京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全民健身及大数据的探索应用
说到全民健身,人们可能更多想到的是广播操、绕圈跑、太极拳、广场舞,但在体育产业蓬勃发展的今天,全民健身已经开始有了越来越多不同的玩法。“大数据”就是其中最为前沿的一种。
在互联网等科技飞速发展的今天,大数据的应用越来越受到重视,2015年,国务院印发了《促进大数据发展行动纲要》,系统部署大数据发展工作,具体到全民健身领域,《体育发展“十三五”规划》等重要文件也均提到要借助大数据的力量来实现各个体育领域更好的发展。
“大数据在全民健身领域至少可以应用到三大场景:一是政府层面,主要体现在智慧城市的智慧体育上,即利用互联网、云技术,通过管理场馆、赛事、培训等运动资源和对相应的大数据采集和分析,全面了解全民健身参与情况,基于数据有效地解决政府的投入和配置的效率问题,有利于政府公共服务采购、供给侧改革、提升人民群众生活幸福指数;二是在体育营销层面,可以通过技术手段获取大型场馆的观赛人群的数据,通过打通和匹配不同来源的数据,准确给出人群画像,做出精准营销,以捕捉体育带来的新的消费需求和潜在商机;三是在健康管理领域,通过对个体的运动健康的数据积累和状态追踪,提出运动、饮食、防病的个性化推荐,这对保险、食品、医疗、体育等行业具有深刻的影响。”新赛点体育董事长徐林洲说。
说到全民健身及大数据的探索应用,新赛点公司颇有发言权,这家拥有300多名员工的公司在2007年成立后,一直专注于在全民健身领域提供一站式体育运动服务。新赛点经过多年投资、自主研发了基于移动互联网的百动运动服务平台,整合一、二、三线城市2000家以上的场馆资源,为行业协会、大型企业像中国银行、广发银行、中信银行、中国移动等一百多家大型企业背后的数千万自有客户和企业员工提供多种运动健身服务,该公司去年在新三板挂牌后,在选择最新的战略突破点时,就是探索大数据如何结合全民健身中的各个场景,产生新的业务增值。
徐林洲介绍说,公司原有的业务方向是为大企业客户提供包括场馆预订、赛事组织、俱乐部管理的定制化解决方案,而现在,该公司已经尝试依托全民健身服务平台和场馆云管理系统,打造基于大数据和应用场景的标准化产品组合和细化的服务,更精确地满足个体的运动需求。
对于大数据在体育领域的作用,中国社会科学院社会科学文献出版社社长谢寿光有着更为宏观的解读。他说:“我们这个时代需要新型的体育制度,今天你想在任何一个方向有所发展,都需要利用大数据做深入的分析,需要对需求、对投资、对环境作精准的分析和判断。”
体育大数据的建立始于对运动人群的分类。新赛点将白领员工分为四类,分别是运动发烧友、运动爱好者、泛运动人群和非运动人群,针对每一类人群,新赛点都有相应的服务组合,涉及监测体质,开运动处方,指导运动选择,建立运动社群,运动健康数据追踪、装备、培训等等,通过运营,激发运动消费的转化率。而这些消费过程,帮助新赛点积累了第一手的不同人群运动消费的数据。
“新赛点不仅用大数据的观点来洞察直接服务的用户,”徐林洲说,“我们最近也开始与大数据公司合作,通过帮助体育主题公园和大型赛事场馆智能化,获取大数据,从另一个维度理解体育消费者。这些公园和场馆一般有着巨大的观众流量,而通过各种设备,可以采集到流量观众的数据,上传到云平台之后,与同样观众的其他线上和线下的大数据关联,就可得出用户的多维度的人口属性,线上行为,线下消费,体育偏好的洞察,通过APP,园区的互动屏,线下服务进行精准的体育营销,帮助公园,场馆的运营商把人群流量转为营销收入。”
对于大数据在体育场馆中应用,东城区体育局副局长马力也有着同样的感触。他说:“数字化是基础,网络化是条件,智能化是核心,这里面大数据将会发挥很大的作用。通过大数据,能够知道在场馆中人们运动的心率、运动的强度等等一系列情况,这都属于场馆智能化的一部分。”
其实大数据在全民健身中的作用不仅局限于场馆,维宁体育CEO纪宁曾提出未来的十类有发展前景的体育大数据公司类型,包括体育大数据广告公司、体育大数据电商平台公司、运动健康监测大数据公司等等。“大数据是一个金矿,是没有被开采的金矿,目前的中国体育产业大数据前景无限,空间广阔。”纪宁说。
大数据在各种运动、观赛场景的应用为全民健身乃至整个体育产业的各个领域提供了巨大的想象空间。“随着越来越多的人参与到运动健身中来,体育消费快速增长,消费场景日益多样化,同时移动互联网,人工智能,物联网的快速发展,加上全民健身已上升为国家战略,各级政府政策引导和资金支持,体育产业发展进入了爆发的黄金十年期,而大数据在全民体育中越来越广泛的应用,将成为加速群众体育发展的助推器。”
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