您的位置：首页 >盘口分析 >

体育数据分析对我们来说是新兴的产业，在美国比较成熟了

时间：2022-07-14 18:05:58 来源：网络整理

体育数据分析对我们来说是一个新兴行业，在美国比较成熟。可以看一个案例：

图文版：数据扩展 |用数据解读体育决策：挖掘体育赛事新价值

在互联网时代，数据是最宝贵的资源。大数据引领传统产业，激发新活力。几乎所有行业都在拥抱大数据，而体育产业则与之息息相关。数据采集、存储和分析技术的持续进步正在对体育产业的各个方面产生积极影响。

业务挑战

大数据在体育运动中的运用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。数据和模型驱动的体育决策使获胜和成功的可能性更大，而体育分析已成为体育比赛的“杀手”。

具体服务

要在体育运动中有效地使用分析，我们需要知道如何处理数据、识别数据源、收集数据、组织和准备数据以供分析，以及根据数据构建模型。

tecdat 从体育组织的咨询工作中推广“数据科学即服务”。最终，实现我们的想法和模式。

数据源准备

体育数据分析对我们来说是新兴的产业，在美国比较成熟了

随着互联网的发展，数据来源丰富，包括文本数据和数字数据。通过爬取技术和应用程序编程接口（API）对网络进行爬取，可以从公共数据源中获取大量信息。

建筑

为了更好地了解如何在这些场景中使用大数据进行预测分析，我们需要考虑预测游戏时需要处理的数据的性质。

首先确定关键指标。可用数据包括国家、赛事、表现、运动员姓名、年龄、过往表现记录、场馆温度、观众上座率、白天和黑夜等。

划分训练集和测试集

确定指标后，将数据分为两个子数据集，即训练数据集和测试数据集。

数据洞察

球员工资

职业运动队在劳动力市场上相互竞争，明星球员供不应求。工资上限对于保持竞争平衡是必要的，而且工资也有助于球队限制球员支出。

美国最专业的运动员都有工资帽。 2016年NFL球队的工资帽为5328万美元，平均工资约为270万美元。 NBA球队第16赛季的工资帽为7000万美元，球队的工资帽是根据服役年限计算的。例如，拥有十年经验的勒布朗詹姆斯，最高薪水为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。 MLB 2016 年的最低年薪为 505,700 美元。底特律老虎队 Miguel Cabrera (MLR) 的 MLB 薪水高达 3100 万美元。

下图显示了 2016 年 8 月 MLB、NBA 和 NFL 的球员薪酬。

一名 NFL 球员的平均工资约为 170 万美元，平均工资为 630,000 美元。 NBA球员的平均工资约为510万美元，中位数为280万美元。美国职业棒球大联盟球员的平均工资约为 410 万美元，中位数为 110 万美元。同时可以看出，明星球员的薪水远高于普通球员，拉高了平均水平。

团队支出与胜率的关系

从 2016 赛季开始时的球队支出和常规赛的胜率图表，我们可以看到球队支出对赢得比赛有直接影响。

受众和日期之间的关系

由此我们可以发现日期和出勤率之间的关系足球数据分析，从而找到预测和评估出勤率的模型。

团队实力表现

基于对2015-2016年NBA常规赛20个指标的综合分析，我们对NBA球队进行排名，选出实力最强的球队。

体育数据分析对我们来说是新兴的产业，在美国比较成熟了

建模

预测观众出勤率——线性模型

估计获胜概率 - 蒙特卡洛模拟

当我们发现胜率服从经验分布时，使用蒙特卡洛模拟来估计球队的胜率。

预测结果

体育数据分析对我们来说是新兴的产业，在美国比较成熟了

可以看出预测值的趋势与真实趋势基本一致。

模拟结果

通过模拟比赛当天两支球队的表现，我们得到了以下获胜概率的热图。从ROC曲线的表现来看，仿真效果比较理想。

前景

除了上面列出的一些方法外，tecdat 已经在尝试更复杂的运动统计模型，例如深度学习（Long Short-Term Memory network, Convolutional Neural Network (CNN)）等；同时还要考虑模型的可解释性足球数据分析，目前还在尝试使用混合机器学习模型，比如GLM+SVR、GAM+NNET等。

使用数据来推动运动决策，这种独特的运动视角让我们能够更好地检测趋势、选择角度，并帮助体育迷更深入地了解他们最喜欢的运动队。

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。