相对商业领域来说，数据分析在体育领域还是一个比较新鲜的词汇。利用尖端的科技，我们通过强大的计算机去分析大量数据，预测赛事策略的赢率、运动员的潜力、甚至是买卖一支队伍。所有这些信息都摆在你的面前。著名的体育统计学家BillJames、奥克兰运动家球队的总经理BillyBean以及和他相关的图书电影(布拉德皮特主演的那部《点球成金》)，都是和通过分析数据观察运动员或者运动队实际表现有关的。

　　数据分析的目标是在尽可能利用最少资源的情况下让自己的球队表现更出色，让球队经理与更低的成本交易到重要角色的球员，而开掉那些薪水高而回报低的球员，即使是一个很小的团队也可能是很有竞争力的——这就是奥克兰运动家球队的实际案例。

　　我们可以考虑体育管理和研究人员提供的冰冷数据所制订的战略，而不是相信直觉或者早就过时的比赛计划。

　　这次大会上展示了来自麻省理工学院三名学生关于数据分析的研究成果，通过对11896次NFL投球得分图分析，他们发现在投球得分时环境因素远比心理因素重要得多，叫暂停没有太大意义，还不如研究风俗和温度等天气条件。

　　BrianBurke曾在AdvancedNFLStats网站上发表过一篇名为《加时赛中的四档：开球权》的分析文章。经过调查，他发现在NFL的加时比赛中，拥有开球权的队伍只会通过触地达阵或安全得分拿下比赛。也就是说，在开球之后获得的任意比分都将帮助开球方赢得胜利。

　　这些数据表明在加时赛中拥有开球权的团队在比赛中拥有更大的赢面，这是因为在己方场地上进行四档推进时，开球方往往会采取一档冲刺而非高空开球。运动员越是身处己方场地近端，拿下首档冲刺的机会就越大；相比之下，直接高空开球则会造成对方抢夺成功率上升、从而错失进攻阵地与得分机遇。在长途奔袭之后，这种战略往往能帮助团队赢得更多比赛——不过只要出现失误、未能拿下战局，NFL教练将立刻面临下课危机。

　　另一项发现则表明，拥有开球权的团队不应在加时过程中尝试长途奔袭战略。一旦进入对方半场，区域优势将很快丧失，这也就意味着战略部署的成功机率将持续走低。而且即使一切顺利，对方仍将有扳回一城的机会。

　　现场视野

　　为什么最好的足球运动员总是表现出更好的视野把握能力？要回答这个问题，挪威体育学院的GeirJorde、赫尔大学的JonathanBloomfield以及荷兰格罗宁根大学的JohanHeijmerikx做出了解释。他们汇总了超过118位来自英超足球联赛中场及前锋球员的1279张特写图片。

　　这项研究侧重于考验运动员如何利用头部及身体动作帮助自己更好地观察场上情况，从而迅速做出准确判断。最重要的发现是，具备良好现场视野的运动员——尤其是中场运动员——能够更准确地送出传球，而这一点往往被经理人、球探以及球迷所忽略。

　　明星养成计划

　　在新书《体育分析：教授、经理人及其他决策者指南》当中，BenjaminAlamar指出体育分析尚处于起步阶段，而且竞技团队能够从中获得显著收益。他列举了最近的一项调查，结果显示37%的队伍有能力轻松获取其他队伍的数据，其中又有37%尚未雇佣过数据库编程人员。

　　Alamar表示，体育与商业都需要借助工具与计算机的力量对大量数据进行科学筛选，并根据产生的报告实现竞争力提升。他以奥克兰A这样的小受众球队为例评述了弱势竞争者如何战胜规模更大、财力更强的体育团队。

　　如何在体育活动中下注并赢取丰厚回报

　　ESPN杂志主编ChadMillman讲述了体育分析师MikeWahl如何从多个角度审视体育博彩，并从中找出最有获胜潜质的大学足球队。与当今的多位体育观察大师一样，Wahl也拥有MBA学位并在投身运动领域之前在企业中担任过金融分析师。

　　为了准确找出赛场赢家，Wahl深入研究了六年来所有支持率在20%到25%的大学生足球队，并认真观看每一场比赛(共376场)。要押中最终的胜利者，我们需要在夺冠热门队伍身上投入与冷门球队相同的赌注。他发现只要我们能在角逐冠军的双方身上都投入等量筹码，那么在最近六年时间中其平均收益为12.24%。但我相信这一漏洞将被很快修正。

　　换位胜出

　　BillyBeane利用新的统计方案改变了棒球运动的面貌，这种以上垒及安打率为基础的分析机制给优秀球员们带来了比传统考核标准(例如平均安打率、盗垒以及打点次数)更公正的价值定位。另一种更新颖的棒球运动员价值分析方式也开始普及，这种被称为WAR(即换位胜出)的机制尝试评估运动员为团队所做出的整体贡献。从其中脱颖而出的佼佼者当数亚特兰大勇士队的JasonHeyward。他的近三年WAR数值在1961年以来所有22岁以下运动员中排名第六位。

　　感兴趣的朋友可以查阅ESPN统计与信息中公布的内容，亚特兰大勇士队的分析报告就在清单中的第三位。

　　伤病名单

　　曾多次问鼎英国橄榄球联盟冠军的莱斯特老虎队就在利用IBM的预测分析软件评估运动员的伤病风险，并有针对性地进行辅助训练。老虎队希望分析工具能帮助运动员们在赛场上走得更远。

　　IBM公司开发的这套软件旨在衡量运动员的疲劳程度与赛事强度。老虎队还将从现役的45位运动员身上收集物理及生物数据。此外，老虎队计划利用大数据测算心理压力、社会问题及环境压力等主观因素对比赛结果造成的影响。

　　IBM的软件还可以用于评定19岁以下的学院后备团队，并根据结果选择更具发展潜力的年轻运动员。

　　更多冰球数据？

　　KevinMongeon是体育分析协会的主要拥有者，他专门撰写了一篇名为《更多冰球数据？》的博文，希望帮助大家理解体育分析将给比赛胜负带来怎样的影响。与棒球那种技术动作清晰明确的风格不同，冰球运动由于节奏紧凑、对抗激烈，我们很难找到一种能够准确捕捉重要信息的理想分析机制。

　　Mongeon指出，只有在补充数据的支持下，技术人员才能发现推动队伍迈向成功的统计途径。他需要一整套足以在不同情景下正确反映运动员能力的统计模型。

　　篮球反击回访战略

　　由麻省理工学院的JennaWiens、GuhaBalakrishnan、JoelBrooks以及JohnGuttag共同公布的一项调查对篮球运动进行深入探讨，试图为这样一个问题找出答案：在对方进攻、我方防守时，以快速冲击对方篮下为目标的防守反击战略与全员回防战略哪种效果更理想？

　　详细分析从反击与回防两个角度出发进行了数据汇总，尝试解读哪种倾向能帮助球队获得更多的得分机会。调查发现，当球队在积极冲击对方篮下时能够获得比回防更大的主动权。调查同时指出，此项分析并未将球员的个人水平考虑在内。

　　乌鸦队制胜的秘密武器

　　ESPN统计与分析部门分析师JohnParolin作为团队一员，专门负责记录NFL2012常规赛与季后赛中各支队伍的赛场表现。就今年的超级碗来看，我们很容易发现各球队在赛季中期尝试了战术变化，乌鸦队的进攻教练与49人队的四分卫分别从自己的角度帮助球队闯入季后赛。乌鸦队在经历了战术调整之后，冲击成功率从40%提升至49%；而49人队在新四分卫ColinKapernick对场上局势的正确判断及睿智指挥下，打出了流畅的中后卫突进表现、夺得令人瞩目的辉煌战绩。

　　ESPN发现亚特兰大猎鹰队过度关注Kapernick的奔跑能力，因此决定在临场战术中执着于将他扼制在21码突进线位置——这一失误导致传统强队险些在49人面前阴沟里翻船。而乌鸦队在临场防御战术上的出色表现(尽管只保持在赛季前半程)是球队获得胜利的一大关键因素。

　　奥运网球金牌争夺战

　　ESRI公司地理空间产品工程师DamienDemaj分析了费德勒与穆雷之间的奥运网球金牌争夺战。他在项目中深入剖析了“发球模式的空间变化”，并“利用空间分析研究体育项目中的时空格局。”

　　Demaj的分析集中在这场网球比赛中每次发球动作伴生的球落点及反弹情况。他发现发球者的站立位置、发球方式以及常规落点成为理解整场比赛节奏的关键。举例来说，费德勒在第二发球区的发球球路与平分区的精确定位相比往往大幅度偏左。穆雷的发球则习惯于靠球场右侧。最终穆雷以6比2、6比1和6比4拿下了比赛。

　　再来说说具体分析过程，Demaj为自己的分析设计了这样一套工具。“网球的反弹序列可以创建出一套欧几里德曲线，其落点位置可分别以坐标p1(x1，y1)与p2(x2，y2)、p2(x2，y2)与p3(x3，y3)、p3(x3，y3)与p4(x4，y4)等表示。”

　　如何跨入体育分析领域？

　　ThePowerRank.com网站创始人EdFeng向我们演示了如何跨入体育分析领域。每位感兴趣的朋友都可以将经过筛选的数据导入个人计算机，但很少有人能完成下一步——在体育分析领域找一份全职工作。

　　尽管专业的数字分析知识以及熟悉的社交媒体使用经验能起到一定作用，但Feng认为这些无法代替“真正的人际互动”。也就是说，与人直接握手或直视对方双眼在Feng看来能够更好地帮助我们收集信息、建立人脉。他建议大家积极参与斯隆体育分析大会等业界活动，在这类平台上的展示能帮各位更好地施展才能、获得肯定。