
全民健身及大数据的探索应用
说到全民健身,人们可能更多想到的是广播操、绕圈跑、太极拳、广场舞,但在体育产业蓬勃发展的今天,全民健身已经开始有了越来越多不同的玩法。“大数据”就是其中最为前沿的一种。
在互联网等科技飞速发展的今天,大数据的应用越来越受到重视,2015年,国务院印发了《促进大数据发展行动纲要》,系统部署大数据发展工作,具体到全民健身领域,《体育发展“十三五”规划》等重要文件也均提到要借助大数据的力量来实现各个体育领域更好的发展。
“大数据在全民健身领域至少可以应用到三大场景:一是政府层面,主要体现在智慧城市的智慧体育上,即利用互联网、云技术,通过管理场馆、赛事、培训等运动资源和对相应的大数据采集和分析,全面了解全民健身参与情况,基于数据有效地解决政府的投入和配置的效率问题,有利于政府公共服务采购、供给侧改革、提升人民群众生活幸福指数;二是在体育营销层面,可以通过技术手段获取大型场馆的观赛人群的数据,通过打通和匹配不同来源的数据,准确给出人群画像,做出精准营销,以捕捉体育带来的新的消费需求和潜在商机;三是在健康管理领域,通过对个体的运动健康的数据积累和状态追踪,提出运动、饮食、防病的个性化推荐,这对保险、食品、医疗、体育等行业具有深刻的影响。”新赛点体育董事长徐林洲说。
说到全民健身及大数据的探索应用,新赛点公司颇有发言权,这家拥有300多名员工的公司在2007年成立后,一直专注于在全民健身领域提供一站式体育运动服务。新赛点经过多年投资、自主研发了基于移动互联网的百动运动服务平台,整合一、二、三线城市2000家以上的场馆资源,为行业协会、大型企业像中国银行、广发银行、中信银行、中国移动等一百多家大型企业背后的数千万自有客户和企业员工提供多种运动健身服务,该公司去年在新三板挂牌后,在选择最新的战略突破点时,就是探索大数据如何结合全民健身中的各个场景,产生新的业务增值。
徐林洲介绍说,公司原有的业务方向是为大企业客户提供包括场馆预订、赛事组织、俱乐部管理的定制化解决方案,而现在,该公司已经尝试依托全民健身服务平台和场馆云管理系统,打造基于大数据和应用场景的标准化产品组合和细化的服务,更精确地满足个体的运动需求。
对于大数据在体育领域的作用,中国社会科学院社会科学文献出版社社长谢寿光有着更为宏观的解读。他说:“我们这个时代需要新型的体育制度,今天你想在任何一个方向有所发展,都需要利用大数据做深入的分析,需要对需求、对投资、对环境作精准的分析和判断。”
体育大数据的建立始于对运动人群的分类。新赛点将白领员工分为四类,分别是运动发烧友、运动爱好者、泛运动人群和非运动人群,针对每一类人群,新赛点都有相应的服务组合,涉及监测体质,开运动处方,指导运动选择,建立运动社群,运动健康数据追踪、装备、培训等等,通过运营,激发运动消费的转化率。而这些消费过程,帮助新赛点积累了第一手的不同人群运动消费的数据。
“新赛点不仅用大数据的观点来洞察直接服务的用户,”徐林洲说,“我们最近也开始与大数据公司合作,通过帮助体育主题公园和大型赛事场馆智能化,获取大数据,从另一个维度理解体育消费者。这些公园和场馆一般有着巨大的观众流量,而通过各种设备,可以采集到流量观众的数据,上传到云平台之后,与同样观众的其他线上和线下的大数据关联,就可得出用户的多维度的人口属性,线上行为,线下消费,体育偏好的洞察,通过APP,园区的互动屏,线下服务进行精准的体育营销,帮助公园,场馆的运营商把人群流量转为营销收入。”
对于大数据在体育场馆中应用,东城区体育局副局长马力也有着同样的感触。他说:“数字化是基础,网络化是条件,智能化是核心,这里面大数据将会发挥很大的作用。通过大数据,能够知道在场馆中人们运动的心率、运动的强度等等一系列情况,这都属于场馆智能化的一部分。”
其实大数据在全民健身中的作用不仅局限于场馆,维宁体育CEO纪宁曾提出未来的十类有发展前景的体育大数据公司类型,包括体育大数据广告公司、体育大数据电商平台公司、运动健康监测大数据公司等等。“大数据是一个金矿,是没有被开采的金矿,目前的中国体育产业大数据前景无限,空间广阔。”纪宁说。
大数据在各种运动、观赛场景的应用为全民健身乃至整个体育产业的各个领域提供了巨大的想象空间。“随着越来越多的人参与到运动健身中来,体育消费快速增长,消费场景日益多样化,同时移动互联网,人工智能,物联网的快速发展,加上全民健身已上升为国家战略,各级政府政策引导和资金支持,体育产业发展进入了爆发的黄金十年期,而大数据在全民体育中越来越广泛的应用,将成为加速群众体育发展的助推器。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29