
数据分析师工作到位可左右胜负 目前中超还不被重视
在足球比赛中,我们可以看到球员们在场上展现高超的球技,可以看到主教练精妙的临场指挥,但还有很多人为一场足球比赛默默无闻地工作。最近几年,很多球队都增加了一个新职位——数据分析师,也有人称呼他们为科研教练。中超联赛技战术水平的提高,离不开他们的工作。
难
“三项全能”才能胜任
很多球员在退役之后都当了教练,但并不是所有退役的球员都可以成为数据分析师。
作为一名数据分析师,每天只需要跟枯燥的数据和永远也看不完的录像打交道,但实际上这隐藏着很大的学问。作为一名足球的数据分析师,懂球是必须的!所以很多从事这个行业的人要么是科班出身,要么就是之前有过从事足球行业的经历,要想半路出家来从事这个行当肯定是不行的。另外,欧洲足球在科研和数据方面领先,他们制作的软件都是英文系统,所以要想做好这个工作,还必须精通外语。
仅仅这些还不够,因为那些软件的应用也是相当复杂的,中国足协在一年之内就对各中超俱乐部进行过三次如何使用这些软件的培训。“中国足协给我们提供的仅仅是一些数据,确实那个系统中还有很多学问,只有自己吃透了,才能让这些数据物尽其用。 ”一位数据分析师这样告诉记者。
强
工作到位可以左右胜负
比赛是球员踢的,是教练指挥的,这二者是决定胜负的关键因素。但是,数据分析师的作用也绝对不能小视,通常情况下,数据分析师的工作可以归结为三点。
首先是统计本队的比赛数据,通常在一场比赛结束之后,球队都会总结,教练总结的根据就是数据分析师拿出的结果。
其次,各队也都会对日常训练进行总结,这样才能找到差距。对训练数据的分析也是数据分析师的工作。例如队员们的跑动距离、心跳次数等等,这些都是他们需要记录和积累的。
最后,他们还肩负着球探的工作,这也是他们日常工作中最为繁重的。通常情况下,他们需要从周一开始就为下一个对手着手准备,在不到一周的时间里,他们要看对手的比赛录像,“一般情况下,会把对手最近三场比赛的录像仔细观看,当然仅仅看三场也不够,更早一点的录像也要粗略地看一看。研究一个对手差不多要看六七场的比赛,多的时候需要十几场。而且为了在比赛中找到共性,一场比赛还需要重复观看。 ”一位数据分析师说。
数据分析师观看比赛的目的就是要找到对手的命门所在。在找到之后,教练员就会进行有针对性的布置,运筹帷幄之中,决胜千里之外!在上赛季大连阿尔滨客场挑战北京国安的比赛中,阿尔滨的数据分析师就发现北京国安的很多进球都是由徐亮的直传球发动的,所以他特意提醒队员们千万不能让徐亮正面拿球,一旦拿球就必须加以封堵,不能让他舒服地传球。全场比赛,阿尔滨队一直都贯彻地很好,但他们还是出现了一次失误,正是这次没防住徐亮,让他远距离助攻王晓龙得分,结果阿尔滨在那场比赛中0:1失利。
忧
在中超,数据分析师还不被重视
数据分析师的作用显而易见,尤其是在足球比赛更多地和科技接轨的今天。但是在中超,数据分析师的作用还没有被高度重视,很多球队甚至还没有专人来做这项工作。
中超联赛中有很多外教,但并不是每个外教都配备了数据分析师。 2012年,中超公司为了提升各队的技术含量,特意从法国购买了amisco的软件,这个软件可以自动测出队员们的跑动距离、每个人之间的距离等一些重要的比赛数据。为了让更多的球队可以把这个软件应用好,中国足协曾先后三次举办这个软件的学习班,但是学习效果并不好。
一位参加了三次学习班的数据分析师告诉记者,“我三次学习班都参加了,但是在里面只看到了一位和我一样平常跟着球队征战的人,其他的好像都不是跟着球队的。有些人不认识,有些人我是认识的,他们有的是球队的翻译、也有俱乐部的工作人员。”至于其他中超俱乐部为什么会这样安排,有人猜测,很多球队对数据分析不重视,根本就没有数据分析师的职位,他们对日常训练的数据统计不重视,对下一个对手的观察也还停留在助理教练观看比赛录像的直观层面,没有科学的数据支持。所以,翻译和俱乐部的官员来也就正常了。
喜
阿尔滨战术分析很到位
其他各队对数据分析的重视程度还不够,但是大连双雄却早已经走在了前面。大连实德在2010年任命韩国人朴成华担任主教练,和他一起来的就有一位数据分析师申升淳,他在2002年曾跟随希丁克,帮助韩国队在世界杯上创造了奇迹。
大连阿尔滨队对数据分析更是重视,早在球队还在征战中乙的时候,他们就配备了专门的人员。程俊从2010年开始担任大连阿尔滨队的数据分析师,此前他曾在德国留学,为德国国家队做过数据分析,在来阿尔滨之前曾在德国的俱乐部工作,近几年阿尔滨取得的成绩有他的一份功劳,很多球队的“命门”所在都是他根据反复观看比赛录像后发现的。“通常情况下,我会让两个屏幕并排在一起,左边放的是比赛录像,右边的屏幕放的是我制作的二维动画,这样球员们在看的时候就会有一个很直观的感觉,可以通过动画看到场上整体的跑位情况。”程俊说,他的工作让阿尔滨的队员受益匪浅。
不仅仅是比赛,即便是在日常的训练中,程俊也要进行录像,然后开始数据分析,找出球队的不足。CDA数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04