大数据之于体育：错误使用便成了祸害
从《点球成金》这部电影开始，体育界的有识之士们终于找到了向往已久的道路，那就是如何利用大数据来让团队发挥最佳水平。从足球到篮球，数据似乎成为赢得比赛甚至是奖杯的金钥匙。
但它其实不是，至少，不完全是。
根据统计学家Nate Silver的观点，我们收集的数据越多，就越难把信息从噪音中过滤出来。一项最能证明这个真理的运动，是板球。
大部分美国人对板球都不熟悉，它主要盛行于英联邦那些国家。在今年1月份，澳大利亚以5-0的比分完胜英国队。The Daily Telegraph报社列出了英国失败的五大理由，其实真正的原因只有一个：英国教练Andy Flowers太过于依赖大数据。
在2011年看了点球成金后，Flowers开始通过数据来决定比赛的成员和技术。如 ESPN的Tim Wigmore所说：
“在flower任教练时期，球队已经完全被数据控制，板球再也不复当初的随意、自由和欢乐了...比如说Alastair Cook不顾比赛实际情况而坚持要有守门手，再如对阵印度时对Sachin Tendulkar实行的一系列政策，这些都是球队分析师在依赖电脑模拟之后产生的结果。”
这种对数据的依赖不仅影响了赛场上的决策，甚至还决定了谁应该上场：
Tim Wigmore说：“球队通过数据选出反应最敏捷的投球手，然后尝试在短期内对他们进行培训，使之成为适合比赛的球员，没有意识到这些都为时已晚。”
过度依赖数据可能会让教练更加重视球员过去的表现，而不是当前表现以及球员所处的赛场情况。比如说，最近有分析认为“热手”缪误是真实的：一个“热手”玩家似乎能进入一种奇怪的境界，即超高的准确率以及无人可挡的气势。这种偶然性现象本身就不适合用数据来解释，一旦相信其结果，在此基础上的推测都没有意义。
在板球这个例子中，数据对体育的影响并不是孤立的，它从各方面综合影响到比赛的始终。那场比赛后，flower最终在信任的人和错误的数据之间找到了平衡点，他不再如此地依赖数据。而实际上，在这个大数据时代，获益最多的不是那些使用最多数据的人，而是最会使用数据的人。
这个真理存在于生活的各个方面，但是最终人们需要的不是数据，而是决定。数据能够影响决定，但不能是唯一的因素。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
Pandas 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在标签体系的落地链路中，“设计标签逻辑” 只是第一步，真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键，在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时，折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时，“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号（如 “北京 ...
2025-09-28在 CDA（Certified Data Analyst）数据分析师的技能工具箱中，数据查询语言（尤其是 SQL）是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验：原理、方法与实战应用 在生存分析领域，Cox 比例风险模型（Cox Proportional Hazards Model）是分析 “ ...
2025-09-26检测因子类型的影响程度大小：评估标准、实战案例与管控策略 在检测分析领域（如环境监测、食品质量检测、工业产品合规性测试） ...
2025-09-26CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中，“数据从哪里来” 是 CDA（Certified D ...
2025-09-26线性相关点分布的四种基本类型：特征、识别与实战应用 在数据分析与统计学中，“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南：从原理到实战的科学路径 在深度神经网络（DNN）的设计中，“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中，不少团队陷入 “指标困境”：仪表盘上堆砌着上百个指标，DAU、转化率、营收等数据实时跳动，却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片：成因、检测与内存持续增长的解决策略 在 MySQL 运维中，“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测：核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师：驾驭通用与场景指标，解锁数据驱动的精准路径 在数据驱动业务的实践中，指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中，AB 实验系统（负责验证业务优化效果）与业务系统（负责承载用户交互与核心流程）并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析：6 步闭环，让数据驱动业务落地 在企业数字化转型中，CDA（Certified Data Analyst）数据分析师的核心价值，并 ...
2025-09-23
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
