大數據技術讓體育比賽不再具備偶然性？

要戰勝莎拉波娃，小威廉姆斯必須爭取讓自己接對方一發的回球得分率超過36%；而反過來，想打敗小威廉姆斯，莎拉波娃只需讓這個數字達到28%。

盡管李娜在賽前宣布退役，但中國網球公開賽依然迎來其11年歷史上最豪華的參賽陣容，這兩位世界網壇頂級女將的名字都出現在8月公布的2014年女子單打正賽名單上；男子陣容的領銜者則是剛剛拿到溫網男單冠軍的德約科維奇、14個大滿貫冠軍得主納達爾以及奧運、美網和溫網的三料冠軍穆雷。

高手云集，你看好誰？開頭的數據或許可以作為判斷的參考，而同時，它們對運動員和教練員來說，也是重要的比賽指導。

什么？你是個連“回球得分率”都不知道的偽球迷？別管它了，你應該看這一組數據：截至今年7月溫網落幕，德約科維奇和穆雷在Twitter上收獲的祝福數量分別是60萬次和4萬多次，人氣高下立見。記住這組數據，這樣，到中網賽事如火如荼、不在朋友圈談兩句網球都丟人的時候，你可以據此選擇做狂熱的“主流”還是高冷的“少數派”。

而這4個數字只是滄海一粟。自2005年起，IBM通過SlamTracker技術，追蹤了網球四大滿貫賽事9年來全部9000多場比賽，每場比賽收集4100萬個數據點，建立5500個分析模型，包括每個球員的技術指標、打法特點、心理狀態以及球迷的反應。

自2005年起，IBM通過SlamTracker技術，追蹤了網球四大滿貫賽事9年來全部9000多場比賽，每場比賽收集4100萬個數據點，建立5500個分析模型。

事實上，這家科技公司在體育領域的探索可以追溯到80年前。精準的數據信息早已應用在各類體育項目中，為運動員提供更精確的指導，為普通人提供更豐富的觀賽體驗，甚至左右著運動產業的某些商業決策。

一場由大數據主導的“體育革命”，正在蔓延。

大數據正在消除體育比賽的不確定性

1930年，傳奇高爾夫球手鮑比·瓊斯以業余選手的身份，在一年內就拿下了英國公開賽、英國業余錦標賽、美國業余錦標賽及美國公開賽的冠軍，創下了高爾夫球界史無前例的大滿貫紀錄。精準無誤的推桿技術是他的殺手锏，總能令他絕處逢生，并且他還擁有連對手都為之著迷的優雅揮桿姿態。

秘訣是什么？對于這個問題，鮑比·瓊斯總是端出一碗心靈雞湯：“你知道‘業余’這個詞在拉丁文中的詞根是什么嗎？是熱愛。”

當然是熱愛，但更重要的原因—不好意思—是智商。鮑比畢業于哈佛大學，擁有機械工程專業、英國文學和法律這三個毫無關聯的學位，同時還是位很受歡迎的專欄作家。在高爾夫球場上，這種高智商的體現是：他將高爾夫視做一道數學+物理題，相比比賽得分，他更注重分析揮桿的技術參數。這么說吧，他的心里有一張清晰的excel表格，知道在什么時候應該采用什么樣的揮桿姿勢。

鮑比·瓊斯萬萬沒想到，幾十年以后，有一家公司用技術手段完全再現了他的“腦內活動”。那張“excel表格”被IBM變成了更精確的數據，并且應用到了高爾夫、籃球、網球等比賽中。就算沒有鮑比·瓊斯那樣的天才智商，運動員們依然可以靠大數據進行比對來修正自己的技術，甚至針對不同的對手制訂不同的比賽策略。

完全靠天賦和直覺取勝的日子一去不復返，“三分天注定，七分靠打拼”的體育競爭規則已被大數據改寫。而這一論斷的另一層含義是，大數據正在消除體育運動和比賽中的不確定性。

本質上，體育比賽是不可預測的，一場突如其來的變故就會爆發海量數據，完全改變形勢的走向，這種不確定性賦予體育獨特的魅力。

但過去所說的海量數據，在今天看來已經不那么驚人。IBM的私有云技術可以實現三分鐘部署新的服務器，足以應付賽場內的任何突發事件。

在如此強大的計算能力面前，甚至連球員的傷病也不再是賽場上不可避免的意外。澳大利亞新南威爾士的特洛皮橄欖球俱樂部正在和IBM合作，試圖改善本隊球員的健康狀況。IBM讓特洛皮橄欖球隊的球員們做了這些事：勒令他們先體檢，交出自己的健康數據、醫療數據，再做一系列生活方式類型的問卷，并且在日常訓練中佩戴一種GPS追蹤器，來收集心率脈搏、訓練中的碰撞次數、人體的疲憊程度、比賽的緊張程度等數據。

每周，IBM會收集每個球員的100到250個身體變量數據，并用特有的模型進行分析和整理，得出單個球員清晰的健康狀況圖，并為身處受傷險境的球員設計個性化的訓練計劃。為了證明預測模型的準確性，他們還找出了特洛皮橄欖球隊俱樂部三位球員的過往數據進行分析，最后得出的“預測”結果與三位球員目前的身體狀態一模一樣。

IBM的另一位合作伙伴—英國的萊斯特老虎隊對于這套工具還有更棒的想法。他們表示，除了保持自己最好球員的健康以外，IBM的系統還可以用于選擇年輕球員，比如幫助球隊從體育學院找出健康狀態會“更持久”的新人，然后把他們統統簽走。

把網球比賽的數據變成一首歌

大數據的“福利”不僅向運動員敞開。

幾年前，轉播NBA比賽時，解說員就會流利地念出這樣一串數據：在2005年12月17日之后，姚明只參加了火箭56%的常規賽，在這期間，姚明上場的時候，火箭隊勝率為62.3%；姚明缺陣的時候，火箭勝率為52%。再例如：姚明背靠背比賽得分比兩場比賽間休息2天的得分平均高2.6分。

這當然可以作為火箭隊教練為姚明安排賽程的參考，但這組數據從“幕后”走上電視轉播的“臺前”，為球迷們帶來了更多的信息量。

在為轉播提供數據依據方面，IBM已在網球領域耕耘了十多年。2014年的溫網就是一場典型的球迷狂歡。賽前，人們能看到根據IBM大數據分析工具SlamTracker過去收集的歷史數據所做的球員技術對比和比賽結果預測分析；在電視、網絡轉播的過程中，也可以及時接收到場上比賽的實時數據。

2014年女單比賽中，最持久的一分發生在比利時選手烏伊范克和斯洛伐克選手齊布爾科娃之間，她們打了整整24拍；而最快的一記擊球是捷克球員基里·維斯利打出的，速度達到了每小時230公里……這些數據，都被IBM做成了色彩明麗的趣味小短片，成為溫網期間的熱門話題。

如今，這股熱潮終于吹到了中網的賽場上。即將開始的2014中網采用了IBM云技術支持的全新票務系統，將購票流程大大簡化；大賽組委會還與樂視網攜手，將IBM的MatchTracker實時數據分析系統引入賽事直播中，在手機客戶端、微信、微博上也能同步看到實時比賽數據以及賽前分析、賽后回顧。

即使你是不折不扣的偽球迷，也大可以投身社交網絡，在這股網球熱潮中刷一點存在感。要知道，短短半個月內，2014溫網就在Twitter上收獲了1765381條討論。

而IBM還在探索更多“體育+科技+樂趣”的可能性。比如在剛剛過去的2014美網上，它就與美國音樂人詹姆斯·墨菲合作，將每局比賽做成了一首“大數據之歌”！

聽起來不可思議，但這個搞音樂的哥們兒與上文中提到的高爾夫天才鮑比·瓊斯有著同樣的“大數據思維”：他知道，一首完整的樂曲實際上是由無數的音色組合而成，那么，為什么不能將網球比賽中的比分、正手得分、破發點轉換率等數據轉換成音節，組成一首描述比賽的歌呢？

出于音樂家特有的敏感，除了技術性的數據之外，墨菲還在音樂中加入了每場比賽的獨特“氣場”：觀眾的反應、場地狀況和當日的風力、濕度等。

最終，一臺機器—由IBM工程師與墨菲聯合打造—完成了所有數據的轉換和歌曲的生成。這些歌曲輕盈歡快，“一聽就是網球的節奏”。

未來的體育也是“信息產業”

這是一場“三贏”：運動員成績的提升、球迷越來越高的參與熱情，也將體育運動產業推向了一個前所未有的黃金時代。

科技正在體育商業領域發揮著越來越重要的直接作用。基于云計算技術的新票務系統，為中網組委會大大降低了運營成本；“致力于打造最專業的體育視頻平臺”的樂視網則寄望于與IBM合作，通過社交網絡的大數據來“隨時了解所有的消費者，掌握他們的需求”。

先驅者已經嘗到了甜頭。一家叫做“暴風雪”的滑雪板公司平均每年要生產40萬個滑雪板，產品銷往各滑雪城鎮。接收訂單然后投入生產是他們簡單的日常流程。不過麻煩的是，其中一些高端滑雪板需要用18種不同的材料來打造，制作周期長達16個星期，通常情況是，當這批滑雪板被制作出來并運送到目的地時，雪已經融化得差不多了。

于是，IBM為“暴風雪”公司打造了一套能夠預測滑雪市場供需的大數據系統。根據氣候變化和其他對市場有影響的短期變化因素，這套系統能準確預測各地滑雪板需求的變化趨勢，由此，公司可以監督自己的原料供應，并提前生產相應款式的滑雪板，從而快速響應幾個特定滑雪城鎮不斷變化的需求。“暴風雪”滑雪板的生產周期由16周縮短到了8周。

而在體育之外，大數據的影響已經遍及各個領域。IBM的客戶包括意大利的干酪公司，利用大數據分析為其追蹤牛奶原料的來源；美國的水族館，大數據能提高其運營部門的效率，節省下來的開支可用于教育和生態保護；還包括法國的紅酒生產商，大數據會分辨世界各地人的不同口味，以確保運送去最完美的佳釀……

這些公司都看到了大數據的未來：通過消除某些不確定性，創造出更多的可能。