大數據在NBA聯賽中的應用研究

趙益鑫

研究機構 GARTNER認為：大數據是需要新處理模式才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力的流量、高增長率和多樣化的信息資產，大數據通常用來形容大型的非結構化和半結構化數據。大數據有數據體量巨大、數據多樣化、數據處理速度快和價值密度低特點[1]。大數據開啟了一次重大的時代轉型，它把一切“量化”，利用其優(yōu)勢影響了商業(yè)和企業(yè)的發(fā)展，引起了生活、工作與思維的大變革。大數據時代處理全體數據不再是隨機樣本，在追求數據精確性的同時，也將數據的混雜性考慮進去，從而得出不一樣的結果，數據與數據之間不再變得是因果關系，而是相關關系，大數據已經影響了社會的各行各業(yè)，推動了社會的進步和發(fā)展[2]。

近幾年，大數據越來越得到體育賽事領域的親睞，它給職業(yè)體育賽事帶來了革命性的變化，球隊通過大數據的分析，能夠精確地掌握對手的技戰(zhàn)術打法，提高自身訓練質量，規(guī)避球員傷病，彌補自身的弱點，從而在賽事上擊敗對手。美國男子籃球職業(yè)聯盟(以下簡稱NBA)運用大數據技術建立多樣化的數據模型，將賽場產生的海量數據進行分析，為提高球隊競技能力、精確評價球員價值和更好地為球迷服務做出了巨大貢獻。大數據的強大分析和預測能力對NBA經營策略，發(fā)展方向和比賽方式都產生了較大的影響。本文基于大數據背景，對NBA從傳統(tǒng)聯盟向數字化聯盟轉變進行了研究，并分析了大數據對NBA聯賽的影響，揭示了NBA運用大數據技術的先進理念和最新成果，從而為我國籃球聯賽數據分析和處理工作提供借鑒。

1 NBA從傳統(tǒng)聯盟向數字化聯盟轉變

1995—1996賽季，NBA的年收入達到31億美元，而到了2016—2017賽季，整個聯盟年收入已經達到約80億美元。借助大數據技術優(yōu)勢，NBA聯賽已經發(fā)生了翻天覆地的變化，現代大數據科技正在重塑著NBA聯賽，對NBA聯賽的傳播渠道，經營策略和比賽風格產生了重大的影響，NBA聯賽也在朝著數字化聯盟方向發(fā)展。

1.1 重塑傳播渠道

NBA聯賽之所以取得如此成功，電視轉播功不可沒。NBA前任總裁斯特恩借助電視轉播媒體優(yōu)勢，成功地將NBA比賽送到千家萬戶，積累了大量的客戶，NBA聯盟商業(yè)價值不斷攀升，影響力推向世界。在日新月異的現代社會，傳統(tǒng)的傳播渠道和方式已經無法滿足球迷的多元化需求，借助現代科技手段實現NBA聯盟的再次飛躍迫在眉睫。在NBA第二位總裁蕭華時代，其更加重視互聯網傳播渠道以及數據科技的運用，工作重心也逐漸轉向新媒體。2014年，NBA聯盟與ESPN、TNT和ABC等電視轉播公司簽訂9年240億美元轉播合同[3]。與以往斯特恩時代簽訂的電視轉播合同不同，蕭華簽訂的電視轉播合同更加數字化，其中包括網絡直播、數字商品對外授權等內容。NBA聯盟借助現代科技手段，轉向互聯網傳播渠道，這是一次質的改變，迎合了已有客戶更加多元化的需求。移動互聯網技術的成熟運用保證了網絡傳播的有效性和便捷性，使更多的球迷通過互聯網接觸NBA。同時，傳播渠道轉變?yōu)槁撁舜蜷_新的業(yè)績增長空間，NBA通過互聯網推出更多的觀賽服務以及娛樂項目，幫助球迷更及時、更近距離地接觸球星，各種數據資訊服務也得以推出，聯盟獲得更多的收入。

1.2 加強與外部合作，改變經營方式

隨著聯盟的發(fā)展和技術手段的升級，經過幾十年的發(fā)展和積累，NBA聯盟數據庫中記錄的數據種類越來越多，相關數據記錄越來越準確，已經建立起龐大的數據庫。但是，傳統(tǒng)的海量數據雖然豐富，但是數據之間關系復雜，對經營管理的指導意義有限，并且很難直接推送給球迷，海量數據仍然停留在表面上。近年來，NBA聯盟與Stats公司合作，引進大數據SportVu球員追蹤系統(tǒng)，記錄并追蹤籃球和球員的運動。這一系統(tǒng)將提供持續(xù)的數據流和創(chuàng)新的統(tǒng)計數據，包括速度、距離、球員之間間隔以及控球情況等，從而實現目標性更強的分析。同時，NBA聯盟與SAP合作推出HANA平臺，一方面將復雜的海量數據重新組織，創(chuàng)新數據呈現方式，增強數據與球迷的交互性，自1947—1948賽季以來的NBA共計超過4 500萬億個數據段全都可以在NBA官網上用一種直觀、簡便的方式檢索得到；另一方面針對基礎數據進行分析，構建新指標，以此衡量球員和球隊的表現。

1.3 小球比賽風格突出

近些年來，越來越多的NBA球隊引進大數據技術，對比賽數據和球員能力進行科學地分析，NBA比賽節(jié)奏和攻防轉換也隨之越來越快，傳球、跑位、擋拆、空切非常頻繁，比賽風格越來越向“小球”時代發(fā)展。小球代表比賽節(jié)奏快，攻防轉換快，外線投射多，球員的技術越來越全面，回合數越來越多，更具有觀賞性。2012—2013賽季，兩次奪冠的熱火，以及近三年來兩次奪冠的勇士都是小球的代表。小球最明顯的特征就是三分球出手次數和命中次數越來越多。自1979—1980賽季開始，NBA聯賽開始設置三分線，此后，NBA球隊使用三分球的頻率越來越高，1980—1981賽季，NBA球隊三分球出手比重只占2.3%，到了2015—2016賽季，NBA球隊三分球出手比重已經提高到28.5%，幾乎提升了12倍。進入21世紀，NBA球隊各個賽季三分命中數第一球隊三分球使用頻率也逐年提高，并且提高幅度有明顯擴大趨勢。

表1 NBA三分球出手及命中情況統(tǒng)計

注：數據來源-NBA官網(2011-2012賽季是NBA縮水賽季，少打了16場比賽)

2 大數據對NBA聯賽的影響

NBA聯盟現采用SportVU大數據分析系統(tǒng)，該系統(tǒng)由6個聯通計算機的攝像頭組成，每秒可以抓取25幅圖片，它能夠追蹤賽場上所有球員進行的投籃，傳球，觸球，掩護和跑動距離等相關籃球技術動作，經過復雜的計算公式，在90s內通過數據形式生成比賽報告。SportVU系統(tǒng)于2005年以色列科學家麥基—塔米爾發(fā)明，起初用于導彈追蹤和高端光學識別，該技術在以色列足球比賽中追蹤賽場球員運動軌跡的成功，為它日后進入NBA球隊奠定了基礎。

2.1 提高球隊賽事競技水平

近年來，“小球”打法盛行，籃球技戰(zhàn)術越來越豐富。NBA球隊基于大數據對搶籃板球策略變化和球員技術特點數據分析結果，有效地幫助球隊打造科學地場上陣容，做出高效的技戰(zhàn)術選擇和應用，從而提高競技水平。

2.1.1 高效搶奪籃板球 在籃球比賽中，籃板球是獲得球權的重要手段，是球員個人實力和全隊實力的體現，也是比賽勝負的關鍵。利用大數據分析方法，將球員的籃板球統(tǒng)計數和其所處位置建立模型，更加科學地衡量球員爭搶籃板球的能力，并給出不同位置球員不同的爭搶策略。南加州大學(USC)的兩位教授Rajiv Maheswaran和Yu-Han Chang通過對大數據的分析，印證了搶奪籃板球成功率與球員所處位置緊密相關，并得出結論：在籃球比賽中，投籃地點和拿下前場籃板的幾率存在著一個固定的關系：球員每遠離籃板一英尺，拿下前場籃板的幾率就會降低1%，但到三分線時，幾率又突然變大；此外，90%投丟的球都可以在距離籃板11英尺的范圍內拿下[4]。

2.1.2 掌握球員技術特點 在球場上，每個球員都有著鮮明的技術特點，利用過往經驗和現代數據分析能夠更好地掌握球員技術特點，針對不同的球員技術特點，制定相應的防守和進攻策略，在球場上掌握比賽主動權，從而更大概率地贏得比賽。通過大數據的統(tǒng)計和分析，能夠得到球員的運球特點、進攻習慣和投籃位置等量化數據，根據球員這些習慣，防守者可以進行針對性的防守。通過大數據分析發(fā)現，勒布朗·詹姆斯是一名右手將，他在籃筐左側時，多數情況下，會選擇投籃，當他在籃筐右側時，更喜歡持球突破上籃。這樣的數據統(tǒng)計給防守者一定的啟示，當勒布朗·詹姆斯在籃筐左側運球時，采用貼身防守，他左手突破能力能限，封住投籃角度即可；當勒布朗·詹姆斯在籃筐右側時，要給他兩步，防止他突破上籃，因為他在這個位置投籃的機率不高，只有小概率的進行跳投[5]。

2.2 預防傷病、降低損傷

隨著科學技術的進步，大數據對醫(yī)療行業(yè)發(fā)展起著促進作用，健康醫(yī)療領域進入“大數據”時代。NBA醫(yī)療團隊利用大數據提供的醫(yī)療數據分析，實現智能化可視化分析，為球員在臨床診斷、基因測序、藥品研發(fā)、治療方案選型、遠程診斷與監(jiān)控等方面改善健康，預測疾病提供數據依據，幫助醫(yī)療團隊找到某類疾病更好的治療方案，為球員減少治療痛苦并節(jié)省診斷成本，同時還能提高治愈率。NBA勇士隊球員在訓練時，配戴移動傳感設備，采用Catapult Sports微型監(jiān)測器追蹤訓練時的運動情況，以實時記錄球員身體的基本狀況。球員身著抗壓衣監(jiān)測膝蓋和腳踝的承壓情況，并且穿上Athos智能服裝收集球員呼吸、肌肉活動信息。所有球員的身體狀況都將以數據形式呈現在球隊面前，以便更好地監(jiān)測球員身體狀況。醫(yī)療團隊將每名球員的數據進行匯總分析，在監(jiān)測數據對球員身體預警的時候，醫(yī)療團隊會為為教練提供一個醫(yī)學的建議，球隊就會盡快安排輪休，最大程度降低球員傷病風險。

2.3 重新定義選秀價值

在球員選秀方面，大數據技術成為評估球員能力的重要工具。一方面，大數據分析NBA選秀球員在體測訓練營里的各項數據，如身高、臂展、垂直起跳高度、力量測試成績、速度以及球場各處投籃命中率，預測選秀球員的排名；另一方面，通過對球員過去比賽資料、數據的收集，分析球員特點，判斷球員未來發(fā)展?jié)摿?，這會給聯盟里的球隊提供巨大的幫助。2011年NBA選秀大會之前，現馬刺球員萊昂納德的球探報告顯示，他擁有著在一對一和擋拆中的防守迫使有球球員失誤的能力，有著出色的搶籃板的能力，但大學時期三分命中率僅有25%( 164投41中)，接球投籃命中率為32%。萊昂納德被馬刺選中之后，馬刺投籃訓練師為其佩戴大數據投籃裝備，裝備中的芯片與籃網的感應器連在一起，萊昂納德每次投籃時，裝備就會自動顯示出其投籃的角度和力度等相關投籃數據，通過電腦將這些數據量化，不斷提高萊昂納德投籃準度。經過3年的訓練，2014年，萊昂納德在季后賽投籃命中率為51.0%，三分命中率為41.9%，力助馬刺奪冠[6]。針對球員自身技術弱點，建立球員各項數據模型，大數據重新定義了選秀球員的潛力和未來價值。

2.4 衡量球員價值

傳統(tǒng)的數據記錄方式就是記錄球員的得分、助攻、籃板等數據，看重最后的結果，忽略過程，這顯然不能最好地衡量球員作用。為了更好地衡量球員在場上發(fā)揮的作用，瑟沃尼和德阿莫爾提出“預期球權得分”(expected possession value，EPV),即在比賽某一次配合或傳球過程中，隨著比賽時間變化，持球隊員的預球權期望得分會得到相應的分數，如果球員的舉動增加了EPV，他就為本次進攻做出了貢獻，相反則阻礙了本次進攻，通過“預期球權得分增加”(EPV-added， EPVA)指標，就可以衡量一個球員在場上發(fā)揮的作用。2013年2月13日，馬刺隊員萊昂納德準絕殺騎士，但通過大數據的分析，帕克起到了關鍵的作用。比賽最后9秒時，帕克持球，此次預期球權得分為0.97分，當面對防守時，預球權分降低到0.86分，在6.3s時，帕克的突破使預期球權達到了1.36分，進入籃下的帕克發(fā)現了空位底角的萊昂納德，后者命中3分球，帕克的預期權分在5.9s時達到了1.75的峰值，鑒于萊昂納德投籃時，對方隊員防守，使帕克的預期權分下降到1.58，但已無關緊要。通過大數據分析，雖然帕克并沒有投進反敗為勝的一球，但在此次進攻中，帕克的突破和吸引防守以及傳球都為最后制勝一球打下基礎，這些都是無法用傳統(tǒng)數據表達出來的，顯然通過大數據的分析，帕克在這次進攻中起到了決定性的作用[6]。

表2 預球權分模型和時間的關系表

2.5 提供球迷服務

如今，隨著體育娛樂化的盛行，簡單的短視頻和文字報道難以滿足球迷的要求，NBA利用大數據技術很好地解決了這個問題，為球迷提供前所未有的觀賽體驗，增強球迷的參與感。2015年，騰訊正式成為NBA中國數字媒體獨家官方合作伙伴，騰訊利用大數據技術，為球迷提供“上帝視角”,球迷可以選擇不同視角去觀看比賽。球迷在觀看比賽的同時，通過現場數據采集設備和大數據分析系統(tǒng)，球迷可以直接在直播中看到比賽背后的深度數據。與此同時，大數據為球迷提供可視化數據。NBA在2012年與SAP合作之后，就將自身的數據庫徹底升級，并將視頻資料也納入數據庫，NBA官網可以同時支持上萬人同時搜索，并盡量給予球迷可視化的反饋結果。據統(tǒng)計，在使用SAP的HANA平臺之后，NBA.com/stats瀏覽量超過270億，訪問量增加了66%，停留時間增加了近60%[7]。同時，根據球迷登陸NBA官網所留下的瀏覽痕跡，利用大數據技術，記錄球迷的偏好選擇，以及與球迷的互動，大數據系統(tǒng)能夠將球迷貼上不同標簽，方便將同類球迷放置在一個“社區(qū)”，定向推送他們感興趣的服務和產品，并且可以通過球迷偏好的變化趨勢調整市場策略，給球迷最好的消費體驗。

2.6 游戲開發(fā)

NBA除了將大數據引入比賽之外，還用于游戲開發(fā)，《NBA 2K》系列游戲無疑是成功的一款。NBA利用其海量的球員數據庫，加之通過大數據分析產生的額外的數據，這為游戲開發(fā)奠定了基礎。以《NBA 2K》系列游戲為例，大數據分析對游戲本身和未來營銷都起到至關重要的作用。一方面，為了使玩家追求最真實的游戲體驗，2K系列游戲全部采用NBA真實球員作為模板，基于球員原始的數據，利用大數據分析技術，量化球員在球場上各項基本技術的數據，高度還原現實球員的能力；另一方面，大數據對游戲本身產生的運營和廣告數據進行預測和分析，識別客戶群體并對其進行分類，最后進行精準營銷。

3 NBA大數據成功應用的啟示

3.1 擁有優(yōu)質的體育資源

大數據只是輔助工具，本身無法生成海量的數據，借助優(yōu)質的體育資源才能發(fā)揮更好的效果。NBA聯賽自身就是優(yōu)質的體育資源，它是世界上全球化和影響力最大的職業(yè)體育組織之一，每年收入超過40億美元，用42種語言向212個國家直播賽事，7.5億個家庭在觀看NBA比賽?？茖W完善的現代化管理制度體系，成熟的商業(yè)運作推廣擴大其全球影響力，2017年NBA總決賽第五場的最后時刻，比賽的收視率達到了18.8%，這一數據比2015年和2016年的總決賽的第五場高出了13%。因此，NBA大數據之所以成功，是其本身擁有優(yōu)質的體育資源，且球迷人數眾多，賽事組織穩(wěn)定、運營管理有效，相關經營管理者大都是資深的體育專家。

3.2 高端科學技術和技術型籃球人才的保障

數據科技和互聯網技術是體育大數據成功的技術保障，高端的科學技術確保對NBA聯賽原始數據和以后產生的各種數據進行采集、處理、存儲和管理、分析和挖掘以及展現和應用。人才是科學技術的創(chuàng)造者和使用者，NBA大數據成功恰恰依靠的是既懂籃球知識又懂數據分析的人才。他們利用自身的數學統(tǒng)計學科知識，基于比賽數據，通過大數據技術建立數據分析模型，從而生成了更多的數據類型，即有關運動員指標、球隊指標和球指標的進階數據，他們?yōu)榛@球領域數據分析做出巨大貢獻。約翰·霍林格發(fā)明了球員效率值(PER)，即衡量球員在比賽場上每分鐘的表現。迪恩·奧利弗發(fā)明了球員有效投籃命中率、失誤率、進攻籃板率、罰球率等數據類型?？瓶恕じ叩撬关惱飳@球事進行CourtVision分析，記錄比賽場上發(fā)生的每一次投籃軌跡、投籃趨勢以及投籃選擇，將數據分析結果通過圖像清晰地發(fā)達出來，以此來評價運動員的效率和傾向[8]。

3.3 尋求合作，實現共贏

在現代快速發(fā)展的時代，合作產生更好地發(fā)展，合作才能共贏。為了提高球隊成績，達拉斯小牛隊是第一個將大數據引入NBA籃球賽場的NBA球隊，隨后第二年，球隊便殺入了總決賽。隨后，聯盟如馬刺、火箭、凱爾特人、勇士等球隊與大數據公司合作，引入SportVU系統(tǒng)，進一步增強球隊實力。事實上，大數據產生之初，NBA聯盟采取觀望的態(tài)度，并沒有將大數據引進NBA聯賽，但允許球隊與外部合作引進大數據，直到2009年NBA總決賽，NBA聯盟第一次將大數據SportVU系統(tǒng)安裝在場館中，其正式開始了與SportVU合作。NBA聯盟借助自身優(yōu)質體育資源的優(yōu)勢，不斷地尋求與外部合作機會，與游戲開發(fā)公司共同研發(fā)《NBA 2K》系列游戲，與ESPN和TNT傳播媒體開展大數據數字業(yè)務，同時，積極參與每年舉行的麻省理工斯隆體育分析大會，借鑒最新的科學技術成果，將其引入籃球賽場，增強NBA聯盟的價值。

4 結 語

大數據時代來臨，引發(fā)了社會各行業(yè)的深刻變革，改變了人們生活和工作方式，為體育賽事解析帶來新的角度和思維方式。借助大數據的技術優(yōu)勢，融合本身的優(yōu)質體育資源，NBA聯賽的賽事傳播方式、經營管理策略以及比賽風格朝向數字化發(fā)展，提高了NBA聯盟的商業(yè)價值，進一步擴大了全球影響力。球隊利用大數據提高了成績，重新審視傳統(tǒng)數據帶來的觀念誤區(qū)。同時，NBA聯賽借助大數據，在球迷服務和游戲開發(fā)方面都取得了良好效果。優(yōu)質的體育賽事是核心競爭力，大數據賽事技術人才是保障，兩者的有機融合，才會發(fā)揮出體育大數據的最大作用。