美国职业篮球联赛数据分析应用及启示

贾宝剑，杨振兴，姚 健



美国职业篮球联赛数据分析应用及启示

贾宝剑1，杨振兴1，姚 健2

1.首都师范大学 体育教研部, 北京 100048; 2.滨州学院体育学院, 山东 滨州 256603

为适应数据急剧增长时期高端职业联赛数据分析与服务供给的发展需求，提升中国篮球职业联赛的数据分析与运用水平，采用文献资料、调查和观察等研究方法对美国篮球职业联赛数据统计发展历程、官方网站数据统计页面、球员追踪技术、投篮热力图分析技术、Synergy技术和机器学习技术等主要科技手段进行研究，并对我国篮球职业联赛数据进行分析并提出与应用启示。结果表明：1）科技融合篮球数据分析在NBA球队建设、训练监控、比赛策略、裁判判罚等领域具有现实意义；2）发现CBA联赛数据运用过程中的问题，提出了强化CBA联赛重视数据分析意识、完善CBA联赛数据统计类型和数据查询系统、建立球队赛季比赛详情记录、加强CBA联赛与国内外数据分析公司的合作、重视数据分析人才培养、引进先进数据技术分析设备、建立健全CBA联赛数据管理制度等优化提升策略。

数据分析；职业篮球联赛；启示

前言

随着大数据和互联网在世界范围内应用的普及化，数据增长速度和类型不断升级，新技术不断涌现，数据分析与科技融合发展已经成为职业联赛发展的新方向和新动力。2015年国务院《促进大数据发展行动纲要》提出了2017年形成跨部门数据资源共享共用格局、2018年建成国家政府数据统一开放平台的发展目标，我国已将大数据提升至国家战略高度,也为我国各个领域数据统计与应用发展指明了方向。我国CBA联赛经过20多年的发展，已成长为世界有一定影响力的职业联赛，然而在数据分析与应用方面，与NBA仍存在全方位的差距，主要体现在上游的数据采集与存储，中游的数据分析和下游数据应用3个方面。CBA联赛要想适应世界高水平赛事在数据分析应用与服务供给方面的发展趋势，进一步提升联赛品牌竞争力，必须解决好赛场硬件设备条件、网站维护平台、统计软件运用、数据分析人员培养以及数据积累和存储等多方面问题。

通过对美国麻省理工学院斯隆管理学院2006—2018年举办的体育分析峰会有关NBA联赛数据分析座谈视频、美国数据分析论文以及篮球数据分析与应用最新使用情况的研究发现，美国篮球数据分析发展成熟，新兴科技正在改变体育产业，联盟各支球队全面运用大数据技术和最新科技手段，把对先进分析方法的独特理解和对体育运动的深刻解读充分融合，人机交互成为主流，数据分析呈现出智能化、全面化、可视化和实时化特点，数据分析成果影响着球队的方方面面。本文对NBA联赛数据分析和最新科技应用进行研究，探索将数据分析与科技融合应用于CBA发展的优化途径、面临问题和具体解决方案。

1 美国篮球职业联赛数据应用概况

1.1 NBA数据统计进化历程

NBA联赛作为世界篮球最成功的联盟，已有70余年的发展历史，自成立至今其不仅在竞赛规则、比赛场次、选秀方式、工资帽制度、招商方式、推广形式等方面进行了改革优化，其数据统计指标也进行了大的变革和完善。1949年NBA刚成立时，数据统计只包括投篮出手、投篮命中、罚球出手、罚球命中、犯规次数5个简单技术指标，但从2016—2017赛季勇士VS骑士的总决赛电视转播中，NBA官方已经可以非常及时的统计出一名球员单场跑动距离、跑动速度、起跳次数、急停次数、突破次数和投篮热点，并及时地传递给现场观众。大数据分析技术不仅改变了对球员的看法，也改变了我们理解比赛的方式。从历史上看,除了典型的结构化数据（得分和助攻等），比赛中深层次信息很难收集。从2009年开始,联盟开始使用一个视频系统,跟踪并记录比赛过程中远动员和球的运动轨迹（25帧/s）。这些新数据推动联赛的数据分析，并将简单的数据以更加科学的方式和新颖的指标呈现。NBA联盟发展的历史，也是一部数据统计不断丰富与逐步优化的发展史，经历了从简单的基础数据向纵深的细粒度大数据的进化过程。20世纪90年代，NBA数据管理逐步成熟(包括进攻手段、进攻区域、空位命中率、受干扰命中率等细节化的数据开始引入)。进入21世纪，依托高阶数据建立了细粒度球员评价指标(如球员进攻区域与位置、球员场上防守贡献值、上场时间对球队战绩影响、第4节或比赛最后几分钟关键时刻的临场表现等)。2016年，NBA联盟与体育数据公司Sportradar AG和Second Spectrum签下6年价值2.5亿美元的合同，新赛季将在联盟每支球队的场馆安装追踪摄像头，以此详细追踪球员个人的动作信息，包括球场上的跑动范围、频繁触球的区域、防守挡拆的能力等。总之，NBA联赛数据融合先进科技手段，从基础的数据统计发展到“科学、全面、实时、细化”的数据分析，为NBA与全球其它职业联赛的角逐中，带来了更强的竞争力，促进了NBA在全世界的品牌传播和影响力提升。

1.2 NBA联赛官方网站数据查询系统分析

NBA联赛作为世界上最好的篮球联赛，汇聚了世界上最杰出的篮球运动员，储存了极其详尽的数据统计纪录，历史数据极其完善。目前，NBA已经建立了完整的数据分析体系和数据储存与查询系统，利用先进的高精度摄像技术和高密度计算机技术，通过先进的软件和科学的分析方法把球员在场上的每一个细小的动作转化为有价值的信息，同时注重追踪数据、可视化数据、进阶数据、Synergy视频数据体系与基础数据的结合，最终呈现在NBA官方网站数据统计板块，为NBA球队设计与分析球队打法、赢取比赛胜利、评价球员能力、优化攻守战术提供了保障，并促使全球性篮球数据统计领域发生颠覆性的变革。2012年，NBA联盟与德国体育技术、数据和资讯公司思爱普（SAP）建立了战略伙伴关系，SAP利用自身的SAP HANA大数据平台，以便捷简单的方式分析和呈现海量球场数据,为NBA的官方网站NBA.com提供了业界领先的实时数据搜索和分析能力。通过对NBA.com数据统计页面研究发现，页面具体内容包括：历史数据（1946年至今）、投篮分布图（结合投篮视图与评估攻防表现）、球员阵容组合技术统计、球员/球队统计数据的深入分类分析和对比以及球员个人页面。网站科学性、针对性和全面性的将球员和球队数据统计进行了分类（表1），网站数据指标总数达到277项，基础数据与进阶数据、追踪数据、投篮分布图和Synergy视频实现了完美融合，同时可以查询球员和球队关键时刻数据，获胜场次数据，具体数据对应视频，以及2008年至今的裁判员数据，在全面描述球员攻防技战术行为和攻防影响力、球队数据管理、数据决策与裁判员评价方面提供了重要依据。

1.3 NBA联赛球员数据分析与Synergy 系统融合分析

随着职业体育情报工作发展越来越快，单纯的数据统计已经无法满足现代篮球的要求，Synergy Sports Technology技术有效的将球员的数据统计与视频分析进行融合，形成了Synergy数据体系，揭示隐藏在比赛深处的因果关系。单纯的数据分析带有一定的局限性，Synergy将数据跟视频紧密结合并验证数据是否正确，可以通过这套系统，能够查看对手最后5 min的进攻，研究对手比赛关键时刻有什么习惯性打法，帮助球队在比赛中发挥优势、隐藏缺点，同时攻击对手的弱点，扼制对手的长处。Synergy数据体系将篮球进攻手段分为200多种类别，包括了所有进攻手段甚至球员在场上的情绪和体能变化时的进攻方式。图1为2016—2017赛季杜兰特与詹姆斯进攻手段附加值（Value Added）对比，包括单打、定点跳投、转换进攻、挡拆持球人进攻、挡拆接球人进攻、无球掩护、手递手传球进攻、空切、低位单打、补篮10种进攻类别。进攻手段附加值是某位球员每回合得分与联盟平均每回合得分的差值×场均回合数，目的是挖掘球员创造的进攻价值。从图1可以看出杜兰特和詹姆斯两人进攻优势与劣势，杜兰特的转换进攻附加值达到76.43，定点跳投附加值达到49.14，詹姆斯利用挡拆持球进攻和空切的进攻附加值分别为39.66和33.78，两人优势技术各不相同。Synergy系统不仅仅是用来对比球员数据，更重要的是将每一种进攻方式数据统计与比赛视频结合，研究球员投篮、抢断、助攻以及一切数据发生的地点，帮助球队深刻剖析比赛的每一个细节。Synergy系统结合了视频和数据，为球队数据分析提供了无限的可能性。目前美国NBA联赛、NCAA联赛和AUU联赛球队均购买了Synergy系统（年费约1.5万美金），其中，NCAA联赛规定所有参赛队必须将比赛视频在赛后第2日中午之前上传到Synergy软件，Synergy系统的数据服务已经覆盖了美国各级别的篮球联赛，形成了无价的篮球资源，为美国篮球的快速发展提供了强大的数据支撑。

表1 美国篮球职业联赛官方网站数据统计类型与指标一览表

图1 2016—2017赛季杜兰特与詹姆斯进攻手段对比

Figure1. Comparison of the Offensive Style of Durant and James in 2016-2017 Season

注：数据资料引自NBA.com网站。

1.4 NBA联赛投篮可视化分析

NBA作为数据化程度最高的体育联盟之一，对每位球员的精细分析和数据可视化符合未来体育发展的大趋势，不仅能帮助球队科学高效地分析球员优劣，为球队排兵布阵提供依据，还能让职业篮球更具商业价值。NBA联赛球员投篮可视化分析分为投篮分布图和投篮热力图，把球员场上每一次投篮区域、投篮结果都通过高精度摄像机记录下来，经计算机软件计算后，通过不同的颜色、形状进行可视化的成像呈现，用来评价球员的投篮效率、习惯和倾向区域。投篮热力图作为一种可视化的分析工具，包含了球员和球队大量的投篮信息和战术信息，可以通过投篮热力图发现球员攻防两端的优势和劣势，阵容配备的改变导致投篮命中率的变化，球员不同赛季投篮可视化对比以及篮球技、战术发展变化。图2显示了科比在2005—2006赛季与2015—2016赛季投篮可视化对比，职业生涯末期的科比区域投篮位置效率和投篮命中率均发生了重大变化，特别是底角3分球投篮方面。图3为火箭队2010—2011赛季与2016—2017赛季投篮热力对比，最大区别在球队中距离投篮方面，火箭队是2016—2017赛季全联盟中距离投篮最少的球队，也是全联盟3分球出手数和命中数最多的球队，可视化分析揭示了火箭队的比赛风格和球员的投篮偏好。

图2 科比•布莱恩特投篮可视化对比图

Figure2. Kobe Bryant Shooting Visualizations Comparison

注：数据源自美国kirkgoldsberry.com网站，图3同。

图3 火箭队2010—2011赛季与2016—2017赛季投篮热力对比图

Figure3 The Rockets Shooting Heat Map Comparison between 2010-2011 Season and 2016-2017 Season

1.5 NBA联赛数据分析与追踪技术和机器学习技术融合分析

随着互联网技术的发展，追踪技术和机器学习技术开始应用到NBA联赛数据分析领域，追踪技术原理是时空模式识别，通过视频、传感器和软件详尽追踪到球员和球的运动轨迹，把球员和球的移动在软件中转化成圆点的移动，不仅可以计算出球员跑动速度和距离、投篮区域、传球次数、防守距离、接球区域，还能呈现挡拆配合和无球掩护等复杂的战术以及篮板球机会等潜在数据。机器学习技术核心部分是构建一种应用程序，自动识别攻防两端的战术行为。以防守挡拆为例，篮球比赛中防守挡拆的4种行为分别是穿过、绕过、包夹和换防（图4）。机器学习技术构建防守挡拆的自动识别，通过高清摄像捕捉防守球员防守挡拆时的战术行为数据段，智能识别挡拆战术行为并自动分类防守人的防守策略，输出球员防守挡拆的追踪数据（图5）。篮球数据分析的本质是挖掘影响比赛胜负的细节，现代篮球中，掩护几乎是最重要的战术，了解怎样使用和防守掩护配合，基本上是比赛输赢的关键。球员追踪技术和机器学习技术与数据分析的有效融合捕捉防守挡拆行为，不但完善了对于防守挡拆的数据统计，也带来3方面的应用。1）快速和自动地评估比赛中某些球员行为的效果，分析一名球员的防守能力对于挡拆配合结果的影响。2）帮助球队制定策略计划，快速找到防守的弱点，并利用这些信息来准备未来的比赛。3）评估联盟球队防守策略的变化。球员追踪数据平衡了攻防两端的评价指标，数字化、细节化和全面化的认识和分析比赛，比基础数据更有价值。

图4 球员四类防守挡拆战术行为

Figure4. Four Types of Pick-and-Roll Defense Behavior

注：BH：持球；OBD：持球对位防守；S：掩护；SD：掩护防守。

图5 追踪技术与机器学习技术捕捉球员防守挡拆战术行为运转流程

Figure5. Tracking Technology and Machine Learning Technology to Capture the Defensive Players on the Pick and Roll Defense Behavior Process

2 美国篮球职业联赛数据驱动决策应用分析

NBA联赛作为世界最成功的商业体育联盟之一，以其高超的竞技水平、独具前沿的商业思维、合理制度搭建和科技融合闻名。现代高水平竞技篮球的复杂性和相互关联性使得球队成功仅依靠主教练带领几个助理教练的人为决策方式已不能适应现在篮球发展趋势，高水平球队运行已离不开高科技产品的数据支持，需要运用大数据技术捕捉到海量信息，通过机器和专业的数据分析师解读比赛、挖掘数据和深化分析，并及时将信息反馈到球队管理层和教练员，从而帮助球队做出科学决策。

2.1 球队建设领域的运用-以俄克拉克马雷霆队为例

NBA数据分析的战略意义之一是通过对NBA球员数以万计数据的挖掘与分析来确定球队的所需球员或评价球员的表现。2016—2017赛季结束后，NBA联盟球员转会市场出现了多起震惊全联盟的球星转会案例，快船队保罗转会至火箭队，骑士队欧文转会至凯尔特人队，乔治和安东尼转会至雷霆队等。休赛季选秀大会和球员自由市场的开启，会导致各支球队的人员发生变动，NBA球队会利用这段时间和自由球员进行谈判、签约，与其他球队进行球员转会交易。NBA球队在物色球员时除了考虑到工资帽、奢侈税等限制条款以外，球员攻防特点是否适合球队战术风格是球队经理和主教练重点考虑的问题。2017年夏天乔治和安东尼转会至雷霆队，成功达成交易的主要原因是球员的攻防特点与球队体系的无缝衔接，雷霆后卫威斯特布鲁克的2016—2017赛季常规赛场均突破次数为20.1次，突破急停跳投场均得分为8.2分，两个数据联盟分别为第1和第9，犀利的突破必将会吸引防守同时创造出空位3分球机会，但是，球队现有前锋接球即投命中率不高，而保罗乔治和安东尼在接球投篮方面有着出色的得分能力（表2），场均接球投篮得分分别为7.4分与6.3分，同时，乔治右侧底角3分球命中率达到51%，是突破分球制造3分投篮的重要选择，乔治和安东尼转会至雷霆队，补足了球队的短板，丰富了球队的技、战术打法。总之，在球队建设领域利用高科技产品对球员的数据分析为NBA教练和总经理在选择和续约球员方面提供了有效的科学借鉴。

表2 2016—2017赛季乔治与安东尼进攻追踪数据统计表

注：数据资料源自nba.com网站。

2.2 训练监控领域的运用

保持球员健康是NBA球队在漫长的赛季所面临的重大挑战，背靠背比赛与赛后长途飞行对球员的睡眠和恢复产生影响。通过数据来观察球员状态和生理指标，科学的制定赛季中比赛间隙训练计划以及安排球员适时轮休得到NBA球队的一致认可。以追踪数据分析为例，数据分析师会根据球员日常训练数据趋势变化给予教练训练计划调整和训练强度变化的建设性意见，例如：如果某球员跑动距离和速度比日常降低，但是心率水平仍维持较高水平，说明该球员处于疲劳状态。马刺队在健康分析方面是NBA联盟的领先者，他们会根据追踪数据来决定是否让球员轮休（如马刺在夺冠时代，邓肯、帕克、吉诺比例等主力球星在多场常规赛中就进行了战术性休息，为关键的季后赛和总决赛积累了身体能量）、降低训练强度、调整训练计划。勇士队则在训练时穿上catapult sports小型监控器，收集变向、加速度、膝盖脚踝的压力、主要肌肉群磨损和不寻常情况、运动期间肌肉被激活、呼吸、练习效果等指标，教练员据此调整球员上场和休息时间，同时勇士队引入芬兰制造的电极，测量球员大脑的疲劳状况。达拉斯独行侠和新泽西篮网队使用Readiband系统,监控球员的睡眠和疲劳程度。可以说高科技手段已成为当今NBA球队训练过程中进行科学监控的主要手段之一，也是大数据时代在竞技体育中发挥数据价值的关键环节。

2.3 比赛策略选择的运用

篮球比赛数据分析对改善球队战术提供建议，对关键性比赛胜负的影响作用越来越明显，自2011年以来，投篮时机选择问题便出现在了MIT斯隆体育分析峰会上，通过大数据分析，专家们指出：远距离中投是篮球运动中最低效的进攻手段，同时3分球是回报最高的投篮方式，图6为1998—2017年NBA联赛场均3分球投篮次数，2017年场均3分球投篮达到27次，是1998年场均12.7次的1倍之多。以2016—2017赛季NBA勇士对骑士总决赛为例，每场比赛都是3分球投中多者最后取得了胜利，而且比赛关键时刻球队都制定了3分球的专门战术，3分球能否命中对球队起到了至关重要的作用，以第4场总决赛为例，骑士队在0：3落后的情况下，第4场投入了24个3分，打破了NBA总决赛历史纪录，最终取得胜利。数据显示：球员每远离篮筐1英尺,夺得前场篮板球概率就会降低1%，而3分远投时,概率又突然增大。因此，火箭将3分球作为最重要的进攻手段，增加3分球、减少中投的出手比重已经成为火箭队最重要的进攻策略。根据NBA官方网站提供的2016—2017赛季常规赛追踪数据，火箭队常规赛82场比赛共投出了3 306次3分，领先第2位骑士527次；同时，火箭是中投最少的球队，根据SAP公司提供的2016—2017赛季火箭队追踪数据分析报告：火箭队中距离区域（Mid-Range）区间的出手次数场均5.2次，为联盟最低。

图6 1998—2017年美国篮球职业联赛比赛场均3分球投篮次数

Figure6. The List of NBA Three Point Shot between the 1998 and 2017

注：数据资料引自basketball-reference网站。

2.4 裁判判罚领域的运用

NBA比赛快节奏、高强度的竞赛特征对裁判员执裁水平提出了更高的要求，球员的身体接触频度和犯规的隐蔽性都是影响裁判员临场判罚的因素，为强调裁判执裁的透明度和公正性，联盟将数据分析应用于裁判员的判罚，不但在赛后出具比赛最后2 min裁判报告（分差3以内），结合视频对正确判罚（CC）、不正确判罚（IC）、正确未吹罚（CNC）和漏判（INC）均进行分析，并且对联盟71位裁判员（2017—2018赛季）的执裁详情进行数据统计。通过查询nbastuffer.com网站，对2017—2018赛季常规赛阶段主裁判执裁情况进行分析，NBA有资格担任主裁的裁判员共50位，对主裁判宣判犯规数据进行平均值处理（表3），判罚主队犯规百分率为50.6%，判罚客队犯规百分率为49.4%，场均主客队犯规差值为0.536，通过分析可以看出，NBA球队主场胜率为60%，但主场因素对裁判员判罚的影响程度不大。NBA对于裁判判罚领域的数据应用可以起到3个方面的作用，首先是对整个联盟负责任的表现，也是联盟公正性的良好体现，对于维护联赛的信誉起到积极作用，其次是对球员的帮助，可以使球员更好的了解裁判的判罚尺度，最后裁判员公平执裁对体育运动的核心，公平竞争精神，是最好的诠释与弘扬。

表3 2017—2018赛季NBA常规赛阶段部分主裁判数据一览表

注：数据资料源于nbastuffer.com网站。

3 我国CBA联赛数据分析革新面临的问题

当前越来越多的世界各国高水平篮球、足球等球队将数据分析与科技手段结合，对球队进行评估和科学引援、制订新的战略计划以保持运动员的竞技状态提供依据。然而，由于我国体育数据积累时间短暂以及数据分析对软硬件条件要求的门槛非常高，数据分析深入融合科技技术在我国体育领域全面推广还需时日。现代科技和篮球运动的融合呈现快速发展趋势，CBA联赛应用数据和现代科技推动联赛发展创新方面还面临着诸多需要解决的问题，如传统的数据统计方法和录像观察方法耗费大量人力和财力，已经不适应联赛的发展，CBA联赛必须要解决意识落后、人才缺乏、能力薄弱和领域单一的问题，处理好联赛经费、球馆硬件水平和先进软件的引进等关键环节，全面革新联赛数据系统。

3.1 数据分析融合现代科技运用意识落后

意识是行为的先导，以科技推动CBA联赛未来发展，必须以整个联盟数据意识的形成为前提。世界级别体育赛事和国外顶级职业联赛已经把大数据提升到战略层面，NBA联盟自2010年起，将数据分析加入科技元素；德国足球队在2014年世界杯之前就使用SAP Match Insights进行训练数据分析；中国女排在2016年里约夺冠也充分运用了大数据提取和分析技术。在2016—2017赛季CBA联赛举办期间，通过对多位联赛管理人员、俱乐部经理、助教、主教练、球员的调研可知：目前我国CBA并未将数据分析运用提升到应有的战略高度，联赛历史数据不完善，CBA主要参与人群数据意识尚未形成,缺乏实时比赛的数据采集能力，无论是数据提供的及时性和专业性都处于较低层次，数据管理和数据分析意识的欠缺引起联赛管理人员、俱乐部和相关从业人士的高度重视。

3.2 数据分析人才数量和质量欠缺

数据分析人才的数量和质量直接影响到CBA联赛大数据应用的开展。访谈中，一位联赛的管理人员指出：现阶段CBA数据分析面临的瓶颈并不是来源于数据，而是缺少高层次的数据分析人才。美国从事篮球统计分析的专家和学者非常多，其中很多是哈佛大学、麻省理工、斯坦福大学等名牌大学统计学、计算机专业的毕业生，高级统计学和定量分析已经成为NBA重要而不可或缺的一部分，这些数据专家使用高级数据来分析篮球比赛，改变了NBA球队进行决策的方法。目前我国CBA大数据应用水平还处于“手工作坊”式操作阶段，数理统计、图形制作、视频分析、运用专门软件和公式数据分析等能力处于初级水平。因此，联赛数据通过人工方式录入，随后传输给中国篮协，工作人员难免会有错误录入的情况（在多次篮协官方网站查阅的数据统计中发现了不同层次的录入错误，如技术犯规次数、违反体育道德累积次数等，甚至在对相关球员进行处罚时产生了争议）。总之，在互联网+大数据的信息化时代，为球迷、教练、球员、俱乐部、媒体、赞助商等提供精准的统计数据，是成熟的职业联赛运作中必须的一环。

3.3 高科技产品应用能力薄弱

CBA联赛用数据分析篮球比赛还仅仅是起步阶段，目前缺少国外高科技数据分析产品的引进，而国内仅有的几家数据公司提供的数据只是简单的罗列排序，为CBA球队提供基础数据咨询和服务。同时国内也缺乏一批真正能够读懂数据，并运用数据分析篮球比赛的相关从业人员，行业基础十分薄弱。俱乐部管理人员、教练员、科研工作者、媒体、球迷想查数据时，只能通过自己手动计算或者一些零星的数据统计加以处理,数据的真实性和可靠性大打折扣。2017年12月21日，CBA公司正式宣布与贝泰科技达成官方大数据合作，CBA在联赛专业化上又迈出一步，然而，CBA联赛若要全面应用国外最新科技产品，如球员追踪技术、机器学习技术、Synergy系统以及球员监控设备，还需借鉴NBA联赛数据应用的成功经验。访谈中，某俱乐部主教练指出希望能将对手场上的各类攻防数据、战术配合习惯、掩护时细节、攻守轮转位置、关键球处理方式等进行可视化呈现，来帮助球队排兵布阵，但高科技产品和专业人才的缺乏阻碍了比赛数据的深层次挖掘。

3.4 数据分析应用领域单一

目前CBA联赛的数据应用主要体现在赛前对对手的技、战术打法的分析与整理、对对方外援的特点把握等方面，而在球队选材和科学引援、训练与比赛实时监控、出场阵容调配、协助裁判判罚、服务球迷数据供给、技术指标统计、球员实际能力和场上作用评价等方面的应用还非常少。以反映球员场上价值的数据为例，CBA官方网站历史数据不完善，只能查到基础数据指标，而通过这些数据的综合考察与科学计算得出的球员场上价值的高阶数据统计和反映球队攻防形式的追踪数据却没有，历史数据和深层次数据的缺失对我国CBA联赛数据应用造成了重大影响，给球队多领域数据应用带来了困难。随着高科技产品的应用，新的统计指标和统计方式逐渐取代传统的技术统计，更加科学和客观的评价球员的表现，在赛场内外各个领域发挥作用，例如为球迷提供更好的观赛体验和为品牌提供更好的赞助分析。

4 对中国篮球职业联赛数据应用的借鉴意义

当前，以科技创新推动可持续发展已成为全球共识，从国际上看，欧美发达国家的国际科技创新合作日益深入，新兴经济体成为全球科技创新合作中不可忽视的主体。从国内来看，我国处于重要战略机遇期，经济社会发展处在从要素驱动向创新驱动转型的关键时期。2017年5月，国家科技部制定了《“十三五”国际科技创新合作专项规划》，指出国际科技创新合作是落实创新驱动发展战略，集聚全球资源，提升我国在全球价值链位置的有效抓手。大数据、云计算、人工智能等科技的快速发展，已成为引领我国各行业创新的重要力量，数据科技已在金融、运输、医疗、通讯、媒体等领域的应用不断成熟。例如，金融业在精准营销和风险防控两方面与数据科技充分融合，交通运输业大数据对物流管理、城市人口迁移和路网监控的分析应用。

为提升我国体育领域国际科技创新合作水平，有效运用全球科技创新资源，积极有序地推动“十三五”国际科技创新合作与交流，CBA公司应加强与专业化数据公司的合作，以数据分析为切入点，完善数据采集、分析和应用，增加先进科技设备投入力度，引进球员追踪技术设备和数据分析软件，改变传统的数据管理和应用方式，以数据挖掘和数据分析助力CBA联赛整体实力提升，为升级CBA联赛数据统计系统夯基筑台。总之，打造一个现代成熟的职业体育联赛，离不开数据分析和现代科技，只有加强我国篮球数据分析人才培养和科技投入力度，通过数据科学监控提高训练和比赛的质量，才能推动CBA联赛系统化、现代化的飞跃式发展。

5 数据分析融合现代科技应用于CBA的优化策略

5.1 强化CBA联赛重视大数据分析的意识

科学技术的不断发展带来了先进的技术手段和设备，面对新的大数据技术，CBA联赛如何驾驭新的技术，联赛主办方、俱乐部管理人员、教练员等转变对传统数据类型、处理方式和用途的观念是前提。NBA作为世界上最先进的篮球联赛组织，早已开发了专门的软件来完成数据统计和数据分析。CBA球队数据分析人员在联赛期间工作负荷繁重，记录比赛数据，分析各项指标，然而，球队通过耗费相当时间与精力所得来的数据不仅准确性欠佳，同时也无法进行更深层的分析或同其他球队共享。但辩证唯物主义规律和历史经验证明：先进取代落后是历史发展趋势，CBA联赛主办方与参与者应提高大数据分析的认识和重视程度，树立“运用数据分析是职业联赛发展和球队取得优异成绩的保障”的意识，采取“请进来，走出去”的方式，即定期举行CBA数据分析运用培训班，聘请NBA专家讲解数据分析案例和效果；同时派出相关人员到NBA联盟和球队进行中、长期学习，掌握比较核心的技术运用，尽早主动融入到世界职业联赛数据化的大潮之中。

5.2 完善CBA联赛数据统计类型和查询系统，建立球队赛季比赛详情记录

自CBA联赛成立以来，技术统计就基本稳定在得分、篮板、助攻、盖帽、抢断、失误、犯规等7项基础数据，随着联赛职业化、商业化、高端化的发展，传统的数据统计已经无法满足要求，需要深层次的数据揭示隐藏在比赛深处的因果关系，满足球队、球员、媒体、赞助商、球迷等多端需求。纵观当今CBA联赛的竞赛格局，辽宁、广东、山东、广厦等多队都有夺冠实力，联赛呈现出季后赛名额竞争异常激烈的局面、大牌外援的持续引入不断对传统强队产生冲击，比赛结果经常在相差几分之内。因此，为更加深刻的挖掘球员数据、评价球员综合表现，全方位、数据化的评定球员的场上价值，建议CBA联赛借鉴NBA的数据统计类型并尽早建立与升级CBA数据统计分类和查询系统。同时，CBA各队要依据联赛数据，建立以数据统计和数据分析为主的，包含球员伤病情况、近期对手情况、比赛细节总结、球员表现分析、历史数据等方面的球队赛季比赛详情记录，并随着赛季的进行，不断更新球队比赛详情记录，为球队和球员研究对手、了解自身竞技状态给予指导。

5.3 建立短期合作长期培养的发展模式

任何一个行业的发展都离不开专业人才的培养，CBA数据分析人才的数量和质量直接影响到CBA联赛职业化和品牌化的发展。现阶段CBA联赛要加强与国内外数据分析公司的合作，借助知名数据公司的数据采集软件系统和体育信息产品为球队提供具体问题的解决方案，为联赛提供高质量的数据服务。我国职业体育数据分析人才的培养是一个长期的过程，建议北京体育大学、上海体育学院、首都体育学院、武汉体育学院、成都体育学院等体育院校借助国家鼓励运用大数据发展体育产业和赛事的新趋势，设立体育产业和赛事数据分析专业，培养专门的数据分析人才，有条件的院校可与美国高校实行联合培养；同时，CBA公司设立优惠的就业政策，吸纳其他院校计算机方向、数据分析方向等交叉学科人才为CBA联赛服务，通过不同学科专业的跨界整合、优势互补，切实增强联赛数据分析和数据运用能力。

5.4 引进先进数据技术分析设备

引进国外先进技术设备，是提升联赛品质的必由之路。CBA联赛经过20年的发展，资金投入的力度越来越高，联赛在竞技水平、商业价值、社会影响力等各个方面都取得了长足的进步，无论是比赛精彩程度，还是关注程度，都达到了前所未有的高度。但是在数据分析领域，特别是数据分析软件和硬件配备方面，CBA联赛与NBA存在巨大差距。先进数据分析产品在预防伤病、优化教练决策、提升球员表现和节省时间成本方面对球队起到至关重要的作用。我国篮球比赛分析主要采用录像分析法，教练员需要花费大量的时间来研究比赛视频，建议引入球员追踪设备，记录运动员移动距离、出手位置、起跳次数、位置选择等情况以及裁判员选位判罚情况；训练中引入catapult sports小型监控器，追踪加速度、变向、心率、膝盖脚踝压力、肌肉激活情况等；建议CBA球队引入Synergy系统，将数据跟视频紧密结合，达到数据对应视频的查询模式。另外应引入虚拟现实技术和全视角回放技术为联赛裁判培训、执裁以及选拔与评价提供科技帮助。

5.5 建立健全CBA联赛数据管理制度

任何行业的发展都需要持续创新，因此创新是一个系统工程，而制度创新是任何行业管理质量提升的先导和保障，数据管理制度的建设与完善将对未来CBA联赛的改革与完善起到重要的推进和规范作用，如设立CBA联赛数据分析中心、专门设立数据研究人员岗位及基本要求、规定每支球队主场必须要安装的技术统计设备数量、质量和型号标准、场馆房顶安装的录像设备数量与位置、录像回放设备回放角度、每场比赛数据分析专职人员的配备、比赛后每支球队必须上报的数据类型、俱乐部必须配备数据分析师、每支球队球员赛间训练的各项生理、生化、体能指标的记录、体能测试时期记录每支球队的综合技术表现、国家队球员的日常生理生化数据存档、裁判员判罚的数据报告等。

6 结语

数据分析技术已成为高水平竞技体育领域进行决策的重要参考，NBA借助高科技产品进行数据分析，改变了数据收集处理的理念与方法、数据指标形式、球队训练监控手段、球员评价标准、教练场上策略选择依据、裁判判罚与管理方式等。然而，CBA基于高科技产品的数据分析成果十分有限，迫切需要联赛管理者以及更多体育及数据分析领域专家、学者的关注与支持。CBA联赛需要顺应时代潮流，积极借鉴国外数据分析理论、实践先进经验和最新高科技产品，主动学习有关数据分析的“新知识、新理念、新技术、新方法”，结合本土实践，运用到联赛的选材、训练、管理、比赛、引援和科研之中，为实现我国职业体育改革的“创新驱动”和“科学规范”发展提供智力支持和数据支撑。

[1] 丁响,高丽华,赵波.大数据时代的体育传播:特征、主体定位与发展方向[J].沈阳体育学院学报, 2014,(5):39-44.

[2] 耿建华,王建刚.2013—2014赛季CBA联赛各参赛球队攻防竞技实力比较分析研究[J],中国体育科技，2015,51（1）:28-36.

[3] 黄欣荣.大数据对科学认识论的发展[J].自然辩证法研究, 2014, (9): 83-88.

[4] 郎劲松,杨海.数据新闻:大数据时代新闻可视化传播的创新路径[J].现代传播(中国传媒大学学报), 2014,(3):32-36.

[5] 雷辉,劳天溢.体育数据可视化综述[J].计算机辅助设计与图形学报,2015,(9):1605-1616.

[6] 王峰.美国职业篮球联赛数据管理模式所引发的结构变异[J].中国体育科技,2015,51(1):20-27.

[7] 邬贺铨.大数据时代的机遇与挑战[J].求是,2013,(2):47-49.

[8] 杨振兴,杨军,白洁,等.基于大数据技术对美国职业篮球联赛的研究[J]. 中国体育科技,2016,(1):96-104.

[9] 杨旭,汤海京,丁刚毅. 数据科学导论[M]. 北京:北京理工大学出版社,2014.

[10] 姚健,刘传海. CBA比赛规则修改创新的理论研究[J].成都体育学院学报, 2015, 41(1): 114-119.

[11] 苑晓平.篮球比赛反败为胜案例的分析与研究——决胜时刻的技战术分析[J].山东体育学院学报,2014,(5):105-110.

[12] 王家宏,邵伟钰.促进体育产业与科技融合的财政政策研究[J].成都体育学院学报,2015,41(4):1-6.

[13] 王奇,颜小燕.大数据时代我国体育发展面临的机遇与挑战[J].体育与科学,2016,37(1):75-80,86.

[14] 张江南.大数据时代对体育传播的影响[J].武汉体育学院学报,2014,(7):16-20.

[15] 章翔.NBA与CBA球队技术统计的逐步回归分析及比较研究[J].北京体育大学学报, 2014,(1) :134-138.

[16] GOLDSBERRY K.Courtvision: New visual and spatial analytics for the NBA[C]// MIT Sloan Sports Analytics Conference, 2012.

[17] MAHESWARAN R,CHANG Y H, HNENHAN A,. Deconstructing the rebound with optical tracking data[C]//MIT Sloan Sports Analytics Conference, 2012.

[18] MAVRIDIS G, TSAMOURTZIS E, KARYPIS N,. The inside game in World Basketball. Comparison between European and NBA teams[J]. Inte J Perform Anal Sport,2009,9(2):157-164.

[19] MCINTYRE A, GUTTAG J, WIENS J.Recognizing and analyz-ing ball screen defense in the NBA.[C]//MIT Sloan Sports Analytics Conference,2016.

[20] MOQUEEN A,WIENS J,GUTTAG J.Automatically recognizing on-Ball screens[C]//MIT Sloan Sports Analytics Conference,2014.

[21] RRICH B J,HODGES J S, CARLIN B P,. A spatial analysis of basketball shot chart data.[J] american statistician. 2006,60(1):3-12.

[22] MURPHY K P. Machine learning: a probabilistic perspective.[C]//MIT Sloan Sports Analytics Conference,2012.

[23] OLIVER D. Basketball on Paper: Rules and Tools for Performa-nce Analysis[M]. Potomac Books Inc., 2004.

Application and Enlightenment of Data Analysis in NBA

JIA Bao-jian1, YANG Zhen-xing1, YAO Jian2

1.Capital Normal University, Beijing 100048, China; 2.Binzhou University, Binzhou 256603,China.

In order to adapt to the development needs of data analysis and service provision in high-end professional leagues during the period of rapid data growth, and to improve the data analysis and application level of China Basketball Professional League, this paper uses the literature review, investigation and observation method to develop the statistics of American basketball professional league statistics. The main technical means such as the official website data statistics page, player tracking technology, shooting heat map analysis technology, Synergy technology and machine learning technology are studied, and the data analysis and technology melting development of China Basketball Professional League are enlightened. The results show that 1) Science and technology integration basketball data analysis has practical significance in NBA team construction, training monitoring, competition strategy, referee judgment and other fields; 2) discovering problems in the application process of CBA league data, and putting forward the emphasis on data analysis in CBA league consciousness, perfect CBA league data statistics type and data query system, establish team season game details record, strengthen cooperation between CBA league and domestic and foreign data analysis companies, attach importance to data analysis talent training, introduce advanced data technology analysis equipment, establish and improve CBA league optimization and improvement strategy such as data management systems.

G841

A

1002-9826(2018)06-0118-09

10.16470/j.csst.2018016

2018-03-27；

2018-09-11

贾宝剑,男,副教授,硕士,主要研究方向为体育竞赛与管理,E-mail:2949@cnu.edu.cn。