北美體育數據分析的發展歷史及現狀

1. MLB 布魯克林道奇隊于 1944 年聘請數據分析師

盡管《點球成金》取🍬得了巨大成功，但它也并非沒有爭議。 體育分析的歷史比作者劉易斯所講述的要豐富得多。

例如，早在 1944 年，上壘率這一決定奧克蘭運動隊進攻效率的決定性統計數據就被認為很重要。美國職業棒球大聯盟布魯克林道奇隊的總經理布蘭奇·里奇聘請艾倫·羅斯作為球隊的數據分析師當🎐年，后來在著名的《LIFE》雜志上發表了《告別一些舊思想》。 Ideas”，分享羅斯發現上壘百分比數據的故事。

2.卡夫家族利用數學模型來管理工資帽

其他人則質疑比利·比恩和他的奧克蘭運動隊隊友是否僅僅因為《點球成金》這本書而被推上神壇。 在他們之前也有先行者，比如新英格蘭愛國者隊：1994年，NFL正式引入“工資ඣ帽”制度。 同年接管愛國者隊的克拉夫特家族意識到工資帽管理與球隊表現之間的相關性。 時任球隊副總裁、現任球隊主席的喬納森·克拉夫特（ Kraft）與金融界的同事合作，開始使用數據模型來管理球隊的薪資分配和結構。 ♛智能的工資帽管理也讓這家東北俱樂部能夠自由決定球員人事，保持在NFL的長期競爭力。

3、《點球成金》為統計背景的人進入職業聯賽管理打開了大門

不過，《點球成金》這本書確實成功傳播了將數據分析帶入人事決策的理念，改變了整個MLB乃至整個北美職業體育的面貌。 在這本書出版之前，一支球隊決定聘請一位純粹統計背景的人進入管理層，如果被公開報道，將無法逃脫媒體𓃲和球迷的批評。 但過去十幾年，體育數據分析已經成長為提高球隊競爭力的“必備”。

2012年12月中旬，NBA孟菲斯灰熊隊在新東家完成對球隊的收購后，聘請E𓂃SPN籃球數學家約翰·霍林格擔任球隊籃球事務副總裁。 在 ESPN 的告別文章中，霍林格寫道：“很難相信這已經成為事實。但八年前，很少有球隊對數據分析感興趣，感興趣的人也不愿意透露。承認吧……但在不到10年，很多球隊都改變了想法：現在，很多球隊甚至在炫耀自己在數據分析方面的投入，聯盟中至少有三分之二的球隊都在這方面進行了投入，而雖然有些球隊只是炫耀，大多數人都非常堅定。”

霍林格說三分之二的NBA球隊已經開始投資數據分析并不夸張。 據ESPN最近的一份統計報告顯示，整個MLB多達22支球隊在數據分析上進行了投入，而只有2支球隊根本不相信數據分༒析。𝄹 在NBA中，只有布魯克林籃網隊、紐約尼克斯隊和洛杉磯湖人隊這三支球隊根本不相信數據分析。

4. MIT體育分析峰會應運而生

正是因為《點球成金》💧改變了大眾對于體育數據分析的思維，很多統計出身的“局外人”才能堂堂正正地進入這個圈子，大放異彩。 這也催生了生態系統的形成。 創建一個分享和討論的交流平臺也成為必然。

2006年4月3日轉投NBA休斯敦火箭隊后，原本在麻省理工學院教授體育商業課程的達里爾·莫雷因沒有時間在波士頓和休斯頓之間來回而選擇轉型課程。 。 麻省理工學院斯隆管理學院體育分析峰會（MI🤡T Sloan，以下簡稱麻省理工學院體育分析峰會）由此應運而生。 十年來，它逐漸🦩成長為體育數據分析領域的標準制定者和領導者，進一步催化了體育數據分析的發展。

5.凱爾特人隊是第一支深入研究大球迷數據的NBA球隊

如今，體育數據分析的范圍不再局限于球隊在場上的表現。 它已經滲透到北美職業ﷺ體育的各個方面。 越來越多的團隊和組織意識到商業領域的深度數據分析可以增強他們的盈利能力。

2003年1月，以維克·格羅斯貝克和史蒂夫·帕柳卡為首的財團收購了NBA球隊波士頓凱爾特人隊。 擁有風險投資背景的格羅斯貝克認為，球隊除了在籃球事務上運用數據分析外，在商業事務上也必須腳踏實地。 正是在格羅斯貝克的帶領下，凱爾特人隊成為NBA第一支在球迷體驗方面꧑進行深度信息挖掘的球隊。 凱爾特人隊的這種思維模式未來也將被其他球隊和NFL學習和使用。

在今年的麻省理工學院體育分析峰會上，格羅斯貝克表示：“在商業方面，我們開始通過數據分析更好地了解我們的球迷。我們修改了整個會員體系。你不再是凱爾特人隊的季票持有者。你是是我們團隊的一部🧔分。我們希望盡可能多地了解您。我們嘗試找出您需要什么，然后快速地回復您。技術讓我們知道如何感謝粉絲以及何時去感謝粉絲。 ”

6. 博客圈和高級數據的靈活應用

21世紀互聯網飛速發展，博客圈的出現，大大降低了體育圈外人進入媒體行業的門檻。 這也導致了近十🍷幾年來媒體行業涌現出一大批優秀的體育數據分🧸析作者。 充滿信息性的文章和不同于傳統記者的觀點迫使主流體育媒體重新思考。

從博客圈崛起的前ESPN主筆、創始人比爾·西蒙斯曾坦言，有營養的數據分析可以提升作品🍎質量，讓觀眾滿意。 他當年招募的扎克·洛（Zach Lowe）、比爾·巴恩韋爾（Bill ）、喬納·克里（Jonah Kerry）、柯克·加爾斯伯里（Kirk ）等人都是優秀的作家，擅長用數字來闡述自己的觀點。 如今，高級數據詞匯頻繁出現在各種體育電視網絡的日常節目中。 ESPN等媒體也開始加大高端數據研發投入，以更好地服務球迷。

NBA體育數據分析的瓶頸與突破

1.從方程到玩家效率值

近年來，北美職業體育開拓中國市場動作頻頻。 MLB與樂視體育達成全生態戰略合作nba球員效率值查詢，計劃每年在樂視各平臺轉播超過120場賽事。 NFL也在積極探索在中國舉辦常規賽的可能性。

但毫無疑問，NBA是最受國人歡迎的北美職業體育賽事。 作為推出最早、受眾最廣泛的聯盟，NBA在大中華區的業務拓展已經非常成熟。 休斯敦火箭隊首席執行官特德·布朗在今年的麻省理工學院體育分析峰會上感嘆道：“我們在中國轉播一場比賽ܫ，比如火箭隊對陣凱爾特人隊，在中國現場觀看這場比賽的觀眾數量比我們當地還要多。”臺灣一季就有更多。” 因此，籃球運動數據分析也是中國體育迷首先接觸到的。

早期的籃球數據分析與棒球的方向相同，都是基于初級數據轉換來創建高級數據。 大衛·席倫（David🔴 Silen）是這一領域的先驅。 他于 1958 ⛎年創建的方程（直到 1989 年發表）是籃球歷史上第一個用于評估個人球員表現的線性方程（塞倫的效率 = [得分 + 籃板 + 助攻 + 搶斷 + 蓋帽 – 投籃不中罰球數– 0.5 * 罰球失誤數 – 失誤 – 犯規] / 上場時間）。

從那時起，許多人根據該方程創建了各種版本的線性模型，并用它們來꧅評估球員的個人效率。 最著名的就是霍林格創造的球員效率值（PER，簡稱PER），目前被廣泛使用。

2. 為什么說籃球數據分析仍處于“起步階段”？

不過，目前北美地區的主流觀點仍然是，籃球等運動在數據分析方面相對于棒球仍處于“嬰兒學步”狀態。

原因其實并不難理解。 棒球數據由三部分組成：投球數據、擊球數據和守場數據。 💎前兩項的初步數據具有“非黑即白”的特點，比較容易收集（例如，“擊球手𝔍只能上壘成功或不成功”，或者“投手只能解決或不成功”）。不解決面糊”）。 因此，這兩個數據在高層數據方面比涉及人員流動的外勤數據更容易開發。

籃球是一項非常“充滿活力”的運動。 其初步數據并不能很好地體現球員的能力。 霍林格本人也承認，像蓋帽和搶斷這樣的基本統計數據本身就會誤導人們對防守本身的認識。 這也導致了他的PER評分在衡量球員個人防守表現時并不是一個值得信賴的評估工具。 像布魯斯·鮑文這樣被世界認為是頂級外線防守者的球員nba球員效率值查詢，PER值一直都在個位數（聯盟平均PER值為15）。

同時，PER等高🧸端數據并不能給教練組帶來太多營養。 雖然近年來NBA官方推出了更多“正負值”等“大局”數據，但并不能很好地解釋球員個人的作用。 因此，數據對于臨場教練的價值有限也成為籃球數據分析和研發的一大瓶頸。

3.球員追蹤系統讓分析師有語言與教練溝通

然而，玩家追蹤系統的出現解決了這個問題。

2005年，一群具有導彈跟蹤背景的以色列科學家發明了玩家跟蹤系統。 🧔其本質是一個放置在體育場上方的攝像系統，每秒25次捕捉籃球場上的所有活動。 系統可以提供實時的球員二維運動數據和籃球的三維運動數據。

自2013年以來，它已安裝在所有29個NBA球館中nba球員效率值查詢，并記錄了超過3000場NBA比賽。 該系統提供的海量數據為各團隊的數據分析提供了堅實的基礎。

在它誕生之前，如果一支球隊想要了解自己球員在擋拆防守中的表現，唯一收集信息的方法就是手動觀看視頻。 這樣的工作費時、費力、效率低下。 現在，他們可以從這里下載數꧋以萬計的擋拆防守數據，利用機器學習來識別和判斷每個擋拆防守的類型，并對每個擋拆防守類別進行分析和總結鑒定工作完成后加一。

該系統允許每支球隊的分析師通過坐標數據來解釋球場的各個方面，例如球員的投籃熱點或他們在球場🅘上的跑動距離。 這樣的信息無疑是有價值的，因為它是簡單易懂的籃球語言，可以給教練員、訓練員和球員帶來更直觀的理解。 因此被麻省理工學院體育峰會列為近十年來體育產業最重要的創新技術。

體育分析的爭議

關于體育數據分析在體育行業中的作用一直存在各種爭議。 很多人擔心職業體育擁抱數據分析和創新后會產生負面影響。 他們抵制分析師接管團隊的前臺，并質疑數據是否能夠維持團隊的長期成功。 他們甚至擔心數據分析最終會奪走體♋育運動本身的魅力✱，影響其受歡迎程度。

當然，僅僅用“創新是積極的”論調來回應這些爭議是不負責任的。 這些質疑的聲音值得探討。 在《♋創新的擴散（of）》一書中，社會學家埃弗雷特·羅杰斯將創新可能造成的負面后果總結為“間接”、“不受歡迎”和“無意”這三類。

對這些反對意見一一ꦫ評估后，不難得出結論，數據分析對職業體育的負面影響是有限的：傳統主義者和分析師之間的關系并不矛盾。 只要團隊將信息🍒私有化，就有可能長期保持競爭力。 數據分析的引入也不是個人運動受歡迎程度下降的決定因素。

就目前而言，數據分析并沒有破壞ᩚᩚᩚᩚᩚᩚ⁤⁤⁤⁤ᩚ⁤⁤⁤⁤ᩚ⁤⁤⁤⁤ᩚ𒀱ᩚᩚᩚ北美職業體育的競爭環境，而是進一步增強了其競爭力。 正如NBA達拉斯小牛隊老板馬克·庫班所認為的那樣，職業🏅球隊考慮數據分析的動機其實是明確而直接的：“我只是想盡我所能為小牛隊提供盡可能多的優勢。 ”

體育大商體育大商微信公眾號：

199IT大數據導航

以大數據行業為核心，以大數據工具為輔，匯聚全球1000余個優質數據工具平臺，是行業研究的首選。 最近，添💫加了新的移動應用程序 ASO 工具。