京公网安备 11010802034615号
经营许可证编号:京B2-20210330
里约奥运英国赛艇队傲视群雄 大数据分析也是幕后英雄
令人瞩目的2016年里约奥运会近日落下帷幕,其中赛艇项目比赛于14日全部结束。上届的伦敦奥运,英国赛艇队获得4金2银3铜,傲视群雄。在本届奥运会14项共42枚奖牌中,英国赛艇队为英国代表队带来的奖牌数贡献依然巨大,以3金2银排在该项目奖牌榜首位。 作为奥运会英国队的代表性优势项目,赛艇队在争夺奖牌上的实力不容小觑。这项运动本身在比赛中可能因为多方面因素的细微影响而导致戏剧性的结果——第一名与第四名的差距也许只是几毫秒,但这却决定了运动员获得的是光荣的奖牌还是无限的遗憾。
提高训练效果
顶尖的英国赛艇队队员,每天需要进行好几次训练。训练中,单个运动员身上得到的训练数据已经非常可观,全队运动员的总体数据更是巨量。之前,这些数据散乱在多个数据库和表格中,数据的更新速度十分缓慢,因此导致了对这些数据的跟踪和分析十分困难。
为了充分备战里约奥运,英国赛艇队在早期便开始使用SAS解决方案来分析运动员数据和改善训练方法。赛艇队将数据更快更全面地汇总在一起,并进行更好地分析。这为运动科学家、教练和团队经理提供了一个可以跟踪运动员运动表现的平台,帮助他们更好地决策。
“英国赛艇队的训练地点有时在水上,有时在赛艇机上,有时在体育馆里。同时我们还会去一些高海拔的挑战性环境进行训练,”Mark Homer,英国赛艇队高级运动科学家说。
“将所有领域的数据进行汇总,结合比赛中所获得的数据,我们将汇聚一个巨大的数据源来指导训练和提高运动员的运动表现。但是如果没有分析的工具,这些数据就没有任何作用。通过与SAS的合作,我们现在能更深入和快速地分析这些赛艇运动员的数据。之前因为数据的分散,我们需要花费大量的精力和时间来汇总和分析单个运动员的信息,现在,我们可以马上搞定。”
减少受伤风险
英国赛艇队使用SAS可视化分析对来自多个数据源的数据进行分析。深入和快速地进行数据分析将帮助运动员最大化每次训练的效果。不光这样,数据分析还可以应用于发现运动伤害的迹象并进行修正,帮助运动员减少训练缺席,从而确保他们在比赛中处于最佳状态。
发掘赛艇人才
“现在,赛艇已经是一项比较成功的运动项目,从2012年开始我们就已经取得了一定的成绩,并从中尝到了甜头。所以当有新人加入这项运动的时候,我们需要能够引导他们,确认他们在正确的发展,”Homer说,“未来,数据分析将是帮助我们预测的关键,比如某运动员现在的成绩并不理想,但是通过数据分析,我们能知道他可能会在接下来几年大放异彩。”
通过数据建模,可以帮助教练和经理更好的理解运动员相关信息,协助他们进行决策。这就包括找出未来的赛艇新星,为不同的赛艇配置队员组合,优化每个组的比赛表现。
“运动员的运动技能可以使用多种方式进行评估,一个能够最大化已有数据资源利用率的工具对我们来说至关重要。利用这些数据我们将能够做出最佳决策。但是更令人兴奋的是寻找金矿时的未知——有些东西在我们开始分析数据前绝对不会预见到。因此我们能够发现更多关键要素,并将这些要素整合以影响整体的表现。
伴随着赛艇运动本身的不断的进步,未来,英国赛艇队将在SAS数据分析的帮助下科学训练,发掘新的运动人才,为下一个奥运周期做好准备。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21