

2 球员估价

影响球员市场价值的因素有很多，整体宣传、知名度、表现水平和稳定性都起着至关重要的作用。如果一支球队决定在球员身上投入大量资金，他们必须有足够的数据证明这种投资是合理的。通过数据驱动的方法，小球队现在可以通过签约合适的球员在大联盟中竞争。星探必须编译详细的数据，然后通过机器学习算法运行这些数据，从而做出预测。

利用基于文本的体育数据分析和预测建模，星探可以更好地确定潜在球员是否适合球队现有系统。例如，对于一个希望球员可以在整个赛季上全场，并且领导球队的小球队来说，投资受伤风险较高的明星球员是不太可行的。同时，也要了解球队用的技术和球队的地位。

在美国国家篮球协会(National Basketball Association)中，摄像机全方位无死角监测，全程记录比赛情况。这些摄像机朝向比赛场地的不同角度，采用可变帧率全程记录。然后，分析师可以利用机器学习算法提取球和球员的位置。

另一方面，美国国家橄榄球联盟(National Football League)将芯片安装在球和球员的肩垫中，以便在整个比赛过程中跟踪他们在球场上的位置。通过比较球和球员的位置，可以提取全面的数据，用于预测射门、掩护，甚至是边线队员的阻挡。还可以跟踪其他信息，例如跑步速度、平均心率和所跑的总距离。

然后，可以利用这些数据确定球员在比赛中的效率，以及他们在整个赛季中的稳定性，还可以用于预测建模，帮助分析师确定球员是否可以在该赛季中创造奇迹，或者其表现是否会随着时间的推移而得到提升。这也可以帮助管理层预测哪个球员在不同的条件下表现更好。

3 团队战略

上图是阿森纳 2020/2021 赛季的热图。利用分析数据和可视化技术，我们可以很容易看出阿森纳（Arsenal）喜欢从后场进攻，将球传给他们的后卫，最终传到中场。

该球队也相当依赖其边锋，将球跑偏，而不是将球穿过中路。在评估对手时，利用此类分析数据非常重要。这些数据能够帮助球队预测对手为比赛做了哪些准备，以及如何应对不同的比赛。

通过使用在整个赛季过程中收集到的数据，球队可以更好地衡量其竞争并调整其策略，从而压制对手。如今，数据科学在帮助团队提高胜率方面发挥着重要作用。

4 评估门票流失率

和吸引新观众相比，保留原有观众的成本更便宜。现在，体育团队和俱乐部利用逻辑回归模型确定门票流失率。另一方面，Paired T-test可用了来发现某个促销活动对持票人和整体观众参与度的影响。

这使体育团队和俱乐部可以轻松预测明年不太可能续签会员的季票持有者比例。这样，俱乐部也能够根据球队在球场上的表现，更好地预测其投资回报率。例如，球员表现不好显然会影响比赛上座率，而预测数据建模可用于衡量这种影响。

5 票价

门票收入是大多数球队的重要收入来源。利用历史数据和相关性能模型，体育团队可以更好地了解定价变化对球迷参与度和门票收入的影响。上座率可以根据竞争情况、球队表现以及任何大牌球员签约的影响进行评估。

6 体育博彩

博彩公司也在利用体育数据分析评估游戏中不同事件的赔率。体育博彩业价值超过 1 万亿美元，并且还在持续增长。从娱乐博彩爱好者到狂热的赌徒，这个行业迎合了各种用户。当事件发生在比赛中时，博彩算法会实时操纵赔率，更好地反映其表现。博彩公司通过多种预测模型，不断处理大量可用数据，平衡提供给玩家的赔率。

随着技术的普及，以及更精确的传感器和分析工具的出现，这个行业的发展只增不减。几乎所有大球队都斥了巨资在体育数据分析方面。这也带动了私人分析公司的兴起，这些公司提供不同参与者的数据，以供出售。

结论

本文帮你全面了解了世界各地的体育团队如何利用体育数据分析，提高球队表现，同时还提供了可以利用体育数据分析进行的重要预测。

而今天大多数企业都拥有大量具有动态结构的数据。从头开始为这类数据创建数据管道非常复杂，因为企业必须利用大量资源来开发该管道，从而确保该管道可以跟上不断增加的数据量和模式变化。

以上就是本文分享的全部内容，感谢你的阅读！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/

原文作者：Najam Ahmed
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://hevodata.com/learn/sports-data-analytics/#conclusion