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
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11