大数据成nba幕后指挥棒 统计渗透到方方面面
”波什对“大数据”做出这番评价的时候，他所在的热火队正憧憬着三连冠的美梦。 为了理解周琦离群的原因，我们单独把他们运动能力数据（敏捷，爆发力，速度）做了投影，发现了更有意思的东西。 5.根据数据之间的关系，分析两个变量之间的相关系数，画出散点图，并建立变量之间的回归方程（一元或多元）。 从上面的折线图我们可以看到，步行街版块用户的发帖数分别在11时、16时以及22时达到顶峰，基于此可推测虎扑步行街用户在这3个时间段附近比全天其它时间段更活跃。
纵观火箭队的内线，周琦的身高臂展，以及他的封盖能力都是居于首位的，倘若周琦能够及时加强自己的力量，适应NBA比赛中更加激烈的对抗，他的未来将是一片光明。 综合球员各项数据，可以看出同位置球员分布趋势比较明显。 周琦在趋向中锋和大前锋的同时仍有一定的偏离，这说明他和这些位置的常规球员有一定的不同。 版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。 具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。
「我还是认为，传统的篮球风格是一种可靠的打球方式。如果你的球员有这方面的天赋，可以像火箭队那样5个人站在外线拉开空间，那非常好。不过，我坚信选择最好的出手机会，不管是两分球还是三分球，才是最可靠的方式。」珀尔曼表示。 但庞大的团队，无疑限制住了腾讯的灵活性，特别是在一些特殊的时期。 2019年在本土男篮世界杯中国队失利，同年，NBA中唯一的中国球员周琦被火箭队裁撤回国。 NBA在中国影响力，开始出现滑坡，同年9月，因为不当言论，中央广播电视总台央视体育频道再次发表声明，决定立即暂停NBA赛事转播安排。 赛场之外的热闹，开始逐渐替代比赛本身，关于NBA比赛、球员、教练的讨论与争议，正在给更多的内容创作者带来机会。
聪明的组织明白，他们应该从尽可能多的角度审视每一种情况，特别是在做出如选择谁的重要决定时。 因此，所有这些新的指标和数据点都在生成，允许团队和粉丝尽可能多地获取有关潜在客户的信息。 大数据和体育分析正在改变传统上运动中许多事物的方式。 这是因为数据科学和体育分析正在开辟新的数据点和关于选秀前景的信息渠道。
但不同于球场与球迷的狂欢，一些趋势性的变化似乎难以逆转，以NBA中国版权方腾讯为例，NBA被视为腾讯在体育领域的一号资源，在现有周期内，版权成本达到5年15亿美元，但与之相对应的是，腾讯在NBA方向上调整不断。 在体育赛事火热的当下社会，体育接口作为体育数据传递的有效方式被广受关注，具备的接口类型也是丰富多样，像是主流的赛事有足球、篮球、排球、网球等，另外还有电竞，板球，棒球这些体育赛事项目。 每48分钟回合数指标衡量的是球队在一场比赛中的控球次数，反过来说，比赛进行的节奏。
通过对采集到的原始数据（Raw Data）的输出和整理，球队和球员可以获得一些在普通数据统计中被忽视的事实——SportVU 将球员传到位但接球手却未投进的传球视为一次成功的助攻。 全面立体的数据采集分析更能反映场上球员的表现和实际能力，或许，当年那个和队友合砍83分的小飞侠对此是最为感同身受的。 NBA 同 ESPN 及 TNT 最近签订的9年价值240亿美元的转播合约让我们认识到 NBA 已经成为一个在商业上空前成功的体育赛事，在这份成功背后，数据正发挥着越来越重要的作用。 通过MDS多维尺度分析(保持每一对球员在球员高维属性空间的两两相似性的机器学习方法)将球员的各项数据进行降维投影的处理，可以得出球员相互间的相似度。 图中球员间的距离代表他们的相似度，由此可以看出NBA联盟中哪些球员可以成为周琦未来发展的模版。
在NBA全面拥抱三分球的情况下，封盖次数的下滑是必然的结果，根据美国媒体的数据统计，油漆区内的出手被封盖的比重大约为10%，而中距离投篮的被封盖率为2.4%，三分的被封盖率只有0.8%。 当然了，时代的变化并不是无人可以企及奥拉朱旺纪录的唯一原因，因为火箭传奇中锋本身就是一位历史级的防守者。 和得分与篮板相比，封盖进入数据统计的时间更迟，这项数据在 赛季才被正式记录。 所以说，张伯伦和拉塞尔两大中锋，本有可能创造出另一个难以被逾越的纪录。
身体素质上，周琦的身高臂展以及体脂水平都可以算得上顶尖。 事实上，周琦的臂展还比1992年的“大鲨鱼”奥尼尔(Shaquille O’Neal)长了3/4英寸。 通过对比NBA比赛的直播时间（通常NBA比赛直播的时间是在北京时间的上午8时-13时期间），可推测得知NBA论坛版块的用户活跃度深受NBA赛事的直播时间的影响。 即当有NBA赛事直播时，NBA论坛版块的用户的活跃度会相应地提高，无NBA赛事直播时，用户活跃度会大幅下降。 虎扑是为年轻男性服务的专业网站，涵盖篮球、足球、F1、NFL等赛事的原创新闻专栏视频报道，拥有大型的生活/影视/电竞/汽车/数码网上交流社区，聊体育谈兴趣尽在虎扑。 由于篮球比赛中，球员有5个位置（PG/SG/SF/PF/C），对于不同位置球员角色定位不同,加上意外因素，其球场表现难以衡量。
NBA官网目前的流量为每月600万独立访客，不过分流到数据分析子站的访客流量会小很多，NBA预计初期会有2万并发查询用户。 过去，NBA网站上只能提供一些基本数据，大量的历史数据都存在传统数据库中，仅供内部使用。 数年前，酷爱数据统计的NBA总裁大卫斯特恩开始推动NBA数据面向球迷开放。 去年夏天NBA开始着手整合并转移历史数据，开发新的分析引擎。
如今的NBA，大数据已经扩展到赛场的每一个角落，任何细节都可以用大数据(BigData)来说话。 这篇博客是利用NBA球员的历史数据来预测球员的位置，我用的是决策树和它的集成算法随机森林。 结果显示随机森林表现得更好一点，但是提升空间也很大。 流追溯精细化，高性能的检索和分析能力，可回溯任意时间段内的历史事件信息，提供安全问题的追溯和取证能力。