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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09