大数据时代——未来世界的数据分析法.ppt

大数据时代——未来世界的数据分析法
在 2013 年 2 月 13 号那天,圣安东尼奥马刺队做客克利夫兰迎战骑士
队,整场比赛都打得十分焦灼。直到第四节最后时刻,骑士的新秀得分
后卫迪昂-韦特斯命中了他菜鸟赛季最大心脏的一球,一记高难度跳投,
力助球队在最后 秒取得了 2 分的领先优势。但问题是,他留给了马
刺 秒的时间,观众们都已经嗅到了翻盘的味道,速贷中心那些骑士
球迷的情绪甚至都开始失控。
马刺队叫了暂停,获得了一次前场球的机会,他们决定打一个他们最喜
欢的战术。马特-邦纳快速把球发给了距篮筐 30 尺远的托尼-帕克,待
邓肯做了个结结实实的挡拆,迫使泰勒-泽勒换防帕克,帕克抓住这一
时机迅速从左侧突破。比赛还剩下 秒,帕克控制了下平衡,准备来
一个他命中率最高的上篮来扳平比分。霎时间,他看到了什么,然后改
变了他的主意。
科怀-伦纳德安静的待在弱侧底角,没有人注意到他。因为帕克突的十
分坚决,侵略性十足,他的突破成功吸引了伦纳德的防守者——韦特斯,
他一直被吸引到了禁区。而伦纳德就静静的杵在那块无人区,帕克很快
也注意到了这点,于是帕克手腕一甩,送出了一记精准的助攻,那球沿
着底线直直的飞向了伦纳德,韦特斯绝望的扑上去也只是徒劳。剩下的
就是例行公事,那个时候,这个漂亮的助攻已经完成,伦纳德只需要在
他最喜欢的位置投中最喜欢的那个底角三分。他投进了,而马刺也以一
分的优势带走了胜利。
数据统计上把这个漂亮的战术简化为了几个基本的数字:马刺 2 号球员
科怀-伦纳德增加 1 次出手,1 次命中,添上 3 分。蒂姆-背景帝-邓肯
的挡人没有任何记录,而帕克犀利的绕掩护突破和精彩的传球最终仅被
记上一笔助攻。
事后,帕克提到了比赛最后的那个战术:“我想我本可以命中那个上篮,
但我看到了空位的科怀。我不只是要拿下一场胜利,我还要组织好我的
队友们,让他们能整晚出色的发挥,所以在最后时刻我愿意做一个正确
的决定。”
研究小组的创建
在 2012 年 MIT Sloan Sports 分析大会之后不久,我收到了布莱恩-库
普的来电,他是 NBA 球员追踪数据界的圣约翰,同时也是芝加哥
SportVU 公司 STATS LLC 项目的负责人。我那会儿在哈佛大学工作,
库普给我分享了他那非凡卓绝的学术成果——篮球数据集;他问我是否
也想“玩一些光学追踪数据”。我错过了这次机会,因为我完全不知道
我到底要去做什么。
那次电话后又过了几个星期,我才第一次看到那个项目的基础数据,这
是由许多,甚至可以永远的改变篮球分析方式的数据组成的;这绝对是
一个“超神(Holy shit!)”的时刻。那个时候我正在用一块巨大的 27
寸的苹果电脑,可当我双击那个 SportVU 的第一个文件时,数据还是
立刻占满了整个屏幕。我所看见的就是一片小数点和跟踪数据组成的浩
瀚海洋和数百个穿插其中的 XML 标签。马上我就意识到,这显然是我
见过的最“大”的数据。我永远都忘不了当屏幕里被跟踪球员从一节到
一场比赛的跟踪数据跳跃在我眼前的时候我有多惊讶。我有几千个这样
的文件,我想我需要找点帮助。
我找到了卢克-伯恩,一个年轻的空间统计学教授,我告诉了他我的窘
境。卢克建议我们在学校里面组建一个研究小组,利用这些数据来建立
项目。这个小组很快就吸引了 4 个研究数据统计和计算机的博士生。到
了 2013 年初的时候,每个学生都建立了不同的项目。我们把这些项目
称为“XY Hoops”。
丹-瑟沃尼和艾利克斯-德阿莫尔是我们最早的两个成员。这两个同学都
是 27 岁的四年博士生,在哈佛学习统计领域课程,他们都喜欢运动,
但他们更喜欢数据的编码。在看过这堆数据之后,我们很快进行了一些
头脑风暴,然后他们就加入了我们小组并提出了一个听起来革命性的,
几乎不可能的点子。
先行者的窘境
一般我们都追求最好的分析设备,但先驱者们往往不可避免一个问题,
那就是没有最好的分析设备。解释生命的度量标准只有一个,但你却找
不出一个能解释篮球的度量标准。在当代的运动数据分析界,你很难不
去非恰当的提升这个“大数据”的角色,但要使他们理想化传奇化却是
很冒险的。数据必须要简化为一种中介形式才能将球员的赛场表现和统
计分析联合起来,而运动分析则构建于庞大的编码解码机制之上,这一机制
的前提却是一个有缺陷的假设——“数据可以代表运动”。
但目前的现实情况却是——NBA 新任总裁亚当-萧华在 2014 年为每座
球馆都装上了摄像机来测量每个球员的每个动作。这些悬挂在球馆顶部
的跟踪摄影机生成了数千兆的数据资料,这些数据对于录像师和训练师