京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用大数据解读世界杯期间的球迷百态
世界杯快要接近尾声了,坐等14日凌晨德国与阿根廷的决赛。沙水也是曾经的足球小将,虽然如今很少踢球,但是有了世界杯还是得拿出球迷本色来。这届世界杯是看球时间最不好的一次,但也看了几场重量级比赛,熬了一个通宵。昨晚最钟爱的两只球队阿根廷与荷兰的比赛,即便是大醉昏睡过去之后还在凌晨3点奇迹般的醒来,直到比赛开始,看到最后的点球大战。

当然,有世界杯就少不了为心爱的球队赌一把,可是今年这届世界杯着实冷门迭出,叫人痛苦,十来场下来不幸输了1000来块,中途咬牙收手,不再涉足。只听网络之间跳楼者众,有百万富翁诞生,想必大多是从千万富翁降级而来。仔细想想,就凭沙水以及身边朋友的行为来看,就呈现出各大姿态,那么全国各地的球迷们在世界杯期间又表现如何呢?
沙水今天刚好看到了一张网易新闻客户端对世界杯开始到7月10日的用户数据所分析出来的《你所不知道的世界杯“球迷百态”》信息图,里面就把各种网易用户的看球百态生活描述得活灵活现。里面所释放出来的信息主要有这么几点:
1、用户关注度最高的三个球队分别是:巴西(2500万)、德国(1800万)、西班牙(1100万)。巴西排第一不奇怪,本来就是足球王国,还是东道主,关注度必须得高。当奇怪的是三者数据刚好两两相差700万,呈等差数列分布。(别奇怪,沙水对数字一直很敏感,数学成绩也一直是名列前茅滴~)
2、不同地区的用户对世界杯的态度截然不同,很有地域特色:北京侃爷最能吐槽,日产60万条;上海押注金币最多,占竞猜池的10%;广州贡献了全国15%的世界杯流量;湖南完全不为所动,看娱乐节目“爸爸去哪儿2”是王道;藏区人民就只有骑马儿消遣了……让杀谁大感意外的是上海银这么好赌,我大湖南人民不是进行打麻将的娱乐活动而是看湖南卫视去了。真是万万想不到!
3、纯爷们和女汉纸对球员的审美真是有天壤之别:男球迷最关注的三名球员是斯内德、罗本、梅西,女球迷最关注的三名球员是梅西、C罗、内马尔。尼玛,妹纸们看球原来都是冲着帅哥来的啊!俺们大老爷们才是懂足球有内涵的好不好?当然啦,我们也爱球球!更喜欢和妹纸们一起侃足球,尤其是深更半夜一起看球。
4、数据告诉你“赌球”输得有多惨:本届世界杯冷门不断,害苦那些斩钉截铁算输赢、信心满满押赌注的球迷们,其中德国战加纳平局、巴西战墨西哥平局的押注赢率分别仅有1.05%和2.3%,从而导致网易跟贴哀嚎遍野,天台上拥挤不堪。从跟贴数据看,本届世界杯“出人命最多的三大夜晚”分别是西班牙王朝陨落之夜、英格兰出局之夜和C罗回天乏术之夜,“文明排队,有序跳楼”已然成为网易跟贴网友们的见面招呼语。看到那些输的稀里哗啦的,甚至跳楼的朋友,沙水只能奉劝大家,小赌怡情,大赌要命,回头是岸,善哉善哉。
当然,以上只是网易新闻客户端一家的用户数据分析,但凭借其超过2亿的用户量,也足以一窥全貌了。看完这些数据之后,沙水还是免不了感慨“涨了姿势”。一是我最爱的荷兰和阿根廷居然没有一个入得了最后球迷关注的前三;二是世界杯虽然贵为世界第一大运动,也不是人人都会关注的,地区差异真是根深蒂固;三是男人和女人真不是同一种生物,真是一个来自水星,一个来自火星;四是赌博有风险,但好赌之人是本性难移,宁愿倾家荡产家破人亡也可以豁的出去。
通过网易新闻客户端的这份数据,真是感觉不能活在自己“认为”的世界里,大数据是不会骗人的。扯点相关的,去年开始大家都在关注大数据,谈论如何利用大数据,由此来看大数据还真是无处不在,只要有心,只要好好去挖掘数据,分析数据,从中还真是能发现很多价值来。
早两天刚好在虎嗅看过一篇译言翻译的一篇文章《数据告诉你梅西厉害在哪里?》,说的是体育数据分析师Benjamin从OPTA(Opta Sports是一家总部位于英国伦敦的体育数据提供商)提供的2010年世界杯以来22904场正式比赛的数据中,研究了梅西和其他16574名足球运动员与足球相关的所有数据。结果发现,梅西身上兼具通常在一人身上不可能同时并存的多种因素。比如,无论在罚球区内还是区外,他的射门成功率都很高;无论是轻推进球还是远射这两者都是世界顶级水平;在得到其他球员的助攻而有很多进球的同时,自己独立实现的进球数和射门成功率都居世界首位。于是,他得出了一个令人不得不信服的结论:梅西简直可以说是全能球员。当有人还在凭经验,凭个人厌恶做判断时,大数据则冷酷无情铁面无私的告诉你:“嘿,这才是事实!”
当然,通过世界杯的球迷数据进行分析只是大数据表现的价值之一。像网易新闻客户端、百度搜索、新浪微博等拥有亿级用户并涉及到用户生活方方面面的应用来说,其中就包含了众多的用户行为表现,提供了一个数量巨大的数据样本。从社会学、传播学、心理学、人类行为学等社会科学的角度来说,通过对大数据的分析将为这些学科提供一种全新的可度量的研究手段,这将帮助我们更好的了解人的行为方式,预测事件的发生机制以及防范措施,这样一来必将产生巨大的社会价值。
世界杯是一场盛宴。但是,狂欢之外也有着啼笑皆非的故事发生。也许,我们只是生活在一个半径很小的生活圈里,但是这个生活圈之外其实还有着千奇百怪的生活形态,你看不见并不意味着它没有存在。通过网易新闻客户端的这份大数据分析报告,就让我们很清楚的看到了我们生活之外的亿万个TA所表现出来的行为方式。有跟我们脑子里想得一样的地方,也有令人瞠目结舌意想不到的地方。无论你信还是不信,但在大数据面前,我们是不得不信的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26