从2016赛季初的团队支出和在常规赛中胜率的关系图中

　　例如篮球，足球等大球项目上有没有像国外球会那样设有数据分析师，对球员平时训练和比赛都有专门收集数据的人员。

　　谢邀。

　　我说两件事儿吧。

　　1.这阵子出了一CBA的APP。

　　跟那团队的人聊过几句关于CBA的闲话。

　　“哎。你们这CBA的数据。是官方给的吧。靠谱么？”

　　“嘿，可别说这个，人球员自己都不相信官方给出来的数据，也就给球迷看一看。”

　　“跟STATS那种级别差距有多大？”

　　“中国男篮跟美国男篮差距多大，这就有多大。”

　　2.中超在05年之前一直都是中超公司自己做联赛的数据，也就是福特宝公司。

　　在这之后一个北京知名的圈内人士成立了一家专做足球数据的公司，在此就不点名了。

　　因鄙司最近在做中超的产品，跟他们有商务上的联系，最近在测试接口。

　　一般按照国际上的惯例，进球是被称作“Goal”，做数据接口也应该是这样命名的。

　　人数据公司给的数据接口，进球就命名为“JQ”，而且配套文档极其之少，鄙司的技术总监就对着这堆简写研究了一下午。

　　“哎，啥叫QCWXCQ？”

　　回到题目。

　　在中国，各大的职业联赛都是有相关的数据收集人员，这一般是由组委会提供的。

　　并且是极其不专业的。

　　他们在工作中经常会出现看见比赛发生了一事件但是记录不及时的情况。

　　哪怕是CBA这样级别的联赛，依然是乱七八糟。

　　乱七八糟的程度是到了“假若你是真心喜爱这个联赛，你看到他们数据整理和收集的工作时，你会为之感到挫败。”

　　那让洋葱圈培养的记录员去记录如何？

　　有市场

　　体育数据分析对我们来说是一个新兴的产业，在美国比较成熟了。可以看一个案例：

　　图文版： 拓端数据|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，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。

　　业务挑战

　　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”。

　　具体服务

　　要在运动中有效地使用分析，我们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。

　　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。

　　数据源准备

　　随着网络的发展，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。

　　下图显示了2016年8月MLB，NBA和NFL的球员薪酬情况。

　　

　　

　　

　　

　　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

　　

　　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。

　　出席观众和日期的关系

　　

　　从中我们可以发现日期和出席情况的关系，从而找到用于预测和评估出席率的模型。

　　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。

　　

　　建模

　　预测观众出席人数——线性模型

　　

　　估计获胜概率——蒙特卡罗模拟

　　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。

　　

　　预测结果

　　

　　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。

　　

　　

　　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，同时帮助体育爱好者更深入地理解他们喜爱的运动队。

　　一个专业的数据分析师除了要懂得各种表格算法、函数方程、数据库之外，重要的前提是所处行业环境具备这样的海量基础数据让他们去分析，还要保证数据的维度和深度等等。以NBA为例，官方越来越重视数据的驱动力，数据分析师已经高度职业化，是球队运营的幕后僚机，选秀和引援都由他们掌舵。这一切的前提都是建立在NBA长年累月的海量数据库和全方位跟踪系统上，就国内联赛的职业化程度来说，要走的路还很长。

本文 zblog模板 原创，转载保留链接！网址：https://xgroovyway.com/post/2008.html