“大數(shù)據(jù)”是近幾年科技行業(yè)最喜歡提的詞匯。從 Google 到中國百度，都提出要發(fā)展“深度學(xué)習(xí)”的方針。而百度為了能發(fā)展該技術(shù)，不遠(yuǎn)萬里在硅谷設(shè)立研究院，還從 Google 挖來“機(jī)器學(xué)習(xí)”領(lǐng)域的先鋒人物吳恩達(dá)，負(fù)責(zé)“百度大腦”計劃。至于未來戰(zhàn)略方向轉(zhuǎn)為“移動為先、云為先”的微軟，最近也披露“大數(shù)據(jù)”相關(guān)的計劃 Project Adam，將挑戰(zhàn) Google 的 Google Brain 計劃。

 

　　現(xiàn)在，我們可以看到部分“大數(shù)據(jù)”在實際運(yùn)用的后果。在四年一屆的世界杯里， Google、百度還微軟均利用“大數(shù)據(jù)”預(yù)測出每支球隊的比分情況，甚至還相當(dāng)?shù)販?zhǔn)確——一方面，體育行業(yè)發(fā)展多年，每名球員每場比賽的數(shù)據(jù)均有詳盡的記錄，方便專家研究和解讀，同樣這些已經(jīng)分門歸類的有效數(shù)據(jù)也可以被計算機(jī)利用；另一方面，由于體育游戲的規(guī)則很多，預(yù)測分支的數(shù)量可以控制在一定規(guī)模，這也方便計算機(jī)進(jìn)行預(yù)測。

 

　　由于體育行業(yè)的特殊性，未來該領(lǐng)域里將出現(xiàn)不少“大數(shù)據(jù)”案例。不過，在討論未來之前，我們不妨探討一下“大數(shù)據(jù)”運(yùn)用在體育行業(yè)的實際方法。比如說，如何讓機(jī)器明白棒球比賽當(dāng)中，人們?nèi)绾巫鞒鰶Q策，以及如何讓這些模型隨時適應(yīng)新數(shù)據(jù)，并運(yùn)用在新的比賽當(dāng)中。

 

　　根據(jù) FastCompany 的報道，最近 GigaOm Structure 會議上，來自博思艾倫咨詢公司的雷·亨斯伯格（Ray Hensberger）分享他以及團(tuán)隊為 MIT Sloan Sports Analytics 會議準(zhǔn)備的論文——現(xiàn)在，他的團(tuán)隊利用美國職業(yè)棒球大聯(lián)盟的數(shù)據(jù)提煉出數(shù)據(jù)模型，可以實時預(yù)測一名投手將投出怎樣球，以及何時投出，準(zhǔn)確率高達(dá) 74.5%。

 

　　亨斯伯格介紹，團(tuán)隊先從 900 個投手著手，分析他們的比賽數(shù)據(jù)，后來又采用排除法，將過去三個賽季投球數(shù)量少于 1000 的球手排除掉，這樣就只剩下 400 名投手作為數(shù)據(jù)分析的樣本。除了投手本身的數(shù)據(jù)外，團(tuán)隊也分析當(dāng)前比賽的數(shù)據(jù)，比如場地類型、擊球數(shù)等等；還有一些和比賽相關(guān)的情況，比如回合數(shù)、出局?jǐn)?shù)以及球場上的人數(shù)和球員的位置；至于球手，他們的分析條件將包括球手的偏手性，曲球的出手時機(jī)、快速球的速度、球場選擇的一般規(guī)律、滑球的運(yùn)動等等。

 

　　通過大量的數(shù)據(jù)采集以及綜合分析，找出其中的關(guān)聯(lián)性，亨斯伯格和團(tuán)隊最終為每名投手的構(gòu)建個性數(shù)據(jù)模型，能夠預(yù)測一名投手在賽場上會作出怎樣的投球決策。他們所采用的數(shù)據(jù)模型，已經(jīng)總結(jié)到一本名為《The Field Guide To Data Science》的書里。

 

　　構(gòu)建數(shù)據(jù)模型的過程可能沒有我們想象中的難，而如何證明數(shù)據(jù)模型是可靠的，卻很關(guān)鍵。亨斯伯格說，構(gòu)建了數(shù)據(jù)模型之后，團(tuán)隊對模型進(jìn)行了 5 重交叉驗證。這種交叉驗證是能夠觀察，為數(shù)據(jù)模型輸入陌生的數(shù)據(jù)集后， 是否有異常的表現(xiàn)。“你不會需要一個基于歷史數(shù)據(jù)預(yù)測準(zhǔn)確度達(dá) 100% 的數(shù)據(jù)模型。如果不經(jīng)過交叉驗證， 而把數(shù)據(jù)模型推出去，人們大概會認(rèn)為你模型只不過適合自己所擁有的數(shù)據(jù)。”

 

　　數(shù)據(jù)模型通過驗證后，亨斯伯格和團(tuán)隊就采用“支持向量機(jī)”（Support Vector Machine）機(jī)器學(xué)習(xí)方法中的“一對多方法”（one-versus-rest）來預(yù)測下一場比賽當(dāng)中投球手的投球決策。他們以三種不同的角度來看待數(shù)據(jù)：

 

　　基于用球數(shù)來預(yù)測：看比賽局勢有利或不利，或者用球數(shù)持平的情況下；

 

　　基于“左右病”（platoon system）來預(yù)測，看球場上是否用右撇子擊球手應(yīng)對左撇子投手，反之亦然；

 

　　使用“樣本外檢驗”的方法來訓(xùn)練數(shù)據(jù)模型，保證它能正常工作。

 

　　亨斯伯格和團(tuán)隊在構(gòu)建球手的數(shù)據(jù)模型時還發(fā)現(xiàn)，部分投手的投球決策在一定的情況下十分好預(yù)測。不過，投手投球的可預(yù)測性高低和他的比賽成績沒有關(guān)聯(lián)。亨斯伯格發(fā)現(xiàn)，15 個最可預(yù)測的球員當(dāng)中，有 8 個來自有名的辛辛那提紅人隊和圣路易紅雀隊。另外，“左右病”策略也會影響比賽的成績。

 

　　盡管“大數(shù)據(jù)”經(jīng)過大量爆光，Google、微軟、百度也通過自己的預(yù)測來證明大數(shù)據(jù)實際運(yùn)用的例子，但是根據(jù) MIT Sloan Sports Analytics 會議的聯(lián)合創(chuàng)始人、聯(lián)合主席杰西卡·吉爾曼（MIT Sloan Sports Analytics）稱，體育數(shù)據(jù)分析目前不是主流，而且不是所有運(yùn)動都可以運(yùn)用這條方法。比如說冰上曲棍球比賽，預(yù)測往往失準(zhǔn)。不過，某些運(yùn)動又可以更快地適用數(shù)據(jù)分析，在這些運(yùn)動當(dāng)中，數(shù)據(jù)分析能夠發(fā)揮顯著的價值。

 

　　如果要在體育行業(yè)推廣“大數(shù)據(jù)”分析方法，行業(yè)聯(lián)盟是繞不過去的檻。現(xiàn)在，美國職業(yè)足球大聯(lián)盟還有英格蘭超級聯(lián)賽都已經(jīng)引入了數(shù)據(jù)分析，至于棒球運(yùn)動，幾乎每家棒球隊都擁有一個分析小組。至于商業(yè)方面，數(shù)據(jù)分析還可幫助體育場吸引那些在家通過電視看比賽的人。

 

　　不過，即便是亨斯伯格和團(tuán)隊構(gòu)建的數(shù)據(jù)模型的預(yù)測能夠達(dá)到 100% 準(zhǔn)確率，比賽的關(guān)鍵還在于賽場上的人。在 70 年代的美國職業(yè)棒球比賽上，史蒂夫·卡爾頓就依靠“滑球”這一招半式，在 24 年代職業(yè)生涯中投出 329 勝的佳績。對方往往知道卡爾頓要投什么球，但是就是擊不到球，或者擊斷球棒。

 

　　戰(zhàn)略都是完美的，但戰(zhàn)術(shù)往往無法完美。