簡論大數據技術對我國青少年游泳運動發展的必要性和迫切性

楊雨

（杭州市陳經倫體育學校，浙江 杭州310007）

在當今高度數字化的時代，競技體育各項目對大數據技術的應用正在日漸普遍化、專業化。但相對來說，作為體育運動中科技含量最高的項目之一游泳，在我國青少年領域的運用卻大大不足，使得我們在選材、技術、康復、測試等方面，更多的還是依賴經驗和常識，極大地阻礙了與國際接軌和科學提高。

1 現狀：大數據技術只在金字塔塔尖

中國游泳水平，特別是男子項目近10年有了普遍性和跨越性的提高，與國家隊引進科學化的技術手段有很大的關系。不管是孫楊等個人團隊與澳洲等海外團隊的合作，還是國內集訓隊在北京體育大學等高水平科技化團隊的協助，都是集中體現在通過大數據化方式和手段實現個人數據庫建立和分析，提供合理性的數據，從而幫助運動員在技術、體能、康復等方面進行評估和測試，科學化地改善和提高。

不得不承認，中國游泳隊很早就從經驗依賴邁入到大數據技術應用時代了。但是，除了金字塔尖的國家隊和少數的幾個省級專業隊，青少年領域卻是一片盲區。像作者所在的杭州市陳經倫體育學校，幾乎代表了中國青少年游泳的最高水平，可我們教練在選材、教學等方面，更多的還是依靠經驗。

在大數據技術應用方面，中國游泳是呈現金字塔式的脫節狀態的，最直接的影響就如很多美國和澳洲教練指出的那樣：中國選手途中游水平很高，但不少青少年選手在轉身、到邊等水下技術比較粗糙，往往都是到更高一級甚至國家隊才去糾正改善。而對歐美等游泳強國而言，他們的青少年甚至業余隊，一直都是采用水下攝影器材，對青少年選手進行水下技術分析指導的。

2 差距：歐、美、澳游泳的數字化從娃娃抓起

作者本人經歷了從國家隊到基層青訓，體驗最深刻的就是科學化含量的無法接軌。相對而言，歐美和澳洲等游泳強國，青少年和成人在運用科技化手段上雖然有差異，但青訓的基本數據化配置還是足夠的。例如，位于荷蘭埃因霍溫的霍根班德青少年游泳俱樂部，他們對青少年選手的訓練就采取了一套數據化跟蹤分析的儀器。他們通過研發出的游泳數據眼鏡和常規芯片，跟蹤選手的各項生理數據，建立一對一的運動檔案，從而評估和測試運動員，提供科學化的訓練計劃參考基礎。

美國過去20年最依賴的就是他們水下技術分析，不管是菲爾普斯的團隊還是到第三級的業余青少年訓練營，都用到了這套系統。美國國家隊游泳生理部主任索科洛瓦斯博士就說過：水下技術分析是美國隊十多年來常用的手段，關鍵不在于水下攝影，而是對數據進行解讀和專業分析，“菲爾普斯高水平的水下技術不是在國家隊練就的，而是從小就形成的”。據介紹，在美國，即使是最低等級的青少年游泳訓練營結束后，學員都會得到一盤自己的技術錄像帶，然后可以通過郵件繼續跟教練聯系，從而得到技術改善的指導。

3 審視：從科學選材到技術分析，中國青少年游泳需要基礎數據化

大數據技術對中國青少年游泳水平的提高作用和價值是毋庸諱言的。第一，在選材上，通過建立數據檔案庫，參考青少年不同時期身高、臂長、爆發力、速度、耐力、協調性等身體數據，以及父母的基因數據進行細化分析選材，同時還可以進行數據庫橫向、縱向的比對分析，從而得出最科學的基礎參考和選拔結論。第二，在技術分析方面，像美國人慣用的水下攝影系統和數據化分析指導，就能夠從最開始讓選手養成動作習慣，改善水下技術動作，提高水下體驗，尤其是在中國選手常見的兩邊技術難點上得到根本性的改善。第三，個性化數據分析。運動員從小就將訓練成績和比賽成績進行儲存和歸類，然后綜合分析類比。不僅每一年的身體發育變化，訓練方式和進步水平都一目了然。還可以建立大數據模塊，對選手的未來水平進行預測評估。當然，還可以比較參考他人同時期水平，比如以孫楊等偶像進行同時期數據比對，對青少年選手的心理暗示和鼓勵都是大有幫助的。

4 難點：如何解決中國青少年游泳數據化的投入難題

在中國，青少年體育培訓項目最市場化的項目要數游泳了，但由于成人項目非職業化的差距，導致相比足球這類職業化程度高的項目，在金字塔底座的投入方面，普遍保障性并不足。

對游泳項目來說，因為頂層的非職業化，行政投入的大部分資金都集中在成人隊，像少體校，甚至各類青訓俱樂部而言，很難有數據化引進建設的資金保障。如何解決這一難題呢？首先，國家體育總局應逐漸完備青少年數據庫的建立，在智慧化投入上適當向青少年項目傾斜；其次，地方體育系統的負責人在“數字化”理念方面與時俱進，除了通過增加投入實現青訓數字化建設外，還可以通過成績獎金激勵制度，鼓勵教練員與市場化數據商合作，通過幫助對方產品推廣來完成基礎化數字化建設。同時，作為培訓市場化程度較高的項目，很多市場化的青少年游泳俱樂部，不妨增加投資進行數字化建設，作為收費的附加值，隨著數字化帶來的成績提高，俱樂部的收入和招生也是水漲船高，形成良性循環。

5 結語

為了在現代數字科技化競爭中不至于從起跑線就開始落后，中國青少年游泳應盡快完成大數據應用平臺建設，特別是針對選材、水下技術、大數據庫等基礎領域。