大數據對籃球俱樂部及其價值的影響分析

焦偉昊 練繼亮

（天津商業大學管理學院 天津 300134）

1、引言

隨著大數據收集和分析技術的不斷發展以及互聯網的普及，生活中各個領域都充斥著大數據帶來的便利之處。對于職業體育領域來說，在信息時代利用大數據收集及分析技術來為籃球聯賽提供理論參考的現象也越來越常見。國外籃球俱樂部已經能夠充分利用大數據，通過對其分析整合得到符合需求的信息，從而改變籃球管理模式并在大數據和籃球賽事結合方面取得了巨大的成功，同時也極大地促進了籃球職業聯賽的信息化發展。

目前國內的相關研究僅僅是停留在數據本身，并沒有很好的將其與籃球俱樂部結合在一起分析。付浩在《大數據時代下籃球運動的發展方向探討》中提到，數據統計是籃球運動發展的重要部分，但是目前的籃球數據統計人員不足、數據整合機制不完善等對籃球運動的發展形成了阻礙；李忠義、苗新瑜在《NBA與CBA聯賽數據統計運用對比研究》中指出在高科技時代，籃球聯賽的管理者應該重視數據的作用，跟上大數據的時代；姚卓凡的《淺談大數據對職業籃球聯賽的影響》通過大數據在NBA的成功應用來說明大數據對籃球俱樂部的影響是巨大的。

由此可見，相關研究已經表明，大數據對于籃球領域的影響十分重要。大數據的應用給籃球俱樂部帶來了更多有用的信息，改變了人們處理籃球數據的方法和思路，并且提升了數據處理的效率。但目前國內缺乏大數據在籃球俱樂部的應用與使用價值方面的研究，本研究闡述了將大數據與籃球俱樂部結合的重大意義，為籃球俱樂部如何更好利用現代技術、如何通過大數據來提高俱樂部的價值和競爭力提供有力支持。

2、缺乏大數據支撐帶來的影響分析

目前，學界對于大數據一詞較為準確的定義是：在一定時間范圍內無法用常規軟件工具進行捕捉、管理與處理的數據集合，需要應用新的處理模式才能從中獲得決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。對于傳統的籃球俱樂部來說，數據的獲取手段十分匱乏，主要靠人工來記錄，也不能建立完整的數據庫系統。

2.1、訓練和戰術無法做到精準化和個性化

CBA在只引進視頻分析技術時，需要派專人到比賽現場通過便攜式錄像機錄制比賽，隨后通過播放器在賽后會議中播放錄制視頻，供教練和球員分析。但是通過這種方法得到的數據不夠完善，有些球員的技術動作可能因為錄制視頻的模糊、以及視角的限制而被忽略。因此，通過視頻分析技術雖然能在一定程度上進行戰術指導，但很難及時總結其他球隊的劣勢并針對性的調整本球隊戰術，更無法精準化和個性化的為球員定制訓練方案。此外，籃球俱樂部教練的執教風格多數都與其作為球員的時期所經歷的訓練和學習的經驗有關，在各個球員的數據不能被很好的統計的情況下，教練在日常訓練和分析賽場局勢時會更多的依賴于個人經驗以及對球員的主觀印象，而不會針對球員本身來制定更合理的戰術。這可能會導致球員在球場上無法發揮出本身最大優勢，也無法進行針對性訓練，揚長避短。

2.2、潛力球員容易被忽視

我國籃球俱樂部選拔球員時偏愛大個子球員，對于身高偏矮的球員沒有足夠的重視。從近幾十年來我國的球星也可以看出，例如姚明、王治郅、易建聯和周琦等。這就是由于在選拔球員時，沒有可以衡量的數據標準且過于依賴主觀印象，只喜歡大個子球員；但廣東隊作為國內最早引用數據分析技術的球隊，敢于挑戰刻板印象，在2018年挖掘了十分具有潛力的后衛球員徐杰，其身高不足1.8m。對于很多球隊來說，這無疑是個大膽的選擇，但年僅18歲的徐杰用漂亮的數據打破了人們的質疑，他在2018-2019總決賽第一場出場14分鐘，5投5中拿下14分，幫助廣東隊以142：123大勝新疆隊；在2019-2020賽季半決賽，面對擁有曾在NBA擔任首發控衛的林書豪所在的北京隊，缺少核心球員易建聯的廣東隊并不被看好。但是徐杰卻猶如一匹黑馬，出場21分鐘拿到了10分6籃板的好成績，幫助球隊贏下第一場比賽。這場比賽的勝利也給了易建聯足夠的恢復時間，最終使廣東贏下系列賽挺進總決賽。

2.3、觀賽體驗不佳

社交網絡是當今時代增長最快的一個部分，它可以讓人們更加直觀的看到各種數據。對于體育產業來說，也要轉變對于大數據的態度。對于一個籃球俱樂部來說，數據可以來自于各個方面：球迷數量、球員報告、現場直播以及比賽的特許直播權等。如果沒有完備的數據統計，觀眾能只能得知聯盟領先的得分手是凱文·杜蘭特，卻永遠無法看到他在比賽關鍵時刻的得分狀況；沒有強大的數據系統，就無法做到為球隊的球迷定制專屬于自己主隊的數據報表，官方給出的固化數據也無法達到簡單易懂，這對觀眾來說，觀賽體驗無疑是大打折扣的。對于線上觀看比賽的球迷，一些中途觀賽的人可能因此錯過自己喜愛的球員的得分表現，也無法對比兩隊數據來分析自己喜愛球隊的競技狀態，最終可能會導致人們對籃球運動關注度的降低。

3、大數據對籃球俱樂部的作用分析

21世紀互聯網技術飛速發展，人們對數據的收集也從最初的人工記錄變成了通過計算機來建立相關的數據庫。通過學者們的不斷努力，數據分析技術也日漸成熟，籃球數據采集技術也隨之飛速發展。2010年至今，美職籃將高新技術與數據結合，從最基礎的數據統計到通過高階籃球數據來建立球員評價指標，使得球場上的數據分析變得更加科學、全面。對籃球俱樂部來說，球員和球隊就是最重要的資產，大數據對籃球俱樂部的價值主要體現在：

3.1、提高球員和球隊的實力

大數據讓我們可以更好的了解球員和球隊的表現，從而對其進行針對性訓練或制定相應戰術。通過對籃球基礎數據的分析，進一步建立高階數據庫，諸如衡量運動員每分鐘表現的球員效率值（PER）、球員的真實投籃命中率（TS%）以及有效投籃命中率（EFG%）等。與基礎數據相比，這些高階數據更能反應一名球員或一支球隊實際的攻防能力，隨后通過數據反應出來的結果，對需要改善的地方進行針對性練習。

這在NBA中有很多成功的案例，例如，兩屆FMVP獲得者科懷·倫納德就是針對性戰術的受益者。在2011年進入圣安東尼奧馬刺隊時，倫納德的投籃命中率非常糟糕，接球投籃命中率僅有32%，干拔跳投命中率更是低至28%。針對倫納德的這一缺點，馬刺隊為其穿戴了ShotTracker設備——一種收集運動員即時運動數據的可穿戴式設備。在籃網上安裝感應器，球員佩戴專用的護腕和護肘，借此進行實時數據采集，例如，球員的投籃力度與精準度等數據。這些量化數據可以在電腦或手機APP查到，球員可借此進行針對訓練，改進不良的投籃習慣。在2013-2014賽季常規賽階段，進行過針對訓練的倫納德的投籃命中率增加至52.2%，三分球命中率為37.9%；季后賽階段，投籃命中率為51.0%，三分球命中率更高達42.9%。最終憑借其優秀的表現，馬刺隊力克詹姆斯與韋德、波什領銜的邁阿密熱火隊拿到了總冠軍，倫納德也榮獲總決賽的MVP。圖1為倫納德2011-2012賽季與2013-2014賽季投籃熱圖對比，圖中每個區域里的三個數據分別是：投籃命中率、命中次數、出手次數。我們可以從投籃熱圖的顏色及深淺不同，了解該球員在不同區域的出手次數和命中率的差別。以罰球線區域的投籃命中率為例，從圖中很明顯的看出倫納德經過一年針對性訓練后，2013賽季不僅投籃出手數增加，投籃命中率也由35.7%提升到了58.8%。

圖1 2011-2012（左）賽季與2013-2014（右）賽季倫納德的投籃熱圖對比

3.2、支撐潛力球員的挖掘

通過大數據，可以更高效的對球員自身的身高、臂展、彈跳、沖刺速度等進行綜合分析，使教練團隊充分了解每一位球員的特點和能力，并預測球員未來的發展前景，選擇更適合自己球隊的球員。

一般來說，在NBA選秀順位高的球員通常被球迷寄予厚望，甚至承載了一個城市的希望，事實也證明他們的成功率確實很高，例如勒布朗·詹姆斯、凱里·歐文、約翰·沃爾等選秀狀元都曾給其所在的球隊帶來輝煌的戰績。火箭隊的前任總經理莫雷，是一個毫無籃球經驗的數據專家。但是他2006年創立MIT峰會以來就不斷從數據分析的角度來對運動員進行選秀、簽約，他的數據分析使得火箭隊成為了發掘低順位新秀最成功的一個球隊，像查克·海耶斯、路易斯·斯科拉、凱爾·洛瑞等低順位球員協助球隊成功的案例不計其數。由此可見，通過大數據分析使得球隊在選擇球員時，能夠去利用數據這樣的客觀事實而非經驗主義。這不僅能使球隊能夠挑選到更優質的球員，更避免了球隊因為數據不充分而錯失具有巨大發展潛力的球員。

3.3、協助球隊制定戰術

對于球隊的教練組來講，僅僅通過眼睛來觀察是遠遠不夠的，他們需要對每場比賽的高階數據進行分析，從而了解其他籃球俱樂部的打法特點并針對性的制定戰術。例如，在2002年姚明登陸休斯頓火箭隊后，姚明與奧尼爾的經典對決成為大家關注的焦點，通過對二者基礎數據和高階數據的分析，聯盟的其他球隊也可以制定更合理的戰術來限制這兩個內線霸主。以表1所示的姚明高階數據為例，2003-2004賽季的二年級新秀姚明真實命中率達到58.6%，即在比賽中他的出手（包含罰球出手）轉化為得分的幾率有58.6%。這意味著僅僅靠普通的防守或者“砍鯊”戰術不能很好限制他得分，因此只能盡量減少姚明的出手次數來限制其得分，但是賽季25.3%的使用率說明，球隊1/4的攻防回合都依賴姚明對球的處理才能完成，他的接球比例很高，出手的幾率就很大。所以通過分析高階數據可知，若想限制姚明得分，其他球隊需要針對姚明的接球和持球進行雙人或以上包夾戰術，借此減少姚明的接球和出手次數，提高其失誤概率。即在大數據時代，我們可以讓數據自己發聲。如上述例子，其他球隊只需要按照數據的結果，對姚明采取包夾戰術就可以為球隊增加勝率。

表1 2003-2004賽季姚明與奧尼爾基礎數據對比

3.4、助力賽事推廣

當今社會幾乎每一個人都在社交網站上活躍著，社交網絡是數字信息時代增長最為迅速的一個板塊。以較為成熟的NBA聯賽來說，從成立以來，媒體對于聯賽的熱議就愈演愈烈。賽事的觀賞性不斷提升，不論是網站的實況轉播還是籃球論壇上網友的互動都是其極高關注度的證明；ESPN、TNT等著名體育媒體也會對各個球隊、球星的高階數據進行解讀，例如，通過對比表1與表2，可以發現姚明的得分區域、防守方式與奧尼爾有很大的重合，正是有了這些強大的數據支持，才為球迷呈現精彩的“姚鯊對決”。退役后，奧尼爾通過收集整理賽場的視頻數據信息，在2011年推出了名為“五大囧時刻”的搞笑籃球類節目，及時收集賽場上的球星搞笑時刻并做成集錦分享給球迷，這檔節目在播出時就受到了億萬觀眾的支持，這讓球迷更好的了解聯賽并且吸引了更多人參與到聯賽的數據分析和討論中來，這些豐富的數據信息發揮了強大的宣傳作用。

表2 2003-2004賽季姚明與奧尼爾高階數據對比

此外，2012年NBA與SAP達成合作后，其官方的數據庫——具有實時內存和快速分析的HANA平臺得到了全面的升級，通過訪問www.NBA.com就可以同步獲取比賽的信息并且可以實時得知自己喜愛球員和球隊的數據。據統計，在使用SAP的HANA平臺之后，NBA.com/stats瀏覽量超過270億，訪問量增加了66%，停留時間增加了近60%，這種前所未有的觀賽體驗使NBA的賽事得到了更好的推廣。

3.5、帶來顯著的經濟效益

籃球數據日益多樣化，這讓球迷有了更多可討論的話題。比如將科比與喬丹的場均得分以及各種高階數據放在一起對比，進而分析兩個球員的技術特點和競技水平的高低，這就會引起更多的關注，自然會產生更高的經濟效益。根據新浪體育整理，CBA聯賽本賽季收視率相較于上賽季增幅高達35.8%；在聯賽的經營方面，CBA在2019賽季收入同比上一年增加21%，聯賽的贊助商也新增11家，對于廣東VS北京、浙江VS遼寧這種焦點對戰單場觀看量已經超過千萬。與此同時，隨著聯賽競技水平不斷提高和國內球員的崛起，國人對CBA聯賽的關注度也與日俱增。例如有著“中國庫里”之稱的浙江后衛吳前，季后賽面對后衛線十分強大的遼寧隊命中9記三分球，砍下球隊最高48分。媒體更是將吳前與庫里對比，浙江稠州金牛俱樂部的比賽收視率也因此上升。只有關注度和比賽觀賞度增加，才會吸引更多的贊助商，如2020年中國移動旗下的咪咕視頻就以20億的合同成為了CBA最主要的網絡媒體合作伙伴。顯而易見，數據統計和經濟效益也是緊密相連的。

4、結束語

在當今的數字信息時代，大數據已經滲透到各行各業，大數據分析也成為決策最為重要的參考之一，籃球運動也同樣需要借助大數據來獲得長足的發展。美國職業籃球聯賽的各個俱樂部依靠自身強大的數據分析團隊以及爆炸式增長的數據規模，已經有效的提升了各個俱樂部的水平和聯賽的觀賞性，促進了NBA的發展。而我國籃球俱樂部由于過去忽視數據收集，導致現在出現了數據積累量不夠、數據分析不夠全面和專業人才匱乏等問題。因此，我國籃球俱樂部要跟隨時代的步伐，向國外借鑒先進的理論和經驗，引入技術設備，充分發揮大數據的價值，從而促進大數據與體育行業的快速整合，讓體育行業順應時代發展。