
大数据、大手笔,还是大麻烦?
目前,可穿戴技术正在进行一场激烈竞争,许多体育项目都开始尝试可穿戴技术。例如,NFL、NBA、NHL、MLB、足球、网球,甚至是大学足球。这项技术的快速发展,却产生了一系列的法律问题。可穿戴设备对职业体育产生了什么影响?可穿戴技术的井喷式发展,又会带来怎样的法律问题?
健身爱好者正在用可穿戴设备,统计跑步里程数,分析高尔夫或网球数据时,可穿戴技术公司正在与专业体育俱乐部合作,开发和落实可穿戴前沿技术。目前,可穿戴技术正在进行一场激烈竞争,许多体育项目都开始尝试可穿戴技术。例如,健身爱好者正在用可穿戴设备,统计跑步里程数,分析高尔夫或网球数据时,可穿戴技术公司正在与专业体育俱乐部合作,开发和落实可穿戴前沿技术。
在美国,许多职业体育项目都开始使用可穿戴技术。
例如,在上一赛季,NFL开始与斑马技术公司合作,推出了Next Gen Stats的项目。项目中,主办“周四橄榄球之夜”的场馆里,会安装传感器。到2015赛季,所有球队的场馆中也会安装这种传感器,搜集球员护肩上射频识别发射器产生的数据。传感器可以准确捕捉球员在比赛中的实时位置,以每秒钟25次的频率显示出来,最终形成每位球员的行动轨迹。一场比赛下来,位置误差不到6英寸。这项技术还能搜集速度与距离数据。
斑马公司运用动作分析服务软件处理信息,向NFL的转播权合作伙伴发送大量分析报告。球队的其他合作伙伴、NFL应用程序和XboxOne游戏机也可以获得这些数据。斑马公司搜集的信息,可以改变职业足球的观看、分析、训练和比赛方式。无论是在现场,还是在家,铁粉们都能通过获取球队和球员表现数据,改善观赛体验。
这些数据还有利于改善模拟游戏中的用户体验——无论是赛季型球队游戏,还是越来越受欢迎的每日型模拟游戏。据悉,斑马公司的最初目的是提升粉丝的观赛体验,但技术发展后,却能用于教练、训练和伤病管理。
美国全国曲棍球联合会(NHL)正与澳大利亚的Catapult技术公司合作。该公司最初以澳式橄榄球中的球员追踪技术著称。根据双方合作协议,将开发出一种可穿戴设备,用于分析滑冰负载与容量、球员速度、碰撞受力,甚至是球员哪只腿用力更大。
有二十多支NBA球队在使用Catapult公司的OptimEye系统或类似技术,用于追踪和分析球员表现。OptimEye技术是指,在队员球衣上安装传感系统。在球员肩胛带之间,会安装动作传感器,再加上GPS定位器和室内天线,可以在三位空间测量球员速度和运动轨迹。
大数据、大手笔,还是大麻烦?
可穿戴技术的发展与创新,将彻底改变体育界的布局。许多评论家预测,可穿戴技术可以搜集信息,提高粉丝参与度,减少球员伤病,优化训练体系。但是,可穿戴技术的应用,却不会仅限于此,相关的问题也接踵而至。
毫无疑问,可穿戴技术的发展,离不开大量的资本投资。根据技术行业分析企业IHS 技术公司的分析,可穿戴技术是一个十亿美元级别的行业,并正在快速发展中。IHS预测,体育、健身和活动监测带来的全球收入,将从2013年的19亿美元,上升至2019年的28亿美元。
然而,大数据和大手笔的阵势,也带来了法律上的大麻烦。体育可穿戴设备在法律领域内还是一个未知。球队正在加速使用可穿戴技术,也将面对大量相关的法律问题。
数据隐私、保密、归属与使用
围绕可穿戴技术,最棘手的问题就是数据归属与使用。这里的技术,既包括球员个人的相关数据,也包括球队和联赛搜集的整体数据。职业球员使用可穿戴技术,由此搜集而来的数据,它的归属权是谁?当前,答案是数据搜集者——联赛和球队搜集的球员信息,至少拥有原始数据、积累数据和相关分析的所有权。但他们能不能处理数据,就是另一回事了。
在职业运动员训练过程中,所搜集信息的归属权和使用权问题,非常类似于雇主搜集信息产生的问题。这会涉及到信息隐私、保密和使用等许多问题。什么样的信息属于运动员不可侵犯的隐私?球员可以要求对个人信息保密吗——包括球队或联赛搜集的信息?有关球员的分析数据可以分享给转播权伙伴、体育评论员和分析人员吗?视频游戏中可以使用吗?这些数据可以分享/出售给模拟体育参赛者吗?在NFL的例子中,这些问题的答案都是肯定的。
在职业体育领域,运动员信息的网络安全也仍不明晰。可穿戴技术搜集的数据越来越详细。开始有人担心,这些信息可能被黑客劫持,被雇主滥用,被保险公司利用,甚至成为引发诉讼的罪魁祸首。
劳动关系问题
球队和联赛能否使用球员数据,必然会成为球员雇佣协议的重要内容。这不仅会规定哪个第三方可以使用球员数据,使用什么样的数据,还会规定球员及其代理人是否有权使用可穿戴技术产生的数据和衍生数据。
显然,在薪水约定和合同协商过程中,球员表现数据和其他数据扮演着重要角色。然而,到目前为止,预测运动员的未来表现,还主要依靠过往表现、年龄信息、健康信息和伤病历史。
随着这些数据越来越容易获取,分析人员可能获得以前得不到的信息——以前检测不到的生物特征数据、球员瞬时反应、长期健康与未来伤病的预测因素——球队根据这些信息,即使在运动员高峰期,也可以预测他们的低谷期,为薪水与合同协商提供数据支持。美国篮球运动员协会已经注意到这一问题,提出在合同协商中,有些球队已经开始使用可穿戴技术搜集的数据。
专利纠纷和贸易秘密
随着数据分析越来越多的资本涌入,可穿戴技术产业公司希望保护知识产权,为投资保驾护航。相关的专利起诉已经开始出现。在加利福尼亚州,可穿戴技术公司FitBit和Jawbone就已对簿公堂。Jawbone分别以专利侵权和窃取贸易秘密为由起诉了FitBit。在其中一个案件中,Jawbone称,Fitbit招聘人员与30%的Jawbone员工有过接触,并最终达成几项雇佣协议,获取相关的贸易秘密和机密信息。Jawbone声称,这些员工“将Jawbone关键业务的机密信息”带到了Fitbit。
另一个案件受理于2015年6月。Jawbone认为,Fitbit对Jawbone一项数据手环健康程序有侵权行为。Fitbit反驳称,这是对方的“战略诉讼”,他们在6月17日公布首次公开募股。Jawbone还向美国国际贸易委员会(ITC)提请仲裁,希望调查Fitbit的六项侵权行为。ITC宣称将开始调查工作,不过,在权利主张阶段,该案件中会遇到适用范围问题和潜在不确定性。
安捷伦科技有限公司曾起诉阿迪达斯和其他几位被告人。安捷伦称被告方有产品专利侵权行为,例如阿迪达斯的miCoach运动衫。被告方认为,这些专利八年前已经废弃了。阿迪达斯申请简易程序,认为由于原告“不合理的延迟”,应该适用禁反言原则和懈怠原则。
更多诉讼可能随之而来。如果职业球队的合作公司也涉及其中,就不知道会对可穿戴技术发展产生怎样的影响,以及是否会影响可穿戴设备在球队和联赛中的推广。
尽管存在法律空白,但职业体育已离不开可穿戴设备
可穿戴技术的发展前景在于,它能促进粉丝参与,改善用户体验,提高球队和队员的表现,甚至保护球员身体,避免球员受伤。然而,无论是职业体育,还是可穿戴设备消费,当前都缺少相应的规则、 法规或指导方针。在不久的将来,由于可穿戴技术的大量使用,劳资纠纷、诉讼案件和其他问题纷至沓来,肯定会给劳动法、隐私保护法和知识产权法带来影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29