通过大数据来分析NBA球赛

26点 林涛 9435℃ 0评论

    南加州大学(USC)的两位教授Rajiv Maheswaran和Yu-Han Chang通过大数据分析得出结论:在篮球比赛中,投篮地点和拿下前场篮板的几率存在着一个固定的关系:球员每远离篮板一英尺,拿下前场篮板的几率就会降低1%,但到三分线时,几率又突然变大;此外,90%投丢的球都可以在距离篮板11英尺的范围内拿下。正是这个论文,让他们在2012年麻省理工斯隆体育分析大会上(MIT Sloan Sports Analytics Conference)上获得了最佳研究论文奖。

下面让我们来学习一下是通过什么方式分析的。

    NBA的粉丝应该已经知道,早在2010-2011赛季,联盟就开始给一些球队,诸如小牛、凯尔特人、马刺和火箭等的场馆内装上了内置芯片的摄像头。这些摄像头分布在场馆的六个角落,会以每秒25次的频率对球员和裁判还有球进行动作追踪,并进行数据反馈。等到上个赛季,使用这些摄像头的球队已经达到了15支。

当时还在南加州大学任教的Yu-Han和他的同事,就是对这些摄像头追踪到的数据进行了记录,并建模分析,从而得出了文章开头的结论。在获奖后,他们获得了联盟和一些球队的注意,再加上数据化似乎已经成为运动场上不可逆转的趋势——现在NBA已经决定掏钱为每支球队装上这套系统,同时将这些信息选择性地通过通过NBA TV和NBA.Com传达给观众们,反而球队们开始苦恼,该拿着这些数据怎么办呢?这样一来,针对这些数据的定制报告开始成为一个契机。

就在今年,Yu-Han和他的同事Rajiv Maheswaran,以及新加入的第三个联合创始人Jeff Su,组建了自己的创业公司Second Spectrum,要把这件事从理论研究拓展到真正的商业行为上来了。也正是如此,我才在一个大数据相关的会议上遇到了Yu-Han。

Yu-Han告诉我,他们做的事情其实很简单,就是把这些运动追踪摄像头捕捉到的数据收集起来,通过机器学习和分析,向球队提供包括比赛、练习甚至观众观看等方面的建议。但是,他们最有价值、也最困难的地方,在于识别、分析之后的视觉呈现。

“最主要的还是可视化的结果。”Yu-Han说。他们会有一个软件系统,可以对不同的数据进行分析,并通过匹配的可视化工具,让球员或者教练可以看到最直观的结果,从而对比如球员阵容和位置等战术进行调整。拿篮板球来举例,这个系统可以统计球运动的位置和落点,并把篮板球最多的区域用最深的颜色标注出来,从而告诉球员应该怎么在抢篮板时站位;此外,它甚至还可以显示球员不同挡拆组合的成功几率,为教练的安排提供依据。

所有这些技术都来自于他们团队多年的研究——包括Yu-Han自己在机器学习上已经积累了15年的经验,而这个平台已经成为了他们的专利。

“我们可以捕捉球员场上的移动数据,做出最好的决策、打法、球员安排等。”Yu-Han说。通过扩大大数据算法、机器学习技术的应用和新视觉呈现方法的设计,来把数据转化为有价值的信息,让教练甚至普通的观众都能够看懂,最后“帮助优秀的团队获得胜利。”

不过,Yu-Han同时也承认,他们做的还不够。用他的话说,现在每个人都陷入了数据的海洋,但是真正搞清楚数据意义的却不多,所以关注的重点应该从数据本身转移到最终的体验上。他们会希望软件能有好的UI、简单的操作,并做好“story telling”,而不仅仅是提供一些数字报告——听上去简单,但即使是他们团队,也卡在了这点上。另外,现在他们主要的数据来源还来自场馆内的摄像头,在被问到有没有可能会有可穿戴式感应器佩戴到球员身上时,Yu-Han也认为,这是短时间内没有办法实现的事。

不过,好消息是,新技术的应用总是比想象中要快的。现在Second Spectrum的平台已经获得了一些球队的青睐,包括洛杉矶快船在内的四支NBA球队已经向他们购买了使用权。Yu-Han说,Second Spectrum的办公室在洛杉矶的Wilshire大街,透过落地窗,就可以看到湖人和快船的主场Staples Center,“大数据已经来到联盟了。这些数据一生效,会改变比赛的一切。”他肯定地说。

 

转自:http://www.pingwest.com/demo/second-spectrum/

如需转载请注明: 转载自26点的博客

本文链接地址: 通过大数据来分析NBA球赛

转载请注明:26点的博客 » 通过大数据来分析NBA球赛

喜欢 (0)or分享 (0)
0 0 投票数
文章评分
订阅评论
提醒
guest

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据

0 评论
内联反馈
查看所有评论
0
希望看到您的想法,请您发表评论x