NBA商业数据分析 6

商业数据分析的四个层次 李子恒 博客园

CMU 的 BA 项目设在信息管理学院下,从往年的录取情况来看,超过 60% 的学生都有工作经验。 每年录取来自世界各地的学生 50 名左右,本科学位有计算机、建筑、数学、统计、金融、管理、财务等等,背景十分多样。 以上内容结合了MIT的《the analytics edge》课程和Robert I. 整个过程下来,还是有一些问题需要细致思考,主要集中在以下三点。

而且配合蚂蚁链提供的区块链确权技术,还可以在体育IP数字藏品的发行、购买、收藏和使用上提供技术支持,NBA的数字营销就在此基础上衍生出了更多新玩法。 2013年,来自哈佛大学两位博士瑟沃尼和艾利克斯建立了一个测量NBA球员表现价值的指标——预球权分(Expected Possession Value,预期球权得分机制)。 该模型源自于竞争风险模型(注:处理多种终点事件和竞争风险事件存在的生存数据的分析方法),简单地说就是研究“一名球员是否被低估了其在球场上价值”的一套指标(不同于得分、篮板、助攻及命中率等传统衡量球员的数据)。 美国有着全球最好的数字化技术与应用场景,这使得NBA自2009年之后通过注入数据DNA,成为了全球最智能、科技感最强的运动体育赛事,并在商业领域获得巨大的成功。 NBA之所以成为伟大的商业模式,缘于它是一场“共谋”,它离不开时代的发展,人类文明的进步。 但篮球文化的商业化,首先在美国取得成功,对我们后来从事商业实践和研究,特别是有相似属性的如文化、体育、娱乐、连锁等行业的人来说,借鉴意义深远。

NBA商业数据分析

上述回归模型和分类模型均是机器学习的监督式学习模型,它主要指通过学习历史的真实数据,找到其中的规律(即模型),并假设「历史总是惊人的相似」「太阳底下没有新鲜事」,通过找到的模型对未来进行预测。 这一种学习方式相当于既包括了诊断性分析,也包括了预测性分析。 在现实生活中大家应该都有这种感觉,回顾过去好像清清楚楚,但是展望未来时又是一片迷茫。 这是因为实践和未来才是检验规律的唯一标准,但是在未来还没有发生的情况下,检验只能依靠历史的数据,这样非常容易出现机器学习中常说的过拟合和欠拟合的问题。

如果可以做到这点,就可以把可能不达标的人提前找出来,进而给予其必要的帮助。 这里就需要用到预测性分析,通过建立预测性模型,根据其关键KPI的表现情况,即可以预测其业绩达标情况。 小白根据历史数据训练出的预测模型,预测的准确率已经达到了95%。

NBA还成功地将品牌拓展至其他领域,包括:NBA专门店,NBA餐厅。 NBA 的国际授权商为全球6大洲超过100个国家的球迷提供NBA授权产品。 NBA为了有效地多元化经营,专门成立了资产管理公司、娱乐公司、电视与新闻媒体公司等等。 NBA这个符号,代表的是篮球文化,这导致它的经营和其他的企业、行业天然地不一样。 我们可以想象一下,是发展、传播一种文化简单,还是生产、销售一款产品简单。 但这也是NBA的巨大优势,它没有也不需要创造篮球文化,篮球文化本来就有,NBA只是让这种文化广泛传播,让更多的人喜欢,让这种文化与时俱进。

NBA商业数据分析

此处练习了一下pandas基本的数据框相关操作,包括提取部分列、head()展示、排序等,简单通过几个维度的展示,笼统地看一下16-17赛季那些球员冲在联盟的最前头。 最直观的数据自然是得分篮板抢断助攻盖帽命中率等等,因为这些数据比较起来很简单,不需要繁复的计算,只需要盯着数据板就能立刻明白。 可是这种简单的分析下催生了一系列数据刷子,明明打球水平一般,但数据漂亮。 所以这种最简单的数据比较不能作为全面考察球员的依据。 three.7 看一看NBA各球队球员的年龄结构,内部我按照球员数量和效率值进行了排名: 分析:真羡慕波士顿凯尔特人、迈阿密热火以及我金州勇士队的老板们,拥有一帮年轻的优秀球员。