在互联网时代,数据是最宝贵的资源,大数据引领传统产业,催生新的活力。
几乎所有的产业都在拥抱了大数据,体育产业也与之密切相关,数据捕获、存储和分析技术的持续进步正在积极影响着体育行业的方方面面。
体育运用大数据主要体现在以下三个方面: 预测比赛结果和奖牌归属;更好地训练运动员 。数据和模型驱动体育决策让获胜和成功变得更有可能,体育统计(Sports Analytics)成为体育竞争的“杀手锏”。
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。
Sports Analytics首先是数据分析,接下来才是落地到体育领域。做数据分析项目,必须要先搞清楚数据解决的问题是什么?最终数据平台的目标用户是谁?
-
帮助经理管理球队日常事务
-
分析球员表现以帮助选秀和提升战绩
-
升级票务系统以挖掘球票销售潜力
-
管理日志和录像方便教练团队研究比赛
以上是一些宽泛的例子,但每个体育组织遇到的问题都有自己的独特性。
Sports Analytics把对先进分析方法的独特理解和对体育运动的深刻解读结合在了一起。面对优质的数据有能力进行编程分析。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,使体育爱好者更深入地理解他们喜爱的运动队。
tecdat从面向体育组织的咨询工作中,推动“数据科学即服务”。最终,实施我们的想法和模式并将它们分享。
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。
构造
想要更好地了解在这些场景中大数据是如何进行预测性分析的,我们需要考虑在预测比赛时所需处理的数据性质。
首先确定关键指标,可用数据包括国别、赛事、成绩、运动员姓名、年龄、过往表现记录、赛场温度、观众出席率、昼夜等。
划分训练集和测试集
确定指标后,把数据分成两个子数据集,即训练数据集和测试数据集。
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。
下面的直方图显示了2016年8月MLB,NBA和NFL的球员薪酬情况。
图表1
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。