競技體育大數據思維變革與分析

漆小紅，孟媛媛

?

競技體育大數據思維變革與分析

漆小紅，孟媛媛

北京體育大學教育學院，北京100084

摘要：運用文獻資料法、邏輯分析法，對大數據背景下競技體育思維變革特征進行分。研究顯示，“樣本=總體”的相對全數據模式符合競技體育的研究和實踐需要，但數據采集技術還不夠完善；思維上接受數據的混雜性，可利用數據量改善算法測試結果的準確性；相關關系研究在競技體育中并不能取代因果關系研究而獨立存在，兩個關系的探究是具有獨立性，同時存在關聯性。

關鍵詞：競技體育；大數據；思維變革；特征分析

1前言

大數據(Big Data)是為平衡“計算能力”與“計算需要”的產物，具有數據模大(Volume)，數據種類多(Variety)，數據要求處理速度快(Velocity)，數據價值密度低(Value)四個特征。實踐應用上，目前已經在城市發展、醫療改善、商業開發等方面積累了成功的經驗。隨著當前大數據時代的全面拓展和滲透，競技體育亦將其融入到自身的發展當中，積極探索，創新利用在賽練監控、科學選材、反興奮劑、手段更新等方面的應用逐步取得了成功，大數據時代為競技體育發展提供了新思路和新機遇。本文藉此背景通過文獻資料，結合競技體育特征與大數據思維變革特征進行分析，為競技體育發展更好地順應大時代背景提供思維基礎。

2“樣本=總體”的理論價值與實踐操作困境

2.1“樣本=總體”的理論價值

大數據時代，隨著信息化的加速發展，收集所有信息變得可能，大數據思維追求“樣本=總體”，即采集所有的相關數據，這一思維在日本相撲運動非法操縱比賽結果的實踐應用中科研人員通過對運動員過去所有的比賽資料進行研究，基于大數據對比賽結果進行分析，發現運動員為了給自己留一條“后路”，可能會在一些不受關注、不影響獲獎等低風險的場次中與對手達成一致選擇消極比賽，以便在以后的比賽中獲得“回報”，通過抽樣調查是很難捕捉到這一現象的，但是全數據模式將這種不道德的現象呈現出來了，以促使運動員更好地完成比賽。全數據模式可以有效地避免調查者的主觀傾向，以及被調查者“自我保護”機制產生不同于日常心理和行為，同時全數據模式獲得是盡可能全面的數據，不僅可以根據研究目的進行數據分析，而且還可以進行更加深層次、全方位的再挖掘、再利用。

2.2“樣本=總體”在競技體育中的實踐操作難題

競技體育旨在最大限度地挖掘和發揮人(個人或群體)在體力、心理、智力等方面的潛力，以創造優異運動成績為主要目的的一種活動過程。運動訓練是提高運動員競技能力和運動成績至關重要的環節，而運動訓練監控則是保證訓練質量、機能適應等的重要基石。科學的訓練監控需要對外在的時間、空間以及內在的生理、生化指標進行量化統計，這些數據的采集多需要在運動中完成，現行設備中普遍暴露出便攜性較差、設備成本較高、靈敏性不足等問題。值得關注的是，近年出現了“運動手環”，可以通過終端記錄走、跑的步數、實時心率、睡眠質量，該類產品逐步突破便攜性、成本高等問題，使“簡、明、快”的進行科學訓練監控變得可能，同時為競技體育全數據采集提供了條件。全數據模式對促進競技體育配套設備、設施的發展具有重要價值和意義。

3接受數據的混雜性，放寬數據的精確性

3.1放寬錯誤的標準，允許錯誤數據的存在

現實世界中非結構化數據占據了絕大部分，無論是結構化數據，還是非結構化數據，錯誤數據的存在均是必然的，這種錯誤性主要是數據采集、記錄和存儲工具的固有缺陷所致。小數據時代對數據的采集需要保證數據的質量和極力減少錯誤數據的進入，以防止噪音數據對結果造成誤差。允許錯誤數據進入數據庫是大數據時代全數據模式的一大特點，正是因為對錯誤標準的放松，使得我們獲得海量數據，從而在宏觀上對競技體育的發展具備更好的洞察能力。這一革新對“二八理論”是顛覆性的，對海量數據的挖掘和分析使我們可以更加深入地分析競技體育中存在的問題，使競技體育向著更高、更快、更強的方向發展，為競技體育發展開啟新的紀元。

3.2接受數據的混雜性，用數據量改善算法的測試結果準確性

在進行競技體育科學研究和實踐操作的過程中，采集的數據具有多學科性、格式多樣性等特征，如IBM于2005年通過Slam Tracker軟件制成“制勝關鍵指標”分析模型，均是在接受大數據混雜性的前提下，擴大競技體育數據采集規模、整合各類信息，進而獲得實踐成功的。數據算法的實踐一直困擾著競技體育工作者，他們對數據算法的理解能力和駕馭能力都相對較弱，而現今復雜的數據算法成為競技體育工作者不得不面對的一大難題。大數據時代的到來讓這種算法發展得到了改善，即通過數據體量改善算法的復雜性。相關研究表明，隨著數據的增多，算法的表現都大幅度調高，數據體量的增加也影響著不同算法測試結果的準確性，使簡單算法的效果好于復雜算法。

3.3相關關系研究能有效促進競技體育因果關系研究

因果關系是小數據時代人們通過探索原因和結果來揭示客觀世界中事物的內部運行機制；相關關系主要是通過挖掘量化后數據組之間的數理關聯來分析現象，重在捕捉現在和預測未來。研究顯示，相關關系背后基本上都隱藏著深層的因果關系，相關關系的獲得為因果關系研究奠定了已知基礎，因果關系研究則對相關關系研究的價值進行了拓展。如2013年4月13日，NBA球星科比在比賽中跟腱斷裂，據統計，科比在近7場比賽的上場時間中336分鐘里只休息了17分29秒，場均45分30秒，基于這一系列數據，大部分人認為科比此次受傷是上場時間過多所致，隨后研究顯示，科比的跟腱斷裂與上場時間過多具有統計相關，還需要特定的因果模型進行深層次的研究。由此可見，盡管大數據為我們提供了統計相關，但深層的因果關系探索依然需要在已知相關的基礎上進行進一步的研究。

4結語

時代變遷與行業變革總是相輔相成，大數據時代的到來促使競技體育的相對全數據信息采集有了依據，對其混雜性和多樣性的包容，為我們提供了更加全面的研究視角，且較之抽樣數據其具有更佳的容錯性、延展性，為更加接近事物本質提供了條件，“相關關系與因果關系”兩種關系的研究也呈現出層層遞進的科學過程。科學地利用大數據思維對促進競技體育發展起著重要的作用，然而在數據采集手段、模態處理方法、數據價值挖掘等實踐應用方面依然存在著諸多難題，數據采集存儲模式、共享權責機制、專業人才培養亦處在初級階段。辯證地看待大數據時代的三大思維變革，對競技體育發展有著重要的實踐指導價值。

參考文獻：

[1]張文華.大數據對體育教育的沖擊[J]. 貴陽學院學報(自然科學版),2014,02:47-51.

[2]馬建光,姜巍. 大數據的概念、特征及其應用[J]. 國防科技,2013,02:10-17.

[3]馬國全,楊建文等.大數據在體育科學中的應用及思考[J]. 河北體育學院學報,2015,02:11-16.

[4]維托克.邁爾——舍恩伯格,肯尼斯.庫克耶，大數據時代:生活、工作和思維的變革[M].盛楊燕,周濤,譯.杭州:浙江人民出版社,2013.

[5]謝雪峰.多維視野中的競技體育特征[J]. 體育科學,2008,05:74-80.

[6]金成平,胡亦海. 多維視角下“競技體育”與“競技運動”的差異性比較[J]. 山東體育科技,2014,06:45-49.

第一作者簡介：漆小紅(1990-)，男，四川遂寧人，在讀研究生，研究方向：體育教育與運動訓練。

中圖分類號：

文獻標識碼：A

文章編號：1005-0256(2016)07-0151-2

doi:10.19379/j.cnki.issn.1005-0256.2016.07.061

The Change and Its Analysis on Big Data of Competitive Sports

Qi Xiaohong, Meng Yuanyuan

Abstract:The features of change of thinking of competitive sports in the context of big data is analyzed through literature study and logical analysis. The study shows: the relatively complete data pattern of ‘sample equals totality’ meets the requirement of research and practice of competitive sports, but the data acquisition technology is not perfect enough; the veracity of the results of algorithm testing can be improved via the increase of data size; the correlativity research cannot replace the causality research in the research of competitive sports and there are relevance and independence in the study of these two researches.

Key words:competitive sports；big data；change of thinking; features analysis

P.E. College of Beijing Sports University,Beijing, 100084