可下载资源

要在运动中有效地使用分析，必须了解行业、业务、赛场和赛场发生的情况。我们需要知道如何处理数据、识别数据源、收集数据、组织和准备进行分析、从数据构建模型。

数据源准备

随着万维网的发展，数据来源丰富，有文本数据以及数字数据。通过爬虫技术抓取网络并利用应用程序编程接口（API），可以从公共数据源中获取很多信息。

数据洞察

球员薪酬情况

职业运动队在劳动力市场上相互竞争，而明星球员的劳动力供不应求。薪资上限是保持竞争平衡所必需的,工资也帮助球队限制球员的支出。
美国最专业的运动员有薪资上限。NFL队的2016年薪金上限为5328万美元，平均工资约为270万美元。NBA球队在16赛季的薪金上限为7000万美元，球队的薪金上限以服务年限。例如，拥有十年经验的勒布朗·詹姆斯，最高工资为2300万美元。安东尼·戴维斯的平均工资为2900万美元，是NBA球员中最高的 。2016年MLB的年薪最低为505,700美元。底特律老虎队Miguel Cabrera（MLR）的MLB年薪最高为3100万美元。

 直方图网格显示了2015年8月MLB，NBA和NFL的玩家薪酬情况如何比较。球员薪资分配是正面偏差的。 NFL球员的平均工资约为170万美元，但中位数为63万美元。 NBA球员的平均工资约为510万美元，薪金中位数为280万美元。 MLB玩家的平均工资约为410万美元，中位数为110万美元。

图表2

NFL球员的平均工资约为170万美元，中位数为63万美元。 NBA球员的平均工资约为510万美元，中位数为280万美元。 MLB玩家的平均工资约为410万美元，中位数为110万美元。同时可以看到明星球员的薪资远高于普通球员，拉高了平均水平。

团队支出和胜率的关系

图表3

从2016赛季初的团队支出和在常规赛中胜率的关系图中，我们可以看到团队支出对是否能赢得比赛有直接影响。

 球队实力表现

根据15年到16年NBA常规赛的20项指标进行综合分析，我们对 NBA参赛球队进行排序，评出最具实力的球队。

图表4

建模

线性模型

图表5

蒙特卡罗模拟获胜概率

当我们发现胜率符合经验分布的时候,使用蒙特卡罗模拟方法来估计某个队伍的获胜概率。

图表6

预测结果

图表7

可以看出，预测值的趋势已经基本与真实趋势保持一致。

模拟结果

通过对比赛日双方球队的表现模拟，我们得到下面的获胜概率热图，从ROC曲线的表现来看，模拟效果理想。

图表8

展望

除了以上列举的一些方法，tecdat已经在尝试更复杂的体育统计模型，如深度学习（Long Short-Term Memory网络、卷积神经网络（CNN））等；同时需要考虑到模型的可解释性、可落地性和可扩展性、避免“黑箱”预测；还在尝试采用混合的机器学习模型，比如GLM+SVR，GAM+ NNET等。

用数据驱动体育决策，这种看待体育的独特视角让我们能更好地察觉趋势、选取角度，同时使体育爱好者更深入地理解他们喜爱的运动队。