求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
 
  
 
 
     
   
分享到

大数据和云的时代,运动从此与众不同

 
     作者 周忆  火龙果软件    发布于 2014-09-30  

 
今年是IBM成为中网赞助商的第二个年头,该赛事正变得独一无二,这一点毫无疑问。比如当你看到种子球员的名单时,你会误以为是在罗兰·加洛斯,因为加上新科出炉的美网男单冠军——西里奇,这里有12位获得过大满贯单打冠军的巨星。

我们也在思考IBM能为它做些什么,虽然我们早就意识到网球跟科技的密不可分,我们也做得很努力,就像很多粉丝已经无法接受一届没有Slam Tracker的温布尔登公开赛。

这个比赛统计的“大集合”,实际上是我们从2005年起就开始做的一件事。IBM通过它追踪了8128场比赛,收集了4100万个数据点,动用了5500个分析模型在43个潜在动态指标里为对阵的双方选手挑出最重要的三个指标,每场的“Keys to the Match(制胜关键指标)”会让你一下子对球员有着非常深刻的认知。


德约科维奇如果没有达到发球的指标——他通常能在40%至50%的第一发球中拿下4至9个回合对打中的60%的分数,他很可能就会输掉这场比赛。这听上去很拗口,但当它的呈现方式只是APP里的一张图文时,你根本不会认为自己在网球上一窍不通。

中网或许要更特别,即便网球在这里还算是个新兴事物,但中国的球迷和媒体和那些成熟市场的同样挑剔,这都让我们不得不使出浑身解数。

我们清楚地认识到一点,网球的关注点不该仅仅停留在“专业”上,这是我们几年来在充分挖掘社交媒体时得到的结论。网球,乃至更多的体育项目,应该追求一种“参与感”,应该是一种体验,它的重要性就是所有的人都能在这里找到快乐。

在今年的巴西世界杯期间,IBM就跟腾讯做了一次有趣的尝试。我们为腾讯构建了一个社交大数据分析系统,它能利用对社交平台数据的分析和云计算技术,收集分析粉丝的评论、观点和声音,并将分析结果实时地融入到报道内容当中。我们更了解球迷了,就像之后的结果总是让我们出乎意料。“足彩”的热度要远远超过诸如“帅哥”一类的常见世界杯热词,球迷的凑热闹心态也非常明显,决赛前阿根廷的支持率要高出德国队不少,这很大程度上是梅西的功劳,而比赛结束后,新科冠军德国队的支持率却上升了15%。

数据才是最真实的。这些年我们一直在打造“社交化的温网”,在今年,IBM就做了一个大的视图,来了解粉丝在Twitter上谈论哪些和温网相关的信息。每秒超过40条的tweet形成了一个庞大的数据流,主办者可以清楚地知道全球哪个地方的粉丝对话最多,他们在谈论什么话题,哪位球员在全球的影响力最大,而一条在伦敦发布的tweet多久就能够被新西兰的球迷发现并回应……

基于这些数据,我们可以做很多事情。比如世界杯期间腾讯网上一个热门的话题就是“含金量”,我们先利用大数据分析得出不同球星的特质,继而产生一个典型球迷的“画像”,然后粉丝再把自己的兴趣爱好、性格与行为方式与之比对,就可以鉴定真球迷的“含金量”了。

类似的例子还有很多,这是一个正向的循环,我们越来越了解粉丝,就知道该如何让他们有参与感。而参与感越强,他们在社交平台上就越活跃,我们就可以拿到更多的数据,比赛当然更精彩了。

“大数据大赛事”,业界早已发出了类似的声音,这一点没错。绝对不局限于网球,NBA早就在使用它了。当林书豪伤愈回归赛场时,他每投一球,主播就能非常快速地分析出他与受伤前有多大区别。

而在另一项世界级的高尔夫赛事——美国高尔夫公开赛上,IBM与美国运通合作设计了一个赛况视频控制台。粉丝可以根据个人的喜好,选出五个自己最为关注的偶像球员,建立非常个性化的球员竞争排行榜,然后再通过IBM帮助建立的社交媒体平台,与美国高尔夫协会的专家和其他高尔夫爱好者进行互动。

如今,这一体验还延伸到了手机和其他的移动终端上。出现了这样一批“非典型”球迷,面对冗长的比赛,他会时不时地切换电视频道,然后在手机上关注比赛进程。实际上,Slam Tracker的使用场景已经在很大程度转移到了手机上。

而且,数据也不仅仅是有益于粉丝和媒体。对于球员,组织者来说,它同样在带来着质变。迈阿密热火队在利用统计分析软件拟定战术和排出上场球员的名单;纳达尔、德约科维奇等顶尖球员也都在利用数据去改善打法,以及分析自己的状态……而对于美网来说,头等大事就是如何满足一周内“超过600万独立访客,8300万次访问量和130万次视频播放”的庞大需求,以及新增的360度3D全景视图功能。

科技已经在运动场上无处不在。组织者如何打造一场从售票、前期预热到现场把控、网站运营、赛事播放等环节都无可挑剔的比赛?教练和球员如何从一场比赛的战术设定到球场发挥都表现得淋漓尽致,让粉丝大呼过瘾?媒体怎样写出抓住粉丝兴趣,融合热点话题的赛事报道?粉丝又如何随时随地获得比赛的参与感?这一切都因为科技而不断创新与完善。

总之,运动因为科技而变得想象力十足。詹姆斯?墨菲是让我难忘的一个人,他曾是纽约一支舞曲乐队的主创。他做了一件十分有趣的事情,他和IBM的工程师一起创造了一种自定义音乐的算法,利用2014美网的数据,用音乐来诠释每一场网球比赛。

出于音乐家特有的敏感,他体察到一场比赛除了比分和球员状态等常规因素以外,更有自己独特的“气场”。这种气场经常由一些看似不相干的外部因素组成:比如观众的反应、场地状况和当日的风力、湿度等。他把这些因素都加入到了音乐中,使得每场比赛都有自己独特的数字足迹。这些歌曲轻盈欢快,“一听就是网球的节奏。”

这就是科技带给运动的新精神,但这仅仅是开始,大数据和云的时代,运动将因此变得与众不同。


作者:IBM大中华区副总裁、首席营销官周忆

 
分享到
 
 

 
 



利用Gitlab和Jenkins做CI
CPU深度学习推理部署优化
九种跨域方式实现原理
 
 讲座 设计模式C语言
 讲师:薛卫国
 时间:2019-4-20
 
 
希望我们的资料可以帮助你学习,也欢迎投稿&提建议给我
频道编辑:han
邮       件:han@uml.org.cn

关于我们 | 联系我们 |   京ICP备10020922号  京公海网安备110108001071号