京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析师工作到位可左右胜负 目前中超还不被重视
在足球比赛中,我们可以看到球员们在场上展现高超的球技,可以看到主教练精妙的临场指挥,但还有很多人为一场足球比赛默默无闻地工作。最近几年,很多球队都增加了一个新职位——数据分析师,也有人称呼他们为科研教练。中超联赛技战术水平的提高,离不开他们的工作。
难
“三项全能”才能胜任
很多球员在退役之后都当了教练,但并不是所有退役的球员都可以成为数据分析师。
作为一名数据分析师,每天只需要跟枯燥的数据和永远也看不完的录像打交道,但实际上这隐藏着很大的学问。作为一名足球的数据分析师,懂球是必须的!所以很多从事这个行业的人要么是科班出身,要么就是之前有过从事足球行业的经历,要想半路出家来从事这个行当肯定是不行的。另外,欧洲足球在科研和数据方面领先,他们制作的软件都是英文系统,所以要想做好这个工作,还必须精通外语。
仅仅这些还不够,因为那些软件的应用也是相当复杂的,中国足协在一年之内就对各中超俱乐部进行过三次如何使用这些软件的培训。“中国足协给我们提供的仅仅是一些数据,确实那个系统中还有很多学问,只有自己吃透了,才能让这些数据物尽其用。 ”一位数据分析师这样告诉记者。
强
工作到位可以左右胜负
比赛是球员踢的,是教练指挥的,这二者是决定胜负的关键因素。但是,数据分析师的作用也绝对不能小视,通常情况下,数据分析师的工作可以归结为三点。
首先是统计本队的比赛数据,通常在一场比赛结束之后,球队都会总结,教练总结的根据就是数据分析师拿出的结果。
其次,各队也都会对日常训练进行总结,这样才能找到差距。对训练数据的分析也是数据分析师的工作。例如队员们的跑动距离、心跳次数等等,这些都是他们需要记录和积累的。
最后,他们还肩负着球探的工作,这也是他们日常工作中最为繁重的。通常情况下,他们需要从周一开始就为下一个对手着手准备,在不到一周的时间里,他们要看对手的比赛录像,“一般情况下,会把对手最近三场比赛的录像仔细观看,当然仅仅看三场也不够,更早一点的录像也要粗略地看一看。研究一个对手差不多要看六七场的比赛,多的时候需要十几场。而且为了在比赛中找到共性,一场比赛还需要重复观看。 ”一位数据分析师说。
数据分析师观看比赛的目的就是要找到对手的命门所在。在找到之后,教练员就会进行有针对性的布置,运筹帷幄之中,决胜千里之外!在上赛季大连阿尔滨客场挑战北京国安的比赛中,阿尔滨的数据分析师就发现北京国安的很多进球都是由徐亮的直传球发动的,所以他特意提醒队员们千万不能让徐亮正面拿球,一旦拿球就必须加以封堵,不能让他舒服地传球。全场比赛,阿尔滨队一直都贯彻地很好,但他们还是出现了一次失误,正是这次没防住徐亮,让他远距离助攻王晓龙得分,结果阿尔滨在那场比赛中0:1失利。
忧
在中超,数据分析师还不被重视
数据分析师的作用显而易见,尤其是在足球比赛更多地和科技接轨的今天。但是在中超,数据分析师的作用还没有被高度重视,很多球队甚至还没有专人来做这项工作。
中超联赛中有很多外教,但并不是每个外教都配备了数据分析师。 2012年,中超公司为了提升各队的技术含量,特意从法国购买了amisco的软件,这个软件可以自动测出队员们的跑动距离、每个人之间的距离等一些重要的比赛数据。为了让更多的球队可以把这个软件应用好,中国足协曾先后三次举办这个软件的学习班,但是学习效果并不好。
一位参加了三次学习班的数据分析师告诉记者,“我三次学习班都参加了,但是在里面只看到了一位和我一样平常跟着球队征战的人,其他的好像都不是跟着球队的。有些人不认识,有些人我是认识的,他们有的是球队的翻译、也有俱乐部的工作人员。”至于其他中超俱乐部为什么会这样安排,有人猜测,很多球队对数据分析不重视,根本就没有数据分析师的职位,他们对日常训练的数据统计不重视,对下一个对手的观察也还停留在助理教练观看比赛录像的直观层面,没有科学的数据支持。所以,翻译和俱乐部的官员来也就正常了。
喜
阿尔滨战术分析很到位
其他各队对数据分析的重视程度还不够,但是大连双雄却早已经走在了前面。大连实德在2010年任命韩国人朴成华担任主教练,和他一起来的就有一位数据分析师申升淳,他在2002年曾跟随希丁克,帮助韩国队在世界杯上创造了奇迹。
大连阿尔滨队对数据分析更是重视,早在球队还在征战中乙的时候,他们就配备了专门的人员。程俊从2010年开始担任大连阿尔滨队的数据分析师,此前他曾在德国留学,为德国国家队做过数据分析,在来阿尔滨之前曾在德国的俱乐部工作,近几年阿尔滨取得的成绩有他的一份功劳,很多球队的“命门”所在都是他根据反复观看比赛录像后发现的。“通常情况下,我会让两个屏幕并排在一起,左边放的是比赛录像,右边的屏幕放的是我制作的二维动画,这样球员们在看的时候就会有一个很直观的感觉,可以通过动画看到场上整体的跑位情况。”程俊说,他的工作让阿尔滨的队员受益匪浅。
不仅仅是比赛,即便是在日常的训练中,程俊也要进行录像,然后开始数据分析,找出球队的不足。CDA数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05