京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据在体育产业里到底扮演了什么角色
随着共和国的经济和科技发展,大数据还没在美国爆发,先在咱们这片土地上炸了。
大数据像是一场夏日的小雨,一阵响雷后,悄悄地落在地面上,又悄悄地润进土壤。
去年开始有个响雷叫“体育大数据”,一批公司在这阵雷声里拿到了融资,那么他们现在都干嘛呢?
一年内比较受关注的一批体育大数据公司
大体上,体育大数据公司是围绕在社区、赛事数据、体育数据、媒体、博彩(彩票)、青训这几个领域上的。
这里诞生的最早的是2004年成立的搜达足球,但那个时候搜达足球只是一家简单的足球网站,直到2014年,乐视与搜达因为印度超级联赛的直播才有了接触,这时候已经有了细致、可调控的图表数据。2014年云技术爆发,使得大数据技术门槛降低,再后来,2016年,大数据的概念被资本家们拿出来搞事情(搞¥)。大公司们决定布局体育大数据,就有了乐视体育投资3920万控股搜达足球这码子事。
打这儿开始,2016年的体育大数据融资就算是开场了。
体育大数据是什么?体育大数据其实实际只存在了四种公司
体育大数据的数据维度除了比赛本身,也有场地、天气、时间、运动员身体情况的维度。
之前,大多数比赛的数据还是人工收集,直到一家名为ZebraTechnologies的公司试图记录更为全面,更为准备的现场数据。他们通过将RFID标签放在设备里,球上,或是运动员的身上,来跟踪收集其运动方向,距离,速度等数据。另一家叫SportVU的,在每一个NBA球馆都放了6个摄像头,以每秒25次的速度来收集每一名球员和篮球的每一次移动。
这些数据被收集起来,给教练、运动员、经纪人、赛事工作人员,来帮助运动员员得分,合同谈判,或是避免伤病。
在2014年的麻省理工斯隆体育分析大会(MITSloanSportsAnalyticsConference)上,教练们与球员们在一起,分析了大数据的潜力,与它对于现代体育的8个影响。
其中包括:
1更加精确的赛场判罚
2球迷可以看到更多的进阶数据
3通过可穿戴设备经行数据的收集与分析
4现场数据的收集
5预测球迷动向
6为体育迷提供了新的就业方向
7影响教练的决定
8建立参数,帮助合同谈判
当然,实际操作上,大体上只有4种公司:
1体育博彩数据公司
2关注竞技体育,主要是赛事方面的大数据公司
3针对青少年培训和职业运动员培训的数据公司
4针对体育爱好者的数据公司
B端的公司先行一步已经盈利了
魔方元官网旗舰产品展示了三个产品,提供解决方案;足球魔方应用;梦幻足球经理模拟游戏。实际上魔方元做了四件事,为体育用品做BI辅助决策、为体育媒体提供内容;为俱乐部做青训数据支持;卖足彩。据说已经盈利了。
这也揭示了体育大数据服务的四大目标群体:职业球队、体育媒体、广大球迷、足彩彩民。
明眼人都看得出,四个目标群体里,三个都是大B端。
C端的公司主要是面向普通球迷提供搜索和社区的服务,但收费仍然是向专业用户提供数据分析服务。老实讲,体育大数据对C端个人用户的意义暂时还没有发掘出来。所以针对C端用户的商业模式还是靠卖体彩,但其实卖体彩服务的仍然是B端的博彩公司。
所谓体育大数据的概念,整体上还有些模糊,现阶段与其说是体育大数据,不如说是体育分析,可能更为妥帖。体育数据的相关性与隐形趋势对个人而言,并无太大影响与指导意义。与其关心运动员的身体状况和战术信息不如说他们更关心的是运动员本身的魅力,毕竟虽然冠军的关注度高,但并非只有冠军才有人关注,即便天才如马拉多纳也一样会有人不喜欢。
目前体育产业发达的欧美顶尖数据服务商的通用商业模式是:
1从赛事版权方拿到数据开发的代理权
2对比赛和球员进行数据采集
3对数据进行建模和加工
4再通过产品化打包分发给B端用户
越来越多的体育数据公司还会加入战团,这其中包括收购了OPTA的Perform,以及为中超提供服务的法国数据公司艾米斯科,这些海外公司的指爪其实近在咫尺。但看过了国外的案例后,也有了新问题,Sportradar最大的客户是博彩公司BET365,那么谁能拿下中国体彩中心呢?
体育大数据到底在体育产业里扮演什么样的角色?
“大数据统计对体育赛事的运用是多维度的,获得奥斯卡提名奖的《点球成金》就充分诠释了‘棒球统计学’这一名词。”——创冰科技CEO刘震
事实上,诸如Amisco、OPTA、SAP以及Prozone这样的数据公司,已经成为职业足球界必不可少的细分环节。数据行业之于全球体育领域的重要性,正在不断提升。
Prozone已经为全世界的300多家足球俱乐部提供数据,包括英超联赛的所有球队。员工只有几十人的OPTA(已经被Performs收购),德国的SAP公司,不仅成为拜仁慕尼黑的官方合作伙伴,甚至在德国国家队夺取世界杯的过程中,也起到了至关重要的作用。
据我们从网络搜集来的数据显示:全球大数据市场规模从2010年的32亿美元,增长到2015年的170亿美元,年增长率达40%,其中中国2015年大数据市场规模达115.9亿元,预计2017年可以迅速发展到170亿元的市场规模。
但与市场规模光鲜的数字不同的是,由于国内职业体育赛事成熟度的不同,国内B端市场的赛事数据服务需求远远不及国际市场的需求度。但根据国家大力发展青少年足球的政策来看,长期的讲这些可能在未来都不会是太大的问题,短期的讲,足球青训是现下市场的重要缺口。
现在国际赛事数据服务机构例如StatsLLC、PerformGroup和Sportradar更倾向于通过并购手段来丰富技术手段、产品内容和销售渠道,以此来提升B端服务能力。
但乐观的看国内体育大数据发展,据创冰科技方面称,与其合作的广州恒大淘宝、延边富德以及河北华夏幸福都在第一年跟大数据相拥之后就从中甲升级到了中超。
整体上来看,我国全民运动的热情正不断增加。相较2015年的数据,足球、篮球、网球和乒乓球的全民参与程度都有明显增加,其中篮球与足球的增幅达到了20%以上。适合个人训练的运动种类正在扩大参与者规模;羽毛球作为2016年的第三大运动种类完美地具备了个人训练(或1对1练习)的运动属性;网球作为具有同样运动属性的运动正吸引更多的人群加入到这项运动中来。
尽管B端是体育大数据目前的利润来源,但很明显反而是C端才让体育大数据拥有更大的商业想象空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22