[新聞] 舒拉寶娃敗走溫布頓之謎
http://goo.gl/xsF9o
上周三的溫布頓網球公開賽中,三號種子美女球手舒拉寶娃直落兩盤爆冷輸給世界排名13
1位的葡萄牙選手迪比圖(Michelle Larcher De Brito),當外間以為舒拉寶娃是因為在
底線滑倒三次影響狀態,但透過分析大數據,卻有不一樣的發現。
IBM的分析工具SlamTracker,會在每場大滿貫賽事搜集多達4100萬項數據,涵蓋面包括發
球速度、發球成功率、擊球次數及擊球類型等,藉此分析球手的擊球style及節奏,至今
已累積逾八千場賽事的巨細無遺資訊。SlamTracker將這個龐大的數據庫用於實時分析賽
事,甚至可以為球手訂出增強勝出該場賽事的3個關鍵指標。
將有關分析工具用於上述舒拉寶娃對迪比圖的賽事,會發現迪比圖在多個範疇均呈壓倒性
優勢,例如迪比圖首次發球得分的比例高達74%,舒拉寶娃則只有61%。
更關鍵的,是舒拉寶娃在SlamTracker預測的三大勝算指標中,竟然沒有一項達標,相反
迪比圖卻全數達標甚至超額完成,例如要爆冷成功,迪比圖必須在4至9發來回擊球(4 to
9 shot rallies)的得分率取得至少47%,她結果在賽事中交出57%的成績;又如第一發球
的得分率必須達到最少59%的目標,及接對方一發(first serve return point)的得分率
要超過29%,迪比圖在這兩方面均交出超水準表現。
將大數據廣泛應用於體育競技,仍然是很新的現象,最膾炙人口的故事,要數暢銷書作者
Michael Lewis 2004年的著作《Moneyball》,描寫美國一隊棒球隊的領隊比恩(Billy B
eane),摒棄了老波骨的傳統智慧,活用統計數據,來指導球員買賣策略、訓練方法和比
賽戰術,結果成功以弱勝強,連續多季打出佳績,壓倒不少富貴球隊。著作其後改編為電
影,比恩的角色更由型男畢比特飾演。
自此Moneyball可說在體育界引發了一場革命,這種大量運用數據於體育競技的策略,大
行其道。運動員及背後的團隊,大舉使用數據,固然是為了增加勝算,及進行更針對性的
訓練。另一邊廂,體育盛事背後涉及龐大的博彩活動,也令預測賽事結果的誘因大增,甚
至球迷對球賽的觀賞,也變得科學化及數據化起來。
剛舉行的溫布頓網球公開賽,便推出了賽事分析網站Wimbledon Insights,內中的球手排
名榜,便是綜合分析球手的臨場表現,以及粉絲在社交媒體上的意見,實時更新排名。IB
M亦會為每場賽事的球手提供上述的3大致勝預測指標。
大數據連同分析工具,有助發掘一些不明顯的規律,協助球手、教練、評論員及球迷,多
角度地拆解及參與賽事。相似的技術,也已被開始應用於商業世界中,企業透過搜集及分
析大數據,來挖掘有用的資訊,制訂銷售預測,捕捉客戶口味的轉變及供應鏈的問題。
在大數據的顯微鏡下,運動從此不再一樣,連舒拉寶娃對自己球技的了解,也不再一樣。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.116.24.5
推
07/03 11:18, , 1F
07/03 11:18, 1F
→
07/03 11:21, , 2F
07/03 11:21, 2F
→
07/03 11:22, , 3F
07/03 11:22, 3F
推
07/03 11:24, , 4F
07/03 11:24, 4F
推
07/03 11:27, , 5F
07/03 11:27, 5F
→
07/03 11:28, , 6F
07/03 11:28, 6F
推
07/03 11:29, , 7F
07/03 11:29, 7F
→
07/03 11:31, , 8F
07/03 11:31, 8F
推
07/03 11:44, , 9F
07/03 11:44, 9F
推
07/03 12:01, , 10F
07/03 12:01, 10F
推
07/03 12:01, , 11F
07/03 12:01, 11F
→
07/03 12:18, , 12F
07/03 12:18, 12F
→
07/03 12:19, , 13F
07/03 12:19, 13F
→
07/03 12:19, , 14F
07/03 12:19, 14F
推
07/03 12:20, , 15F
07/03 12:20, 15F
推
07/03 12:28, , 16F
07/03 12:28, 16F
推
07/03 12:28, , 17F
07/03 12:28, 17F
推
07/03 12:42, , 18F
07/03 12:42, 18F
→
07/03 12:45, , 19F
07/03 12:45, 19F
推
07/03 13:42, , 20F
07/03 13:42, 20F
推
07/03 14:02, , 21F
07/03 14:02, 21F
推
07/03 14:59, , 22F
07/03 14:59, 22F
→
07/03 15:00, , 23F
07/03 15:00, 23F
→
07/03 15:00, , 24F
07/03 15:00, 24F
推
07/03 15:10, , 25F
07/03 15:10, 25F
→
07/03 15:11, , 26F
07/03 15:11, 26F
推
07/03 15:43, , 27F
07/03 15:43, 27F
推
07/03 15:46, , 28F
07/03 15:46, 28F
推
07/03 15:47, , 29F
07/03 15:47, 29F
推
07/03 16:30, , 30F
07/03 16:30, 30F
推
07/03 17:05, , 31F
07/03 17:05, 31F
推
07/03 20:11, , 32F
07/03 20:11, 32F
推
07/03 20:18, , 33F
07/03 20:18, 33F
→
07/03 20:18, , 34F
07/03 20:18, 34F
→
07/03 20:18, , 35F
07/03 20:18, 35F
→
07/03 20:19, , 36F
07/03 20:19, 36F
→
07/03 20:26, , 37F
07/03 20:26, 37F
推
07/03 20:52, , 38F
07/03 20:52, 38F
推
07/03 21:04, , 39F
07/03 21:04, 39F
→
07/03 21:05, , 40F
07/03 21:05, 40F
→
07/03 21:05, , 41F
07/03 21:05, 41F
推
07/03 21:09, , 42F
07/03 21:09, 42F
→
07/03 21:10, , 43F
07/03 21:10, 43F
→
07/03 21:11, , 44F
07/03 21:11, 44F
→
07/03 21:14, , 45F
07/03 21:14, 45F
推
07/03 21:19, , 46F
07/03 21:19, 46F
推
07/03 22:25, , 47F
07/03 22:25, 47F
推
07/03 23:54, , 48F
07/03 23:54, 48F
推
07/04 01:01, , 49F
07/04 01:01, 49F