精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:大數據數據分析 → 正文

大數據分析,足球運動的“料理師”

責任編輯:editor007 |來源:企業網D1Net  2016-07-19 21:33:29 本文摘自:ZD至頂網

球賽開始2小時前,ProZone公司的數據分析師們就已經早早的坐在了各種設備前。在接下來的4個小時內,他們將不斷的進行比賽記錄、慢鏡回放、動作分析,四年輪回的等待換來這難得的豐收時刻。智慧的他們知道,即使一天之隔的兩場比賽,隊員的表現也是截然不同的。憑借對數據本能的直覺,每場比賽,他們都會穿梭于不同的城市,盡量將這份自然的饋贈完美的保存下來……

這不是舌尖上的中國,而是歐洲杯期間常見的一幕場景。隨著大數據技術在足球運動中的應用日益廣泛,大數據分析師正逐漸成為現代足球中一種另類的“食材料理師”,用數字化的方式解讀比賽,幫助教練、俱樂部這些“大廚”們烹飪出更美味的“食物”。

大數據分析,足球運動的“料理師”

  大數據分析,現代足球的“食材料理師”

大數據和足球的關系,人們理解或者是接觸最多的就是對比賽結果的預測。如高盛和德銀等投行就通過將FIFA排名、過往戰績、近期表現、球員身價、賭球賠率、國家經濟等一系列數據綜合反映出的球隊實力作為預測依據去考量比賽結果。其實,在足球賽場上大數據分析,已經被運用在了戰術布置、球員訓練等各個領域。

現在,英超的20支球隊都在主場配備了8-10臺數碼攝像機來捕捉球員在球場上的表現。現在的統計技術可以精確到每一秒,一場比賽下來會記錄下22名球員的10個技術統計項目,共140萬項數據。而類似ProZone這樣的大數據服務公司接下來會把這些數據進行編碼,分析每一次攔截、射門或者傳球,供主教練和數據分析師來判斷場上到底發生了什么。

大數據分析,足球運動的“料理師”

而對于主教練來說,使用大數據的價值在于尋找到關鍵的1%部分。比如說,在2006年德國與阿根廷的點球大戰中,德國門將萊曼得到了一張小紙條,上面記錄著阿根廷核心球員的點球習慣:里克爾梅,慣射左;克雷斯波,助跑距離長為右,助跑距離短為左;海因策,慣射左下;阿亞拉,等待時間長+助跑距離長為右;梅西,慣射左;艾馬爾,等待時間長為左;羅德里格斯,慣射左。根據這張紙條的內容,萊曼選對了所有點球的方向,并撲出了阿亞拉和坎比亞索的點球,讓德國順利挺進半決賽。

這張小紙條的提供者便是科隆德國體育學院的一個志愿者團隊“科隆團隊”,他們在2010年打造的“梅西計劃”幫助德國隊在八強戰中又一次重創阿根廷隊。經過分析,他們為德國隊如何防守梅西提出一個解決方案:在梅西每一次拿球的時候,德國隊都應該有兩名后衛在他的身旁,一個在梅西前方一碼的位置,另一個在梅西后方一碼的位置。最終德國隊4-0完勝阿根廷隊,梅西幾乎全場隱身。

“科隆團隊”在2006年的時候還只是由16名學生組成一個團隊,負責分析31支球隊;而到了2012年歐洲杯的時候,這個團隊已經擁有了45名成員,負責15支球隊的分析。在四年前的歐洲杯開幕之前,德國隊教練組得到了一份幾百頁的資料;而在歐洲杯進行的過程當中,他們還得到了一份40頁的簡報,和記錄了對手們詳細情況的視頻光盤。這些文件已經變得越來越精密:后衛們的轉身時間,邊鋒們常用的進球線路,一名后衛阻斷對手進攻的最佳距離——這些現代數據使得數據分析上升到了一個全新的層次。

大數據需要天資聰穎的“弟子”

雖然大數據分析對提升球隊水平價值巨大,但想要真正發揮這項技術的價值并非吃飯喝水那么簡單。如果將ProZone、Opta等數據服務公司看作是一個個“流派”,那么天資聰穎、根骨奇佳的“弟子”與天生駑鈍、根骨不好的“弟子”,學習同樣的“秘笈”所消耗的時間與學習效果,顯然不可同日而語。因此,雖然大數據技術的核心是軟件,但大數據處理平臺的好壞同樣也非常重要。

那么如何選擇一個好的大數據處理平臺呢?簡單來說有三點,就是存的起、擴的開、算的快。要知道,足球大數據的足球運動中產生的數據量遠遠超出了我們的想象。打個比方,10個球員用3個球進行訓練,10分鐘就能產生出700萬個可供分析的數據點,這僅僅是運動傳感數據的一部分,要進行全面的分析,還要對視頻錄像、監控等非結構化數據、現場采集的球員運動數據以及歷史存檔數據進行采集處理和分析,數據規??蛇_上百GB甚至達到TB級,而每支球隊每年的比賽時間以30場計算都要達到2700分鐘,其中生產出來的數據規??上攵卸啻蟆?/p>

浪潮近期推出的云海Insight大數據處理平臺,所包含的三個產品組件:云海Insight HD、云海Insight MPP、云海Insight MemDB,可以分別對應不同的大數據應用場景,涵蓋了當前主流的分布式數據存儲和計算組件,能支持結構化、非結構化、半結構化等幾乎全部數據類型的處理。幫助用戶方便快捷地架起完整的大數據處理平臺,對各類數據進行整理、交叉分析、比對碰撞、內容檢索、深度挖掘、特征提取等。幫助用戶構建海量數據的“極速”處理能力,應對大數據的復雜應用場景,發掘大數據的真正價值。

大數據分析,足球運動的“料理師”

當足球遭遇大數據,人們不禁會疑慮,未來的比賽勝負到底是靠計算還是直覺?其實,大數據技術從現在來看,更多的還是在提升球員水平、制定合理戰術層面發揮作用,而決定比賽勝負的除了這些,還有球員的臨場發揮等不確定因素,偶然性恰恰是足球比賽最大的魅力所在。因此,比賽數據落后的葡萄牙最終獲得歐洲杯冠軍,才會讓葡萄牙球迷更加欣喜若狂,卻讓法國球迷無法接受。我們只需要知道,大數據會讓比賽對抗更加激烈、好看就足夠了,不是嗎?

關鍵字:球員身價分布式數據存儲

本文摘自:ZD至頂網

x 大數據分析,足球運動的“料理師” 掃一掃
分享本文到朋友圈
當前位置:大數據數據分析 → 正文

大數據分析,足球運動的“料理師”

責任編輯:editor007 |來源:企業網D1Net  2016-07-19 21:33:29 本文摘自:ZD至頂網

球賽開始2小時前,ProZone公司的數據分析師們就已經早早的坐在了各種設備前。在接下來的4個小時內,他們將不斷的進行比賽記錄、慢鏡回放、動作分析,四年輪回的等待換來這難得的豐收時刻。智慧的他們知道,即使一天之隔的兩場比賽,隊員的表現也是截然不同的。憑借對數據本能的直覺,每場比賽,他們都會穿梭于不同的城市,盡量將這份自然的饋贈完美的保存下來……

這不是舌尖上的中國,而是歐洲杯期間常見的一幕場景。隨著大數據技術在足球運動中的應用日益廣泛,大數據分析師正逐漸成為現代足球中一種另類的“食材料理師”,用數字化的方式解讀比賽,幫助教練、俱樂部這些“大廚”們烹飪出更美味的“食物”。

大數據分析,足球運動的“料理師”

  大數據分析,現代足球的“食材料理師”

大數據和足球的關系,人們理解或者是接觸最多的就是對比賽結果的預測。如高盛和德銀等投行就通過將FIFA排名、過往戰績、近期表現、球員身價、賭球賠率、國家經濟等一系列數據綜合反映出的球隊實力作為預測依據去考量比賽結果。其實,在足球賽場上大數據分析,已經被運用在了戰術布置、球員訓練等各個領域。

現在,英超的20支球隊都在主場配備了8-10臺數碼攝像機來捕捉球員在球場上的表現?,F在的統計技術可以精確到每一秒,一場比賽下來會記錄下22名球員的10個技術統計項目,共140萬項數據。而類似ProZone這樣的大數據服務公司接下來會把這些數據進行編碼,分析每一次攔截、射門或者傳球,供主教練和數據分析師來判斷場上到底發生了什么。

大數據分析,足球運動的“料理師”

而對于主教練來說,使用大數據的價值在于尋找到關鍵的1%部分。比如說,在2006年德國與阿根廷的點球大戰中,德國門將萊曼得到了一張小紙條,上面記錄著阿根廷核心球員的點球習慣:里克爾梅,慣射左;克雷斯波,助跑距離長為右,助跑距離短為左;海因策,慣射左下;阿亞拉,等待時間長+助跑距離長為右;梅西,慣射左;艾馬爾,等待時間長為左;羅德里格斯,慣射左。根據這張紙條的內容,萊曼選對了所有點球的方向,并撲出了阿亞拉和坎比亞索的點球,讓德國順利挺進半決賽。

這張小紙條的提供者便是科隆德國體育學院的一個志愿者團隊“科隆團隊”,他們在2010年打造的“梅西計劃”幫助德國隊在八強戰中又一次重創阿根廷隊。經過分析,他們為德國隊如何防守梅西提出一個解決方案:在梅西每一次拿球的時候,德國隊都應該有兩名后衛在他的身旁,一個在梅西前方一碼的位置,另一個在梅西后方一碼的位置。最終德國隊4-0完勝阿根廷隊,梅西幾乎全場隱身。

“科隆團隊”在2006年的時候還只是由16名學生組成一個團隊,負責分析31支球隊;而到了2012年歐洲杯的時候,這個團隊已經擁有了45名成員,負責15支球隊的分析。在四年前的歐洲杯開幕之前,德國隊教練組得到了一份幾百頁的資料;而在歐洲杯進行的過程當中,他們還得到了一份40頁的簡報,和記錄了對手們詳細情況的視頻光盤。這些文件已經變得越來越精密:后衛們的轉身時間,邊鋒們常用的進球線路,一名后衛阻斷對手進攻的最佳距離——這些現代數據使得數據分析上升到了一個全新的層次。

大數據需要天資聰穎的“弟子”

雖然大數據分析對提升球隊水平價值巨大,但想要真正發揮這項技術的價值并非吃飯喝水那么簡單。如果將ProZone、Opta等數據服務公司看作是一個個“流派”,那么天資聰穎、根骨奇佳的“弟子”與天生駑鈍、根骨不好的“弟子”,學習同樣的“秘笈”所消耗的時間與學習效果,顯然不可同日而語。因此,雖然大數據技術的核心是軟件,但大數據處理平臺的好壞同樣也非常重要。

那么如何選擇一個好的大數據處理平臺呢?簡單來說有三點,就是存的起、擴的開、算的快。要知道,足球大數據的足球運動中產生的數據量遠遠超出了我們的想象。打個比方,10個球員用3個球進行訓練,10分鐘就能產生出700萬個可供分析的數據點,這僅僅是運動傳感數據的一部分,要進行全面的分析,還要對視頻錄像、監控等非結構化數據、現場采集的球員運動數據以及歷史存檔數據進行采集處理和分析,數據規??蛇_上百GB甚至達到TB級,而每支球隊每年的比賽時間以30場計算都要達到2700分鐘,其中生產出來的數據規??上攵卸啻?。

浪潮近期推出的云海Insight大數據處理平臺,所包含的三個產品組件:云海Insight HD、云海Insight MPP、云海Insight MemDB,可以分別對應不同的大數據應用場景,涵蓋了當前主流的分布式數據存儲和計算組件,能支持結構化、非結構化、半結構化等幾乎全部數據類型的處理。幫助用戶方便快捷地架起完整的大數據處理平臺,對各類數據進行整理、交叉分析、比對碰撞、內容檢索、深度挖掘、特征提取等。幫助用戶構建海量數據的“極速”處理能力,應對大數據的復雜應用場景,發掘大數據的真正價值。

大數據分析,足球運動的“料理師”

當足球遭遇大數據,人們不禁會疑慮,未來的比賽勝負到底是靠計算還是直覺?其實,大數據技術從現在來看,更多的還是在提升球員水平、制定合理戰術層面發揮作用,而決定比賽勝負的除了這些,還有球員的臨場發揮等不確定因素,偶然性恰恰是足球比賽最大的魅力所在。因此,比賽數據落后的葡萄牙最終獲得歐洲杯冠軍,才會讓葡萄牙球迷更加欣喜若狂,卻讓法國球迷無法接受。我們只需要知道,大數據會讓比賽對抗更加激烈、好看就足夠了,不是嗎?

關鍵字:球員身價分布式數據存儲

本文摘自:ZD至頂網

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 田林县| 东台市| 应城市| 亚东县| 慈利县| 永济市| 府谷县| 山东省| 海安县| 新干县| 铁岭市| 旌德县| 阳谷县| 大兴区| 思茅市| 揭东县| 福建省| 班戈县| 乌兰察布市| 辽宁省| 浪卡子县| 孝感市| 宜章县| 内江市| 修文县| 宜君县| 富顺县| 兴安县| 宣恩县| 濮阳市| 桐庐县| 唐河县| 睢宁县| 平江县| 视频| 内黄县| 哈巴河县| 资溪县| 夏邑县| 宜阳县| 大英县|