京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何助中国女足“脱胎换骨”_数据分析师
中国女足过去的体能只能支撑60分钟的比赛,现在世界杯三场小组赛每场都能拼到最后,没有队员出现抽筋等严重体能问题。另外,让人啧啧称奇的是,三场激战之后,现在中国队内竟然没有任何重大伤病号,所有球员都可以上场比赛。
中国队主教练郝伟对新华社记者透露:中国女足球员体能状况明显改善,必须要感谢大数据的有力支撑。他说:“我们队现在每天都做大量数据分析。我们每堂训练课达到的强度,全是通过科学的数据分析来确定!我们在世界杯备战期间,一直进行大数据监控,因此对每个训练项目都很清楚。大数据让训练量化、清晰化,为我们提供了非常有价值的参考。”
郝伟执教中国女足之后,体能训练的内容不再是过去那样单调地跑圈,而是像国外先进球队一样通过小场地的有球对抗训练进行,既练习了个人技术、战术配合,同时又提升了体能。中国队从4月下旬在北京开始集训一直到现在,小场地对抗几乎是每堂训练课的必练内容。每次训练在场边一定会有一个人静静地站着。和动来动去的教练、球员以及队医等保障人员不同,他一直关注眼前电脑屏幕上飞快变动的数据。
这些数据涉及球员跑动距离、加速跑、心率和脂肪消耗等,每秒都在变化。不时会有球员过来问他,“我跑了多少米了”,他马上就能给出准确到个位数的答案。
他是中国女足专门请来的体能和数据分析专家魏宏文,是北京体育大学运动康复系体能教研室的博士。他的出现标志着中国女足进入了系统大数据分析的时代。
魏宏文和中国足球渊源颇深,曾经先后在马元安、马良行、王海鸣、张海涛、裴恩才、高荣明、商瑞华和高洪波等国内知名教练团队内服务过。他崇尚德国体育科学,自己也像德国人一样严谨能干。来到加拿大之后,他每天都要分析大量数据,忙得不可开交。
他说:“我从早上起床一直要忙到晚上。早上要对球员进行尿检,测体重。训练课时我收集所有球员的跑动距离、心率、强度和运动量等数据,回到酒店就要赶快做分析,晚上要把数据交给教练组。然后我要再做一次球员的尿样分析,如有异常的第二天上午还要复查。每天还要通过分析数据为球员配备营养品。一天下来想想,属于自己的时间可能也就一个多小时吧。我们保障团队每个人都特别忙,大家都特别敬业。其实,我越忙就会提供越多的数据,郝伟等教练就更忙。郝伟是个具有新型足球理念的教练,特别重视数据,并且善于分析数据。这点相当了不起。”
魏宏文从国内带来一台尿样分析机,另外还从加拿大当地借了一台GPS分析机。每天他都要从这两台机器上提取宝贵的数据。“分析尿样的机器是我从北体大借来的。我们学校、系以及教研室的领导特别支持中国女足,因此特批我停课来中国队做技术支持。我们希望能像德国科隆体育学院支持德国队一样支持中国队。中国女足也是我的老家,从12年前的美国世界杯开始,我就为中国队服务了,”他说。
和以前不同的是,魏宏文现在多了一台GPS分析机。这是他第一次在国家队内使用这种大数据采集和分析的机器。这是中国队的宝贝。每次中国队训练,魏宏文都要给队员穿上带有传感器的特制背心,然后在场边支起信号收集仪,打开GPS分析机,所有球员的训练数据就源源不断地传进了分析机内,形成海量数据。据说大数据收集做得最好的德国男足国家队,10个球员用3个足球进行训练,10分钟就能产生700万个可供分析的数据点。
魏宏文没有透露中国队每场训练或比赛能采集到的数据量,只说:“很多很多!我们以前国家队的主教练也想获得球员训练和比赛中的数据,但苦于没有科技手段帮忙,当时我们都用目测等原始手段,很不严密。现在有了技术手段,就可以获取这些数据了。当然受制于科研工作条件所限,我们没法和德国队比。去年夏天,德国队数据团队来北京讲课,我去听过。看了他们的PPT,我发现他们做数据的人很多很多。”
记者在中国队训练现场发现,全队只有一小半球员穿着数据采集背心。一位没穿背心的球员告诉记者,中国队来到加拿大后没能拿到足量的背心,因此只能采集一小半球员的数据。
记者问一位中国队内负责人为什么不能拿到足量的背心。他透露,球队教练组为此非常着急,希望能给每个球员配备一件背心,但中国足协那边没法解决。因为购买这些装备要花费一百多万,属于政府采购,需要做年度预算,控制非常严格,不可能马上就能去买。所以中国队只能靠专业公司赞助或者租借,于是就很难拿到足够数量的装备。
中国女足的大数据采集和使用虽然还处于起步阶段,但已经给她们的比赛和训练带来了很大帮助。负责训练的助理教练常卫巍说:“数据就是我们的眼镜,让我们在训练中看得更清楚了,球员哪里不足我们就重点练哪里,直到数据显示没有问题。这样训练的目的性更强,训练质量也更高。”中国女足主教练郝伟认为,大数据不仅帮助球队改善体能,而且也能帮他确定球员状态和比赛具体战术等。他说:“毫无疑问,大数据对于我们保证球员身体状态和完成训练、比赛任务的帮助很大,起到了关键作用。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13