京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据在体育产业里到底扮演了什么角色
随着共和国的经济和科技发展,大数据还没在美国爆发,先在咱们这片土地上炸了。
大数据像是一场夏日的小雨,一阵响雷后,悄悄地落在地面上,又悄悄地润进土壤。
去年开始有个响雷叫“体育大数据”,一批公司在这阵雷声里拿到了融资,那么他们现在都干嘛呢?
一年内比较受关注的一批体育大数据公司
大体上,体育大数据公司是围绕在社区、赛事数据、体育数据、媒体、博彩(彩票)、青训这几个领域上的。
这里诞生的最早的是2004年成立的搜达足球,但那个时候搜达足球只是一家简单的足球网站,直到2014年,乐视与搜达因为印度超级联赛的直播才有了接触,这时候已经有了细致、可调控的图表数据。2014年云技术爆发,使得大数据技术门槛降低,再后来,2016年,大数据的概念被资本家们拿出来搞事情(搞¥)。大公司们决定布局体育大数据,就有了乐视体育投资3920万控股搜达足球这码子事。
打这儿开始,2016年的体育大数据融资就算是开场了。
体育大数据是什么?体育大数据其实实际只存在了四种公司
体育大数据的数据维度除了比赛本身,也有场地、天气、时间、运动员身体情况的维度。
之前,大多数比赛的数据还是人工收集,直到一家名为ZebraTechnologies的公司试图记录更为全面,更为准备的现场数据。他们通过将RFID标签放在设备里,球上,或是运动员的身上,来跟踪收集其运动方向,距离,速度等数据。另一家叫SportVU的,在每一个NBA球馆都放了6个摄像头,以每秒25次的速度来收集每一名球员和篮球的每一次移动。
这些数据被收集起来,给教练、运动员、经纪人、赛事工作人员,来帮助运动员员得分,合同谈判,或是避免伤病。
在2014年的麻省理工斯隆体育分析大会(MITSloanSportsAnalyticsConference)上,教练们与球员们在一起,分析了大数据的潜力,与它对于现代体育的8个影响。
其中包括:
1更加精确的赛场判罚
2球迷可以看到更多的进阶数据
3通过可穿戴设备经行数据的收集与分析
4现场数据的收集
5预测球迷动向
6为体育迷提供了新的就业方向
7影响教练的决定
8建立参数,帮助合同谈判
当然,实际操作上,大体上只有4种公司:
1体育博彩数据公司
2关注竞技体育,主要是赛事方面的大数据公司
3针对青少年培训和职业运动员培训的数据公司
4针对体育爱好者的数据公司
B端的公司先行一步已经盈利了
魔方元官网旗舰产品展示了三个产品,提供解决方案;足球魔方应用;梦幻足球经理模拟游戏。实际上魔方元做了四件事,为体育用品做BI辅助决策、为体育媒体提供内容;为俱乐部做青训数据支持;卖足彩。据说已经盈利了。
这也揭示了体育大数据服务的四大目标群体:职业球队、体育媒体、广大球迷、足彩彩民。
明眼人都看得出,四个目标群体里,三个都是大B端。
C端的公司主要是面向普通球迷提供搜索和社区的服务,但收费仍然是向专业用户提供数据分析服务。老实讲,体育大数据对C端个人用户的意义暂时还没有发掘出来。所以针对C端用户的商业模式还是靠卖体彩,但其实卖体彩服务的仍然是B端的博彩公司。
所谓体育大数据的概念,整体上还有些模糊,现阶段与其说是体育大数据,不如说是体育分析,可能更为妥帖。体育数据的相关性与隐形趋势对个人而言,并无太大影响与指导意义。与其关心运动员的身体状况和战术信息不如说他们更关心的是运动员本身的魅力,毕竟虽然冠军的关注度高,但并非只有冠军才有人关注,即便天才如马拉多纳也一样会有人不喜欢。
目前体育产业发达的欧美顶尖数据服务商的通用商业模式是:
1从赛事版权方拿到数据开发的代理权
2对比赛和球员进行数据采集
3对数据进行建模和加工
4再通过产品化打包分发给B端用户
越来越多的体育数据公司还会加入战团,这其中包括收购了OPTA的Perform,以及为中超提供服务的法国数据公司艾米斯科,这些海外公司的指爪其实近在咫尺。但看过了国外的案例后,也有了新问题,Sportradar最大的客户是博彩公司BET365,那么谁能拿下中国体彩中心呢?
体育大数据到底在体育产业里扮演什么样的角色?
“大数据统计对体育赛事的运用是多维度的,获得奥斯卡提名奖的《点球成金》就充分诠释了‘棒球统计学’这一名词。”——创冰科技CEO刘震
事实上,诸如Amisco、OPTA、SAP以及Prozone这样的数据公司,已经成为职业足球界必不可少的细分环节。数据行业之于全球体育领域的重要性,正在不断提升。
Prozone已经为全世界的300多家足球俱乐部提供数据,包括英超联赛的所有球队。员工只有几十人的OPTA(已经被Performs收购),德国的SAP公司,不仅成为拜仁慕尼黑的官方合作伙伴,甚至在德国国家队夺取世界杯的过程中,也起到了至关重要的作用。
据我们从网络搜集来的数据显示:全球大数据市场规模从2010年的32亿美元,增长到2015年的170亿美元,年增长率达40%,其中中国2015年大数据市场规模达115.9亿元,预计2017年可以迅速发展到170亿元的市场规模。
但与市场规模光鲜的数字不同的是,由于国内职业体育赛事成熟度的不同,国内B端市场的赛事数据服务需求远远不及国际市场的需求度。但根据国家大力发展青少年足球的政策来看,长期的讲这些可能在未来都不会是太大的问题,短期的讲,足球青训是现下市场的重要缺口。
现在国际赛事数据服务机构例如StatsLLC、PerformGroup和Sportradar更倾向于通过并购手段来丰富技术手段、产品内容和销售渠道,以此来提升B端服务能力。
但乐观的看国内体育大数据发展,据创冰科技方面称,与其合作的广州恒大淘宝、延边富德以及河北华夏幸福都在第一年跟大数据相拥之后就从中甲升级到了中超。
整体上来看,我国全民运动的热情正不断增加。相较2015年的数据,足球、篮球、网球和乒乓球的全民参与程度都有明显增加,其中篮球与足球的增幅达到了20%以上。适合个人训练的运动种类正在扩大参与者规模;羽毛球作为2016年的第三大运动种类完美地具备了个人训练(或1对1练习)的运动属性;网球作为具有同样运动属性的运动正吸引更多的人群加入到这项运动中来。
尽管B端是体育大数据目前的利润来源,但很明显反而是C端才让体育大数据拥有更大的商业想象空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01