京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,以“大数据”为代表的新技术对体育直播的冲击,大数据在体育直播中的挑战和创新,虽然现在来看威胁到体育解说员的角色,但是对这个行业的来说却是锦上添花。
从“单屏”到“多屏”
首先还是要从体育观赏方式的变化说起:移动端,就拿本次巴西世界杯来说,调查显示有 30% 的球迷使用智能手机或平板电脑观看比赛,另有 30% 的观众使用电视机收看比赛。
移动端的崛起,将赛事欣赏从“单屏”直接变成了“多屏”。奥美体育营销总监强炜在“英特尔体育行业与大数据应用”会议上分享了自己使用 APP 欣赏赛事的经历:我手机里面的 APP 不仅有集锦、回放等等,而且跟我的工作有直接关系,跟我的个人爱好可以随时发生关联。我飞去巴西看球的经历是很痛苦的行程,24小时的飞机,离比赛时间还有三小时,因为机场不能来接,我要在这个时间内到酒店去取票,然后再去场地,看完比赛以后当天晚上住下来,所以这个过程很痛苦,大部分的时间在飞机上。
我看互联网的科技已经可以让我们把世界上最好的比赛随时随地去看,这一点应该是互联网科技和大数据给我们渗透生活当中的各个表现。实际上这种视频网站以及移动终端已经把这个信息全面的推给到我们的用户。昨天我看到一个新闻是优酷和乐视在第一轮比赛之前的整个用户量都已经过亿,所以尽管由于时差的原因,很多人尽管也选择在家里看比赛,但是互联网的应用是全面的渗入到我们的体育生活当中。
通常来说,移动端设备 APP 应用的计算主要发生在前端,比如消息、微博、阅读、办公等等,对于后端的计算能力虽然也有一定要求,但是计算量往往比较小或者与服务器的通讯是间歇性的。体育直播则不同,数据计算体量大:视频是数字格式当中体积最大的,客户端的计算请求数量异常之高——因为观赛人数规模实在太庞大。就拿上届世界杯来说,权威机构尼尔森(Nielsen)发布的数据显示,有超过 1.11亿美国观众观看了 2010 年的足坛盛事。本届世界杯更甚,美国与加纳的小组赛首轮比赛仅英文电视转播就吸引了 1109.3 万观众,创下了 ESPN 单场男子足球比赛观众人数最多、收视率最高的纪录,这还不算西班牙语电视转播的观众。
上届世界杯 ESPN 派出了庞大的转播队伍,使用了全套顶尖的英特尔计算设备,包括笔记本电脑、服务器、网络和图形设备全方位助力网络和电视转播。ESPN公司负责人将其描绘为该电视网有史以来最为恢宏的节目转播活动。ESPN负责网络、支持与安全服务的副总裁 Dan Robertson 就曾表示:“那是我们所做过的最大的远程直播节目。”
美国这样以“橄榄球、棒球和篮球”为三大球类运动的国度都在热衷于足球。足球运动在中国长久不衰落,观赛球迷数量和美国相比只多不少,大概都可以用亿计都说不定。ESPN 是美国球迷首选的观赛平台,优酷土豆和新浪则是中国球迷网民的看球首选。优酷土豆和新浪的转播队伍很可能要服务比 ESPN 更庞大的观众群——中国球迷。中国新闻网的消息指出,世界杯期间优酷播放量已经破亿,另一家视频网站乐视公布数据,该网站日均覆盖用户数超过4500万,日均播放时长超过3500小时,日均播放次数超过2亿次。可见,互联网应用已经全面渗入到我们的体育生活当中。值得一提的是,优酷土豆、新浪和 ESPN 一样,这三家公司都采用了英特尔的产品作后端支持系统,提供稳定、可靠的直播服务。
观众人数的增大不仅带来了直播的压力,服务这部分群体的其他互联网和内容产品同样面临巨大的后端计算压力,比如网站的评论系统、论坛区。某一段精彩进球视频的播放次数可能会超过一场比赛的次数(因为会有人重复观看),并且球迷在评论中彼此互动,又进一步加大了网站的后台负担。所有这些挑战,如果没有足够强劲的计算能力支持,是没有办法实现的。
“多屏”普及也为体育直播的创新创造了条件,虽然平板设备能做的事情有限,且无法实现沉浸式体验(屏幕尺寸和解析度无法和主流高清电视相比),但是平板设备上丰富的 APP 资源和数据运算能力,使其能够与电视画面相配合,实现联动、互补。比如电视画面上是比赛实况,观众可能会在平板设备的“小屏”上刷微博,发表观点,也可能在上球迷论坛,与此时此刻同样在看球的其他人一起讨论。数据显示,美国地区有 85% 的平板用户在看电视的时候会使用他们的设备,多屏设备的使用体验从主动(self-initiated)变成了一种程序(programmed experience)。
这种与体育直播画面的联动和互补,体现了“大数据”的优势:预测分析,尤其是挖掘出直播画面当中被忽略的成分。比如美国职业棒球联盟(MLB)采用英特尔的服务器系统实现了比赛直播中“大数据”分析结果与直播画面的叠加。如图,仅仅从直播画面中,并无法判断两名外野手距离落点究竟有多远,反应速度、奔跑距离和加速度的详细数据。但是“大数据”技术能够把这些被忽略的细节加入到体育直播当中去,配合移动设备与电视的多屏呈现。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25