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/

转载请注明：26点的博客 » 通过大数据来分析NBA球赛