美國職業籃球聯賽數據分析應用及啟示

賈寶劍，楊振興，姚 健

?

美國職業籃球聯賽數據分析應用及啟示

賈寶劍1，楊振興1，姚 健2

1.首都師范大學 體育教研部, 北京 100048; 2.濱州學院體育學院, 山東 濱州 256603

為適應數據急劇增長時期高端職業聯賽數據分析與服務供給的發展需求，提升中國籃球職業聯賽的數據分析與運用水平，采用文獻資料、調查和觀察等研究方法對美國籃球職業聯賽數據統計發展歷程、官方網站數據統計頁面、球員追蹤技術、投籃熱力圖分析技術、Synergy技術和機器學習技術等主要科技手段進行研究，并對我國籃球職業聯賽數據進行分析并提出與應用啟示。結果表明：1）科技融合籃球數據分析在NBA球隊建設、訓練監控、比賽策略、裁判判罰等領域具有現實意義；2）發現CBA聯賽數據運用過程中的問題，提出了強化CBA聯賽重視數據分析意識、完善CBA聯賽數據統計類型和數據查詢系統、建立球隊賽季比賽詳情記錄、加強CBA聯賽與國內外數據分析公司的合作、重視數據分析人才培養、引進先進數據技術分析設備、建立健全CBA聯賽數據管理制度等優化提升策略。

數據分析；職業籃球聯賽；啟示

前言

隨著大數據和互聯網在世界范圍內應用的普及化，數據增長速度和類型不斷升級，新技術不斷涌現，數據分析與科技融合發展已經成為職業聯賽發展的新方向和新動力。2015年國務院《促進大數據發展行動綱要》提出了2017年形成跨部門數據資源共享共用格局、2018年建成國家政府數據統一開放平臺的發展目標，我國已將大數據提升至國家戰略高度,也為我國各個領域數據統計與應用發展指明了方向。我國CBA聯賽經過20多年的發展，已成長為世界有一定影響力的職業聯賽，然而在數據分析與應用方面，與NBA仍存在全方位的差距，主要體現在上游的數據采集與存儲，中游的數據分析和下游數據應用3個方面。CBA聯賽要想適應世界高水平賽事在數據分析應用與服務供給方面的發展趨勢，進一步提升聯賽品牌競爭力，必須解決好賽場硬件設備條件、網站維護平臺、統計軟件運用、數據分析人員培養以及數據積累和存儲等多方面問題。

通過對美國麻省理工學院斯隆管理學院2006—2018年舉辦的體育分析峰會有關NBA聯賽數據分析座談視頻、美國數據分析論文以及籃球數據分析與應用最新使用情況的研究發現，美國籃球數據分析發展成熟，新興科技正在改變體育產業，聯盟各支球隊全面運用大數據技術和最新科技手段，把對先進分析方法的獨特理解和對體育運動的深刻解讀充分融合，人機交互成為主流，數據分析呈現出智能化、全面化、可視化和實時化特點，數據分析成果影響著球隊的方方面面。本文對NBA聯賽數據分析和最新科技應用進行研究，探索將數據分析與科技融合應用于CBA發展的優化途徑、面臨問題和具體解決方案。

1 美國籃球職業聯賽數據應用概況

1.1 NBA數據統計進化歷程

NBA聯賽作為世界籃球最成功的聯盟，已有70余年的發展歷史，自成立至今其不僅在競賽規則、比賽場次、選秀方式、工資帽制度、招商方式、推廣形式等方面進行了改革優化，其數據統計指標也進行了大的變革和完善。1949年NBA剛成立時，數據統計只包括投籃出手、投籃命中、罰球出手、罰球命中、犯規次數5個簡單技術指標，但從2016—2017賽季勇士VS騎士的總決賽電視轉播中，NBA官方已經可以非常及時的統計出一名球員單場跑動距離、跑動速度、起跳次數、急停次數、突破次數和投籃熱點，并及時地傳遞給現場觀眾。大數據分析技術不僅改變了對球員的看法，也改變了我們理解比賽的方式。從歷史上看,除了典型的結構化數據（得分和助攻等），比賽中深層次信息很難收集。從2009年開始,聯盟開始使用一個視頻系統,跟蹤并記錄比賽過程中遠動員和球的運動軌跡（25幀/s）。這些新數據推動聯賽的數據分析，并將簡單的數據以更加科學的方式和新穎的指標呈現。NBA聯盟發展的歷史，也是一部數據統計不斷豐富與逐步優化的發展史，經歷了從簡單的基礎數據向縱深的細粒度大數據的進化過程。20世紀90年代，NBA數據管理逐步成熟(包括進攻手段、進攻區域、空位命中率、受干擾命中率等細節化的數據開始引入)。進入21世紀，依托高階數據建立了細粒度球員評價指標(如球員進攻區域與位置、球員場上防守貢獻值、上場時間對球隊戰績影響、第4節或比賽最后幾分鐘關鍵時刻的臨場表現等)。2016年，NBA聯盟與體育數據公司Sportradar AG和Second Spectrum簽下6年價值2.5億美元的合同，新賽季將在聯盟每支球隊的場館安裝追蹤攝像頭，以此詳細追蹤球員個人的動作信息，包括球場上的跑動范圍、頻繁觸球的區域、防守擋拆的能力等。總之，NBA聯賽數據融合先進科技手段，從基礎的數據統計發展到“科學、全面、實時、細化”的數據分析，為NBA與全球其它職業聯賽的角逐中，帶來了更強的競爭力，促進了NBA在全世界的品牌傳播和影響力提升。

1.2 NBA聯賽官方網站數據查詢系統分析

NBA聯賽作為世界上最好的籃球聯賽，匯聚了世界上最杰出的籃球運動員，儲存了極其詳盡的數據統計紀錄，歷史數據極其完善。目前，NBA已經建立了完整的數據分析體系和數據儲存與查詢系統，利用先進的高精度攝像技術和高密度計算機技術，通過先進的軟件和科學的分析方法把球員在場上的每一個細小的動作轉化為有價值的信息，同時注重追蹤數據、可視化數據、進階數據、Synergy視頻數據體系與基礎數據的結合，最終呈現在NBA官方網站數據統計板塊，為NBA球隊設計與分析球隊打法、贏取比賽勝利、評價球員能力、優化攻守戰術提供了保障，并促使全球性籃球數據統計領域發生顛覆性的變革。2012年，NBA聯盟與德國體育技術、數據和資訊公司思愛普（SAP）建立了戰略伙伴關系，SAP利用自身的SAP HANA大數據平臺，以便捷簡單的方式分析和呈現海量球場數據,為NBA的官方網站NBA.com提供了業界領先的實時數據搜索和分析能力。通過對NBA.com數據統計頁面研究發現，頁面具體內容包括：歷史數據（1946年至今）、投籃分布圖（結合投籃視圖與評估攻防表現）、球員陣容組合技術統計、球員/球隊統計數據的深入分類分析和對比以及球員個人頁面。網站科學性、針對性和全面性的將球員和球隊數據統計進行了分類（表1），網站數據指標總數達到277項，基礎數據與進階數據、追蹤數據、投籃分布圖和Synergy視頻實現了完美融合，同時可以查詢球員和球隊關鍵時刻數據，獲勝場次數據，具體數據對應視頻，以及2008年至今的裁判員數據，在全面描述球員攻防技戰術行為和攻防影響力、球隊數據管理、數據決策與裁判員評價方面提供了重要依據。

1.3 NBA聯賽球員數據分析與Synergy 系統融合分析

隨著職業體育情報工作發展越來越快，單純的數據統計已經無法滿足現代籃球的要求，Synergy Sports Technology技術有效的將球員的數據統計與視頻分析進行融合，形成了Synergy數據體系，揭示隱藏在比賽深處的因果關系。單純的數據分析帶有一定的局限性，Synergy將數據跟視頻緊密結合并驗證數據是否正確，可以通過這套系統，能夠查看對手最后5 min的進攻，研究對手比賽關鍵時刻有什么習慣性打法，幫助球隊在比賽中發揮優勢、隱藏缺點，同時攻擊對手的弱點，扼制對手的長處。Synergy數據體系將籃球進攻手段分為200多種類別，包括了所有進攻手段甚至球員在場上的情緒和體能變化時的進攻方式。圖1為2016—2017賽季杜蘭特與詹姆斯進攻手段附加值（Value Added）對比，包括單打、定點跳投、轉換進攻、擋拆持球人進攻、擋拆接球人進攻、無球掩護、手遞手傳球進攻、空切、低位單打、補籃10種進攻類別。進攻手段附加值是某位球員每回合得分與聯盟平均每回合得分的差值×場均回合數，目的是挖掘球員創造的進攻價值。從圖1可以看出杜蘭特和詹姆斯兩人進攻優勢與劣勢，杜蘭特的轉換進攻附加值達到76.43，定點跳投附加值達到49.14，詹姆斯利用擋拆持球進攻和空切的進攻附加值分別為39.66和33.78，兩人優勢技術各不相同。Synergy系統不僅僅是用來對比球員數據，更重要的是將每一種進攻方式數據統計與比賽視頻結合，研究球員投籃、搶斷、助攻以及一切數據發生的地點，幫助球隊深刻剖析比賽的每一個細節。Synergy系統結合了視頻和數據，為球隊數據分析提供了無限的可能性。目前美國NBA聯賽、NCAA聯賽和AUU聯賽球隊均購買了Synergy系統（年費約1.5萬美金），其中，NCAA聯賽規定所有參賽隊必須將比賽視頻在賽后第2日中午之前上傳到Synergy軟件，Synergy系統的數據服務已經覆蓋了美國各級別的籃球聯賽，形成了無價的籃球資源，為美國籃球的快速發展提供了強大的數據支撐。

表1 美國籃球職業聯賽官方網站數據統計類型與指標一覽表

圖1 2016—2017賽季杜蘭特與詹姆斯進攻手段對比

Figure1. Comparison of the Offensive Style of Durant and James in 2016-2017 Season

注：數據資料引自NBA.com網站。

1.4 NBA聯賽投籃可視化分析

NBA作為數據化程度最高的體育聯盟之一，對每位球員的精細分析和數據可視化符合未來體育發展的大趨勢，不僅能幫助球隊科學高效地分析球員優劣，為球隊排兵布陣提供依據，還能讓職業籃球更具商業價值。NBA聯賽球員投籃可視化分析分為投籃分布圖和投籃熱力圖，把球員場上每一次投籃區域、投籃結果都通過高精度攝像機記錄下來，經計算機軟件計算后，通過不同的顏色、形狀進行可視化的成像呈現，用來評價球員的投籃效率、習慣和傾向區域。投籃熱力圖作為一種可視化的分析工具，包含了球員和球隊大量的投籃信息和戰術信息，可以通過投籃熱力圖發現球員攻防兩端的優勢和劣勢，陣容配備的改變導致投籃命中率的變化，球員不同賽季投籃可視化對比以及籃球技、戰術發展變化。圖2顯示了科比在2005—2006賽季與2015—2016賽季投籃可視化對比，職業生涯末期的科比區域投籃位置效率和投籃命中率均發生了重大變化，特別是底角3分球投籃方面。圖3為火箭隊2010—2011賽季與2016—2017賽季投籃熱力對比，最大區別在球隊中距離投籃方面，火箭隊是2016—2017賽季全聯盟中距離投籃最少的球隊，也是全聯盟3分球出手數和命中數最多的球隊，可視化分析揭示了火箭隊的比賽風格和球員的投籃偏好。

圖2 科比?布萊恩特投籃可視化對比圖

Figure2. Kobe Bryant Shooting Visualizations Comparison

注：數據源自美國kirkgoldsberry.com網站，圖3同。

圖3 火箭隊2010—2011賽季與2016—2017賽季投籃熱力對比圖

Figure3 The Rockets Shooting Heat Map Comparison between 2010-2011 Season and 2016-2017 Season

1.5 NBA聯賽數據分析與追蹤技術和機器學習技術融合分析

隨著互聯網技術的發展，追蹤技術和機器學習技術開始應用到NBA聯賽數據分析領域，追蹤技術原理是時空模式識別，通過視頻、傳感器和軟件詳盡追蹤到球員和球的運動軌跡，把球員和球的移動在軟件中轉化成圓點的移動，不僅可以計算出球員跑動速度和距離、投籃區域、傳球次數、防守距離、接球區域，還能呈現擋拆配合和無球掩護等復雜的戰術以及籃板球機會等潛在數據。機器學習技術核心部分是構建一種應用程序，自動識別攻防兩端的戰術行為。以防守擋拆為例，籃球比賽中防守擋拆的4種行為分別是穿過、繞過、包夾和換防（圖4）。機器學習技術構建防守擋拆的自動識別，通過高清攝像捕捉防守球員防守擋拆時的戰術行為數據段，智能識別擋拆戰術行為并自動分類防守人的防守策略，輸出球員防守擋拆的追蹤數據（圖5）。籃球數據分析的本質是挖掘影響比賽勝負的細節，現代籃球中，掩護幾乎是最重要的戰術，了解怎樣使用和防守掩護配合，基本上是比賽輸贏的關鍵。球員追蹤技術和機器學習技術與數據分析的有效融合捕捉防守擋拆行為，不但完善了對于防守擋拆的數據統計，也帶來3方面的應用。1）快速和自動地評估比賽中某些球員行為的效果，分析一名球員的防守能力對于擋拆配合結果的影響。2）幫助球隊制定策略計劃，快速找到防守的弱點，并利用這些信息來準備未來的比賽。3）評估聯盟球隊防守策略的變化。球員追蹤數據平衡了攻防兩端的評價指標，數字化、細節化和全面化的認識和分析比賽，比基礎數據更有價值。

圖4 球員四類防守擋拆戰術行為

Figure4. Four Types of Pick-and-Roll Defense Behavior

注：BH：持球；OBD：持球對位防守；S：掩護；SD：掩護防守。

圖5 追蹤技術與機器學習技術捕捉球員防守擋拆戰術行為運轉流程

Figure5. Tracking Technology and Machine Learning Technology to Capture the Defensive Players on the Pick and Roll Defense Behavior Process

2 美國籃球職業聯賽數據驅動決策應用分析

NBA聯賽作為世界最成功的商業體育聯盟之一，以其高超的競技水平、獨具前沿的商業思維、合理制度搭建和科技融合聞名。現代高水平競技籃球的復雜性和相互關聯性使得球隊成功僅依靠主教練帶領幾個助理教練的人為決策方式已不能適應現在籃球發展趨勢，高水平球隊運行已離不開高科技產品的數據支持，需要運用大數據技術捕捉到海量信息，通過機器和專業的數據分析師解讀比賽、挖掘數據和深化分析，并及時將信息反饋到球隊管理層和教練員，從而幫助球隊做出科學決策。

2.1 球隊建設領域的運用-以俄克拉克馬雷霆隊為例

NBA數據分析的戰略意義之一是通過對NBA球員數以萬計數據的挖掘與分析來確定球隊的所需球員或評價球員的表現。2016—2017賽季結束后，NBA聯盟球員轉會市場出現了多起震驚全聯盟的球星轉會案例，快船隊保羅轉會至火箭隊，騎士隊歐文轉會至凱爾特人隊，喬治和安東尼轉會至雷霆隊等。休賽季選秀大會和球員自由市場的開啟，會導致各支球隊的人員發生變動，NBA球隊會利用這段時間和自由球員進行談判、簽約，與其他球隊進行球員轉會交易。NBA球隊在物色球員時除了考慮到工資帽、奢侈稅等限制條款以外，球員攻防特點是否適合球隊戰術風格是球隊經理和主教練重點考慮的問題。2017年夏天喬治和安東尼轉會至雷霆隊，成功達成交易的主要原因是球員的攻防特點與球隊體系的無縫銜接，雷霆后衛威斯特布魯克的2016—2017賽季常規賽場均突破次數為20.1次，突破急停跳投場均得分為8.2分，兩個數據聯盟分別為第1和第9，犀利的突破必將會吸引防守同時創造出空位3分球機會，但是，球隊現有前鋒接球即投命中率不高，而保羅喬治和安東尼在接球投籃方面有著出色的得分能力（表2），場均接球投籃得分分別為7.4分與6.3分，同時，喬治右側底角3分球命中率達到51%，是突破分球制造3分投籃的重要選擇，喬治和安東尼轉會至雷霆隊，補足了球隊的短板，豐富了球隊的技、戰術打法。總之，在球隊建設領域利用高科技產品對球員的數據分析為NBA教練和總經理在選擇和續約球員方面提供了有效的科學借鑒。

表2 2016—2017賽季喬治與安東尼進攻追蹤數據統計表

注：數據資料源自nba.com網站。

2.2 訓練監控領域的運用

保持球員健康是NBA球隊在漫長的賽季所面臨的重大挑戰，背靠背比賽與賽后長途飛行對球員的睡眠和恢復產生影響。通過數據來觀察球員狀態和生理指標，科學的制定賽季中比賽間隙訓練計劃以及安排球員適時輪休得到NBA球隊的一致認可。以追蹤數據分析為例，數據分析師會根據球員日常訓練數據趨勢變化給予教練訓練計劃調整和訓練強度變化的建設性意見，例如：如果某球員跑動距離和速度比日常降低，但是心率水平仍維持較高水平，說明該球員處于疲勞狀態。馬刺隊在健康分析方面是NBA聯盟的領先者，他們會根據追蹤數據來決定是否讓球員輪休（如馬刺在奪冠時代，鄧肯、帕克、吉諾比例等主力球星在多場常規賽中就進行了戰術性休息，為關鍵的季后賽和總決賽積累了身體能量）、降低訓練強度、調整訓練計劃。勇士隊則在訓練時穿上catapult sports小型監控器，收集變向、加速度、膝蓋腳踝的壓力、主要肌肉群磨損和不尋常情況、運動期間肌肉被激活、呼吸、練習效果等指標，教練員據此調整球員上場和休息時間，同時勇士隊引入芬蘭制造的電極，測量球員大腦的疲勞狀況。達拉斯獨行俠和新澤西籃網隊使用Readiband系統,監控球員的睡眠和疲勞程度。可以說高科技手段已成為當今NBA球隊訓練過程中進行科學監控的主要手段之一，也是大數據時代在競技體育中發揮數據價值的關鍵環節。

2.3 比賽策略選擇的運用

籃球比賽數據分析對改善球隊戰術提供建議，對關鍵性比賽勝負的影響作用越來越明顯，自2011年以來，投籃時機選擇問題便出現在了MIT斯隆體育分析峰會上，通過大數據分析，專家們指出：遠距離中投是籃球運動中最低效的進攻手段，同時3分球是回報最高的投籃方式，圖6為1998—2017年NBA聯賽場均3分球投籃次數，2017年場均3分球投籃達到27次，是1998年場均12.7次的1倍之多。以2016—2017賽季NBA勇士對騎士總決賽為例，每場比賽都是3分球投中多者最后取得了勝利，而且比賽關鍵時刻球隊都制定了3分球的專門戰術，3分球能否命中對球隊起到了至關重要的作用，以第4場總決賽為例，騎士隊在0：3落后的情況下，第4場投入了24個3分，打破了NBA總決賽歷史紀錄，最終取得勝利。數據顯示：球員每遠離籃筐1英尺,奪得前場籃板球概率就會降低1%，而3分遠投時,概率又突然增大。因此，火箭將3分球作為最重要的進攻手段，增加3分球、減少中投的出手比重已經成為火箭隊最重要的進攻策略。根據NBA官方網站提供的2016—2017賽季常規賽追蹤數據，火箭隊常規賽82場比賽共投出了3 306次3分，領先第2位騎士527次；同時，火箭是中投最少的球隊，根據SAP公司提供的2016—2017賽季火箭隊追蹤數據分析報告：火箭隊中距離區域（Mid-Range）區間的出手次數場均5.2次，為聯盟最低。

圖6 1998—2017年美國籃球職業聯賽比賽場均3分球投籃次數

Figure6. The List of NBA Three Point Shot between the 1998 and 2017

注：數據資料引自basketball-reference網站。

2.4 裁判判罰領域的運用

NBA比賽快節奏、高強度的競賽特征對裁判員執裁水平提出了更高的要求，球員的身體接觸頻度和犯規的隱蔽性都是影響裁判員臨場判罰的因素，為強調裁判執裁的透明度和公正性，聯盟將數據分析應用于裁判員的判罰，不但在賽后出具比賽最后2 min裁判報告（分差3以內），結合視頻對正確判罰（CC）、不正確判罰（IC）、正確未吹罰（CNC）和漏判（INC）均進行分析，并且對聯盟71位裁判員（2017—2018賽季）的執裁詳情進行數據統計。通過查詢nbastuffer.com網站，對2017—2018賽季常規賽階段主裁判執裁情況進行分析，NBA有資格擔任主裁的裁判員共50位，對主裁判宣判犯規數據進行平均值處理（表3），判罰主隊犯規百分率為50.6%，判罰客隊犯規百分率為49.4%，場均主客隊犯規差值為0.536，通過分析可以看出，NBA球隊主場勝率為60%，但主場因素對裁判員判罰的影響程度不大。NBA對于裁判判罰領域的數據應用可以起到3個方面的作用，首先是對整個聯盟負責任的表現，也是聯盟公正性的良好體現，對于維護聯賽的信譽起到積極作用，其次是對球員的幫助，可以使球員更好的了解裁判的判罰尺度，最后裁判員公平執裁對體育運動的核心，公平競爭精神，是最好的詮釋與弘揚。

表3 2017—2018賽季NBA常規賽階段部分主裁判數據一覽表

注：數據資料源于nbastuffer.com網站。

3 我國CBA聯賽數據分析革新面臨的問題

當前越來越多的世界各國高水平籃球、足球等球隊將數據分析與科技手段結合，對球隊進行評估和科學引援、制訂新的戰略計劃以保持運動員的競技狀態提供依據。然而，由于我國體育數據積累時間短暫以及數據分析對軟硬件條件要求的門檻非常高，數據分析深入融合科技技術在我國體育領域全面推廣還需時日。現代科技和籃球運動的融合呈現快速發展趨勢，CBA聯賽應用數據和現代科技推動聯賽發展創新方面還面臨著諸多需要解決的問題，如傳統的數據統計方法和錄像觀察方法耗費大量人力和財力，已經不適應聯賽的發展，CBA聯賽必須要解決意識落后、人才缺乏、能力薄弱和領域單一的問題，處理好聯賽經費、球館硬件水平和先進軟件的引進等關鍵環節，全面革新聯賽數據系統。

3.1 數據分析融合現代科技運用意識落后

意識是行為的先導，以科技推動CBA聯賽未來發展，必須以整個聯盟數據意識的形成為前提。世界級別體育賽事和國外頂級職業聯賽已經把大數據提升到戰略層面，NBA聯盟自2010年起，將數據分析加入科技元素；德國足球隊在2014年世界杯之前就使用SAP Match Insights進行訓練數據分析；中國女排在2016年里約奪冠也充分運用了大數據提取和分析技術。在2016—2017賽季CBA聯賽舉辦期間，通過對多位聯賽管理人員、俱樂部經理、助教、主教練、球員的調研可知：目前我國CBA并未將數據分析運用提升到應有的戰略高度，聯賽歷史數據不完善，CBA主要參與人群數據意識尚未形成,缺乏實時比賽的數據采集能力，無論是數據提供的及時性和專業性都處于較低層次，數據管理和數據分析意識的欠缺引起聯賽管理人員、俱樂部和相關從業人士的高度重視。

3.2 數據分析人才數量和質量欠缺

數據分析人才的數量和質量直接影響到CBA聯賽大數據應用的開展。訪談中，一位聯賽的管理人員指出：現階段CBA數據分析面臨的瓶頸并不是來源于數據，而是缺少高層次的數據分析人才。美國從事籃球統計分析的專家和學者非常多，其中很多是哈佛大學、麻省理工、斯坦福大學等名牌大學統計學、計算機專業的畢業生，高級統計學和定量分析已經成為NBA重要而不可或缺的一部分，這些數據專家使用高級數據來分析籃球比賽，改變了NBA球隊進行決策的方法。目前我國CBA大數據應用水平還處于“手工作坊”式操作階段，數理統計、圖形制作、視頻分析、運用專門軟件和公式數據分析等能力處于初級水平。因此，聯賽數據通過人工方式錄入，隨后傳輸給中國籃協，工作人員難免會有錯誤錄入的情況（在多次籃協官方網站查閱的數據統計中發現了不同層次的錄入錯誤，如技術犯規次數、違反體育道德累積次數等，甚至在對相關球員進行處罰時產生了爭議）。總之，在互聯網+大數據的信息化時代，為球迷、教練、球員、俱樂部、媒體、贊助商等提供精準的統計數據，是成熟的職業聯賽運作中必須的一環。

3.3 高科技產品應用能力薄弱

CBA聯賽用數據分析籃球比賽還僅僅是起步階段，目前缺少國外高科技數據分析產品的引進，而國內僅有的幾家數據公司提供的數據只是簡單的羅列排序，為CBA球隊提供基礎數據咨詢和服務。同時國內也缺乏一批真正能夠讀懂數據，并運用數據分析籃球比賽的相關從業人員，行業基礎十分薄弱。俱樂部管理人員、教練員、科研工作者、媒體、球迷想查數據時，只能通過自己手動計算或者一些零星的數據統計加以處理,數據的真實性和可靠性大打折扣。2017年12月21日，CBA公司正式宣布與貝泰科技達成官方大數據合作，CBA在聯賽專業化上又邁出一步，然而，CBA聯賽若要全面應用國外最新科技產品，如球員追蹤技術、機器學習技術、Synergy系統以及球員監控設備，還需借鑒NBA聯賽數據應用的成功經驗。訪談中，某俱樂部主教練指出希望能將對手場上的各類攻防數據、戰術配合習慣、掩護時細節、攻守輪轉位置、關鍵球處理方式等進行可視化呈現，來幫助球隊排兵布陣，但高科技產品和專業人才的缺乏阻礙了比賽數據的深層次挖掘。

3.4 數據分析應用領域單一

目前CBA聯賽的數據應用主要體現在賽前對對手的技、戰術打法的分析與整理、對對方外援的特點把握等方面，而在球隊選材和科學引援、訓練與比賽實時監控、出場陣容調配、協助裁判判罰、服務球迷數據供給、技術指標統計、球員實際能力和場上作用評價等方面的應用還非常少。以反映球員場上價值的數據為例，CBA官方網站歷史數據不完善，只能查到基礎數據指標，而通過這些數據的綜合考察與科學計算得出的球員場上價值的高階數據統計和反映球隊攻防形式的追蹤數據卻沒有，歷史數據和深層次數據的缺失對我國CBA聯賽數據應用造成了重大影響，給球隊多領域數據應用帶來了困難。隨著高科技產品的應用，新的統計指標和統計方式逐漸取代傳統的技術統計，更加科學和客觀的評價球員的表現，在賽場內外各個領域發揮作用，例如為球迷提供更好的觀賽體驗和為品牌提供更好的贊助分析。

4 對中國籃球職業聯賽數據應用的借鑒意義

當前，以科技創新推動可持續發展已成為全球共識，從國際上看，歐美發達國家的國際科技創新合作日益深入，新興經濟體成為全球科技創新合作中不可忽視的主體。從國內來看，我國處于重要戰略機遇期，經濟社會發展處在從要素驅動向創新驅動轉型的關鍵時期。2017年5月，國家科技部制定了《“十三五”國際科技創新合作專項規劃》，指出國際科技創新合作是落實創新驅動發展戰略，集聚全球資源，提升我國在全球價值鏈位置的有效抓手。大數據、云計算、人工智能等科技的快速發展，已成為引領我國各行業創新的重要力量，數據科技已在金融、運輸、醫療、通訊、媒體等領域的應用不斷成熟。例如，金融業在精準營銷和風險防控兩方面與數據科技充分融合，交通運輸業大數據對物流管理、城市人口遷移和路網監控的分析應用。

為提升我國體育領域國際科技創新合作水平，有效運用全球科技創新資源，積極有序地推動“十三五”國際科技創新合作與交流，CBA公司應加強與專業化數據公司的合作，以數據分析為切入點，完善數據采集、分析和應用，增加先進科技設備投入力度，引進球員追蹤技術設備和數據分析軟件，改變傳統的數據管理和應用方式，以數據挖掘和數據分析助力CBA聯賽整體實力提升，為升級CBA聯賽數據統計系統夯基筑臺。總之，打造一個現代成熟的職業體育聯賽，離不開數據分析和現代科技，只有加強我國籃球數據分析人才培養和科技投入力度，通過數據科學監控提高訓練和比賽的質量，才能推動CBA聯賽系統化、現代化的飛躍式發展。

5 數據分析融合現代科技應用于CBA的優化策略

5.1 強化CBA聯賽重視大數據分析的意識

科學技術的不斷發展帶來了先進的技術手段和設備，面對新的大數據技術，CBA聯賽如何駕馭新的技術，聯賽主辦方、俱樂部管理人員、教練員等轉變對傳統數據類型、處理方式和用途的觀念是前提。NBA作為世界上最先進的籃球聯賽組織，早已開發了專門的軟件來完成數據統計和數據分析。CBA球隊數據分析人員在聯賽期間工作負荷繁重，記錄比賽數據，分析各項指標，然而，球隊通過耗費相當時間與精力所得來的數據不僅準確性欠佳，同時也無法進行更深層的分析或同其他球隊共享。但辯證唯物主義規律和歷史經驗證明：先進取代落后是歷史發展趨勢，CBA聯賽主辦方與參與者應提高大數據分析的認識和重視程度，樹立“運用數據分析是職業聯賽發展和球隊取得優異成績的保障”的意識，采取“請進來，走出去”的方式，即定期舉行CBA數據分析運用培訓班，聘請NBA專家講解數據分析案例和效果；同時派出相關人員到NBA聯盟和球隊進行中、長期學習，掌握比較核心的技術運用，盡早主動融入到世界職業聯賽數據化的大潮之中。

5.2 完善CBA聯賽數據統計類型和查詢系統，建立球隊賽季比賽詳情記錄

自CBA聯賽成立以來，技術統計就基本穩定在得分、籃板、助攻、蓋帽、搶斷、失誤、犯規等7項基礎數據，隨著聯賽職業化、商業化、高端化的發展，傳統的數據統計已經無法滿足要求，需要深層次的數據揭示隱藏在比賽深處的因果關系，滿足球隊、球員、媒體、贊助商、球迷等多端需求。縱觀當今CBA聯賽的競賽格局，遼寧、廣東、山東、廣廈等多隊都有奪冠實力，聯賽呈現出季后賽名額競爭異常激烈的局面、大牌外援的持續引入不斷對傳統強隊產生沖擊，比賽結果經常在相差幾分之內。因此，為更加深刻的挖掘球員數據、評價球員綜合表現，全方位、數據化的評定球員的場上價值，建議CBA聯賽借鑒NBA的數據統計類型并盡早建立與升級CBA數據統計分類和查詢系統。同時，CBA各隊要依據聯賽數據，建立以數據統計和數據分析為主的，包含球員傷病情況、近期對手情況、比賽細節總結、球員表現分析、歷史數據等方面的球隊賽季比賽詳情記錄，并隨著賽季的進行，不斷更新球隊比賽詳情記錄，為球隊和球員研究對手、了解自身競技狀態給予指導。

5.3 建立短期合作長期培養的發展模式

任何一個行業的發展都離不開專業人才的培養，CBA數據分析人才的數量和質量直接影響到CBA聯賽職業化和品牌化的發展。現階段CBA聯賽要加強與國內外數據分析公司的合作，借助知名數據公司的數據采集軟件系統和體育信息產品為球隊提供具體問題的解決方案，為聯賽提供高質量的數據服務。我國職業體育數據分析人才的培養是一個長期的過程，建議北京體育大學、上海體育學院、首都體育學院、武漢體育學院、成都體育學院等體育院校借助國家鼓勵運用大數據發展體育產業和賽事的新趨勢，設立體育產業和賽事數據分析專業，培養專門的數據分析人才，有條件的院校可與美國高校實行聯合培養；同時，CBA公司設立優惠的就業政策，吸納其他院校計算機方向、數據分析方向等交叉學科人才為CBA聯賽服務，通過不同學科專業的跨界整合、優勢互補，切實增強聯賽數據分析和數據運用能力。

5.4 引進先進數據技術分析設備

引進國外先進技術設備，是提升聯賽品質的必由之路。CBA聯賽經過20年的發展，資金投入的力度越來越高，聯賽在競技水平、商業價值、社會影響力等各個方面都取得了長足的進步，無論是比賽精彩程度，還是關注程度，都達到了前所未有的高度。但是在數據分析領域，特別是數據分析軟件和硬件配備方面，CBA聯賽與NBA存在巨大差距。先進數據分析產品在預防傷病、優化教練決策、提升球員表現和節省時間成本方面對球隊起到至關重要的作用。我國籃球比賽分析主要采用錄像分析法，教練員需要花費大量的時間來研究比賽視頻，建議引入球員追蹤設備，記錄運動員移動距離、出手位置、起跳次數、位置選擇等情況以及裁判員選位判罰情況；訓練中引入catapult sports小型監控器，追蹤加速度、變向、心率、膝蓋腳踝壓力、肌肉激活情況等；建議CBA球隊引入Synergy系統，將數據跟視頻緊密結合，達到數據對應視頻的查詢模式。另外應引入虛擬現實技術和全視角回放技術為聯賽裁判培訓、執裁以及選拔與評價提供科技幫助。

5.5 建立健全CBA聯賽數據管理制度

任何行業的發展都需要持續創新，因此創新是一個系統工程，而制度創新是任何行業管理質量提升的先導和保障，數據管理制度的建設與完善將對未來CBA聯賽的改革與完善起到重要的推進和規范作用，如設立CBA聯賽數據分析中心、專門設立數據研究人員崗位及基本要求、規定每支球隊主場必須要安裝的技術統計設備數量、質量和型號標準、場館房頂安裝的錄像設備數量與位置、錄像回放設備回放角度、每場比賽數據分析專職人員的配備、比賽后每支球隊必須上報的數據類型、俱樂部必須配備數據分析師、每支球隊球員賽間訓練的各項生理、生化、體能指標的記錄、體能測試時期記錄每支球隊的綜合技術表現、國家隊球員的日常生理生化數據存檔、裁判員判罰的數據報告等。

6 結語

數據分析技術已成為高水平競技體育領域進行決策的重要參考，NBA借助高科技產品進行數據分析，改變了數據收集處理的理念與方法、數據指標形式、球隊訓練監控手段、球員評價標準、教練場上策略選擇依據、裁判判罰與管理方式等。然而，CBA基于高科技產品的數據分析成果十分有限，迫切需要聯賽管理者以及更多體育及數據分析領域專家、學者的關注與支持。CBA聯賽需要順應時代潮流，積極借鑒國外數據分析理論、實踐先進經驗和最新高科技產品，主動學習有關數據分析的“新知識、新理念、新技術、新方法”，結合本土實踐，運用到聯賽的選材、訓練、管理、比賽、引援和科研之中，為實現我國職業體育改革的“創新驅動”和“科學規范”發展提供智力支持和數據支撐。

[1] 丁響,高麗華,趙波.大數據時代的體育傳播:特征、主體定位與發展方向[J].沈陽體育學院學報, 2014,(5):39-44.

[2] 耿建華,王建剛.2013—2014賽季CBA聯賽各參賽球隊攻防競技實力比較分析研究[J],中國體育科技，2015,51（1）:28-36.

[3] 黃欣榮.大數據對科學認識論的發展[J].自然辯證法研究, 2014, (9): 83-88.

[4] 郎勁松,楊海.數據新聞:大數據時代新聞可視化傳播的創新路徑[J].現代傳播(中國傳媒大學學報), 2014,(3):32-36.

[5] 雷輝,勞天溢.體育數據可視化綜述[J].計算機輔助設計與圖形學報,2015,(9):1605-1616.

[6] 王峰.美國職業籃球聯賽數據管理模式所引發的結構變異[J].中國體育科技,2015,51(1):20-27.

[7] 鄔賀銓.大數據時代的機遇與挑戰[J].求是,2013,(2):47-49.

[8] 楊振興,楊軍,白潔,等.基于大數據技術對美國職業籃球聯賽的研究[J]. 中國體育科技,2016,(1):96-104.

[9] 楊旭,湯海京,丁剛毅. 數據科學導論[M]. 北京:北京理工大學出版社,2014.

[10] 姚健,劉傳海. CBA比賽規則修改創新的理論研究[J].成都體育學院學報, 2015, 41(1): 114-119.

[11] 苑曉平.籃球比賽反敗為勝案例的分析與研究——決勝時刻的技戰術分析[J].山東體育學院學報,2014,(5):105-110.

[12] 王家宏,邵偉鈺.促進體育產業與科技融合的財政政策研究[J].成都體育學院學報,2015,41(4):1-6.

[13] 王奇,顏小燕.大數據時代我國體育發展面臨的機遇與挑戰[J].體育與科學,2016,37(1):75-80,86.

[14] 張江南.大數據時代對體育傳播的影響[J].武漢體育學院學報,2014,(7):16-20.

[15] 章翔.NBA與CBA球隊技術統計的逐步回歸分析及比較研究[J].北京體育大學學報, 2014,(1) :134-138.

[16] GOLDSBERRY K.Courtvision: New visual and spatial analytics for the NBA[C]// MIT Sloan Sports Analytics Conference, 2012.

[17] MAHESWARAN R,CHANG Y H, HNENHAN A,. Deconstructing the rebound with optical tracking data[C]//MIT Sloan Sports Analytics Conference, 2012.

[18] MAVRIDIS G, TSAMOURTZIS E, KARYPIS N,. The inside game in World Basketball. Comparison between European and NBA teams[J]. Inte J Perform Anal Sport,2009,9(2):157-164.

[19] MCINTYRE A, GUTTAG J, WIENS J.Recognizing and analyz-ing ball screen defense in the NBA.[C]//MIT Sloan Sports Analytics Conference,2016.

[20] MOQUEEN A,WIENS J,GUTTAG J.Automatically recognizing on-Ball screens[C]//MIT Sloan Sports Analytics Conference,2014.

[21] RRICH B J,HODGES J S, CARLIN B P,. A spatial analysis of basketball shot chart data.[J] american statistician. 2006,60(1):3-12.

[22] MURPHY K P. Machine learning: a probabilistic perspective.[C]//MIT Sloan Sports Analytics Conference,2012.

[23] OLIVER D. Basketball on Paper: Rules and Tools for Performa-nce Analysis[M]. Potomac Books Inc., 2004.

Application and Enlightenment of Data Analysis in NBA

JIA Bao-jian1, YANG Zhen-xing1, YAO Jian2

1.Capital Normal University, Beijing 100048, China; 2.Binzhou University, Binzhou 256603,China.

In order to adapt to the development needs of data analysis and service provision in high-end professional leagues during the period of rapid data growth, and to improve the data analysis and application level of China Basketball Professional League, this paper uses the literature review, investigation and observation method to develop the statistics of American basketball professional league statistics. The main technical means such as the official website data statistics page, player tracking technology, shooting heat map analysis technology, Synergy technology and machine learning technology are studied, and the data analysis and technology melting development of China Basketball Professional League are enlightened. The results show that 1) Science and technology integration basketball data analysis has practical significance in NBA team construction, training monitoring, competition strategy, referee judgment and other fields; 2) discovering problems in the application process of CBA league data, and putting forward the emphasis on data analysis in CBA league consciousness, perfect CBA league data statistics type and data query system, establish team season game details record, strengthen cooperation between CBA league and domestic and foreign data analysis companies, attach importance to data analysis talent training, introduce advanced data technology analysis equipment, establish and improve CBA league optimization and improvement strategy such as data management systems.

G841

A

1002-9826(2018)06-0118-09

10.16470/j.csst.2018016

2018-03-27；

2018-09-11

賈寶劍,男,副教授,碩士,主要研究方向為體育競賽與管理,E-mail:2949@cnu.edu.cn。