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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19