大数据开启了一次重大的时代转型，它正在改变我们的生活以及理解世界的方式［1］． 如今，世界学者都对大数据进行了研究，他们集中在商业、医疗、科学技术等方面，虽然大数据近几年也开始渗透到体育这一块，但是主要集中在大数据对赛事营销、体育传播这一块，并没有详述大数据对体育赛事的具体影响． 本文基于大数据时代，浅析大数据对NBA 赛事的影响，并试图为CBA 赛事带来一些启示．

1 大数据含义和特点

研究机构GATNEＲ 为大数据做出了这样的定义: 大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的流量、高增长率和多样化的信息资产; 大数据通常用来形容大理的非结构化和半结构化数据． 其特点:①容量大． 从TB 级别，跃升到ZB 级别;②多样性． 结构化数据、半结构化以及非结构化数据整合，来源多样化; ③速度快． 获得的数据和处理数据速度快;④价值密度低． 从大数据中获得有价值的内容，需要采用一些新的技术手段和方法［2］．

2 大数据技术在NBA 的应用情况

SportVU 系统诞生于2005 年，起初只是应用于军事数据分析，现在它已经出现在了NBA 的赛场．它能够追踪赛场上所有球员进行的篮球技术相关动作，如投篮，传球，触球，掩护和跑动距离等，而且它将这些动作通过数据的形式呈现出来． 这项技术诞生之初，NBA 球队的小牛队便引入了它，并且在1年后的2005—2006 年赛季，球队成功杀入总决赛．

随后，在2009 年，马刺、火箭和雷霆相继将SportVU系统运用到训练比赛中． 同年，在NBA 湖人和魔术的总决赛期间，魔术队的主场便安装了这一系统，这是NBA 总决赛第一次引入SportVU 系统． 2010 年，凯尔特人、勇士、火箭、雄鹿、森林狼、尼克斯、雷霆、马刺、猛龙和奇才10 支球队的场馆安装了SportVU 系统． 2011 年，NBA 总决赛历史上首次使用大数据3D技术，使观众更加直观、立体地观看比赛． 2013 年，NBA 联盟30 支NBA 球队的球场安装体感追踪技术系统． 2014 年，热火在赛季揭幕战时使用了3D 投影技术，将比赛地板变成硕大屏幕，让所有人都能回顾球队夺冠历程． 2014—2015 赛季，NBA 联盟启用设立在新泽西的大数据回放中心，中心每秒信息处理量高达3 000 亿比特( 包含高清视频信息流和图片) ，新网络的能力是此前系统的66 倍． 2015 年的NBA 全明星赛，佩戴上相关的VＲ 虚拟现实设备，使一些不方便购票去现场观战的观众，获得身临其境现场感受．2016 年NBA 全明星赛，联盟使用了FreeD 全角度回放技术，这种新型的赛事回放让坐在电视或电脑另一端的观众能享受到更完整角度的视觉感官体验．

3 大数据对NBA 赛事的影响

3． 1 提高训练质量

球员穿戴配有特殊芯片设备，球员在训练过程中，大数据会得出一些球员的指标信息． 这些数据信息会包含持球人和持球时间数据，持球队员和无球队员跑动的距离，掩护的时间，投篮的时间和距离等准确数据，球队教练根据这些数据不仅可以更好地制定训练计划，突出球员身体特点，而且也可以总结自峰的优势和劣势，对自己和对方制定针对性的战术，提高训练质量．

大数据统计可发现，詹姆斯习惯性在面对篮筐右边时，他的进攻方式主要以突破上篮为主． 当他在面对篮筐左边时，他的进攻方式主要是以投篮为主． 这样的统计数据其实就告诉防守者，当詹姆斯在篮筐右边时，防守者要和詹姆斯保持一定的距离，因为他主要的方式是突破上篮，他不会选择跳起投篮，不能离他太近，这样容易被他一步过掉． 当詹姆斯在篮筐左边时，防守者要紧身贴近詹姆斯，因为他不会从左侧突破，这时只要封住他投篮路线，不让他轻易跳起投篮即可．

3． 2 衡量球员价值

NBA 球队利用大数据技术得出球员在球场上除得分、篮板或助攻等以外的传统数据，这样可以直观地看到球员在球队中的作用，更加精确地衡量球员球队中的价值．

NBA 马刺队后卫球员帕克十多年来在得分、篮板、助攻数据统计中并不显眼，但这并不说明帕克的作用不明显． 大数据的预期球权得分机制( expected possession value) ，简称预球权分( EPV) ，它证明了帕克是一名非常有价值的球员． 预球权分是量化球员的总体进攻得分值，利用预球权分概念将数千个动作转化为一个简单的值，再通过对比他和假想的替换球员( 比如一个联盟平均水平的球员) 的真实值来判断他能多得多少分． 预球权分模型和时间的关系如表1 所示．

在一次比赛中，比赛最后剩下9． 5 s． 帕克接到队友发的界外球时，模型预计该次球权的期望得分为0． 97 分． 当帕克突破对手时，此时预球权分实际上正在降低到0． 86 分． 在比赛时间剩下6． 3 s 时，预球权分也增加至1． 36 分，帕克的突破已经使得本次预球权分增长了0． 39 分． 他发现了底角的队友并送出一次助攻，这个动作使预球权分在5． 9 s 时达到了1． 75 的峰值． 虽然对方有球员扑防，预球权分降到了1． 58，但影响微乎其微．

在这次进攻中，帕克并没有投进最后制胜球，但通过大数据预球权分可以看到，帕克在突破、吸引防守以及传球等方面对球队有着重要的作用，这种衡量球员的数据在传统数据中看不到的．

3． 3 重新定义NBA 选秀球员价值

在NBA 选秀大会开始之前，即将参加NBA 的选秀球员要在体测训练营里进行训练，联盟会将球员的各个方面的数据记录下来，供球队参考，这些数据并不会说谎． 各大网站通过大数据技术将这些数据一一分析，从而预测选秀球员的排名，这往往会给联盟里的球队提供巨大的帮助．

2011 年NBA 选秀大会，马刺队用多年培养的希尔换来新秀莱昂纳德的举动，遭到媒体和其他球队的嘲笑． 当年，在莱昂纳德的球探报告里显示出，莱昂纳德在大学时期的三分命中率仅有25% ( 164投41 中) ． 在当年总计17 名侧翼球员的选秀速递评估报告中，莱昂纳德的每回首得分排名第15 名，跳投得分排名16 名，每回合单打得分排名第16 名，他的接球投篮命中率仅有32%，干拔投篮更是低到了28%． 随后，马刺让莱昂纳德穿戴ShotTracker 设备，在莱昂纳德投篮训练时，设备中的智能芯片与配套在篮网上的感应器连接，系统便可以计算出投篮者的投篮精度，投篮力度等相关数据，通过手机APP或电脑，莱昂纳德可以看到自己投篮方面的量化数据，从而有针对性的改良自己的投篮习惯． 经过几年的训练，2014 年，在马刺夺冠的赛季，莱昂纳德的第三赛季，他在常规赛投篮命中率达到52． 2%，三分命中率为37． 9%． 季后赛投篮命中率为51． 0%，三分命中率为41． 9%． 正是因为他在季后赛的出色的发挥，帮助马刺赢得了NBA 总冠军，并且自己荣膺总决赛MVP．

大数据技术重新使NBA 球队定义了选秀球员的价值，以前的数据固然值得参考，但大数据分析技术却可以有针对性的帮助球员变得更好．

3． 4 使比赛更加公平公正

裁判在球场上每一次的判罚都可以影响比赛的结果． 客观上，裁判会因为自身能力的局限性而出现错判或漏判． 在时间的控制上，裁判很难做到分秒巨细，随着大数据系统的引进，裁判可以利用先进的技术来保证控制时间的准确性．

在NBA 联盟里，裁判使用的哨子中内置多个传感器，在裁判吹响哨子时，几乎能够保证赛场上的计时器也会随之暂停． 如果想要重新恢复比赛，裁判们只需要按一下事先佩戴在身上设备的按钮，计时器便会重新开启． 这种技术的使用，可以保证比赛在关键时刻的每一秒都能得到相对公平的分配．

2014—2015 赛季，NBA 联盟启用设立在新泽西的回放中心，回放中心总共有17 个监视工作站，每个工作站都由1 台超清电视、3 个触屏监视器、1 个键盘和2 个画面控制器组成，配备1 名监视员． 有15 个负责回放的工作人员，每天负责将关键判罚反馈给3 位负责人之一，负责人的任务是与在球场内的裁判进行沟通，以帮助裁判选取最佳的角度将比赛场上所发生的一切还原，尽可能减少误判，但这并不剥夺NBA 裁判的最终判决权，回放中心只是提供比赛录像．

大数据尽可能地帮助裁判在执法NBA 比赛时，做到公平公正，并且将错判、误判或漏判对比赛的影响降到最低．

4 理性对待大数据对NBA 赛事的影响

在NBA 赛事上，大数据只会显示出历史的得分、助攻和篮板等数据，但是在竞技体育中，球员在场上的表现还要受到场内环境、心理因素和体能因素等方面影响，而这些是不能被量化成数据的，那么，我们不能过份依赖大数据，要理性对待大数据对NBA 赛事的影响．

北京时间2015 年1 月5 日，湖人队凭借科比终场前12． 4 s 的勾手投篮，湖人主场以88 ∶ 87 险胜步行者． 在比赛最后时刻，依照过往的数据会显示出科比在球场上各个位置的投篮命中率进行防守，可最后科比还是投进了绝杀球，那么这些数据瞬间成为了废品．

尽管大数据提供了各式各样的数据分析，但它只是决策者的一个辅助工具，人类不能被它所驾驭，最终做出决策的还是人类，并非是一个冷冰冰的电脑． 大数据会给NBA 球队提供一个参考，NBA球队不能盲从大数据，也不能完全依靠过往的经验和认知来帮助球队，让大数据和经验相结合，才会做出更加完美的决策．