球迷大数据

⑴ 大数据的“感性”应用

大数据的“感性”应用

通过大数据分析、云计算等领先技术能力提供社交、移动等数据分析，跟踪并解析球迷心理，并与媒体紧密结合，将用户情绪、性格等属性可视化呈现，产出更易引发用户共鸣的体验。

大数据技术已经不是一个新鲜词儿，它的价值也已被广泛认可，借助海量数据的分析利用，能有效帮助企业实现市场动向预测，帮助有效支持市场活动各个阶段的不同商业行为决策，还能够实现追踪消费者行为，并对其心理甚至下一步行为实现相对精准的预测，产生更好的用户体验，满足目标消费者的多元化需求。

大数据在体育赛事中的应用很常见，在网球赛事中，一发成功率、一发得分率和Ace球是标志球员竞技水平的关键指标；发球速度、接发球成功率、上网成功率、得分点则突出体现了球员的打法特点。

上述都是来自大数据的直观应用，教练员和运动员通过每项赛事背后的技术统计来评价本场比赛发挥的好坏。而这些数据也将直接影响教练员对比赛的掌控。

在本届巴西世界杯，大数据应用又有了新模式——腾讯通过IBM的大数据分析、云计算等技术提供社交、移动等数据分析，跟踪并“解析”球迷心理，产出更易引发用户共鸣的优质内容，为用户打造全新的体育观赛体验。

6月12日，IBM与腾讯达成深度战略合作，成为腾讯体育社交媒体数据分析合作伙伴。

IBM的大数据技术，从赛事、球迷、文化三大维度，深度挖掘了来自世界杯球迷关注的120个热点关键词，抓取50万条主流社交媒体信息，包括球迷话题、球迷类型、个性分析等，并以此为基础，制作了“世界杯声量大比拼”、“世界杯飞鱼秀”、“算数”、“球迷画像”等专题栏目，通过数据分析，精准抓住球迷关注热点，并迅速输出报道内容。

球迷的另类体验

在本届世界杯中，腾讯通过IBM大数据实时分析，打造《世界杯球迷声量大比拼》栏目，让球迷即时看到64场比赛中对阵球队的当前支持率，以及个人喜爱球星的支持率，看到全球有多少人跟自己同欢喜共悲伤，满足球迷同理心，引发球迷共鸣。

IBM舆情系统实时分析社交媒体上球迷关注点，为“世界杯飞鱼秀”栏目提供大量球迷实时状态，分析球迷心态等数据盘点，呈现苍老师微博秀力挺德国、内衣模特大拼球技等网络话题，由两位脱口秀达人说出球迷们的心声，引发广大网友共鸣。期间栏目组还邀请了IBM数据工程师前去做客，展示IBM严肃的大数据系统如何支持网友娱乐生活的。

根据实时数据反馈，腾讯实时发布共32篇新闻报道，《德国更热梅西最火球王超高关注率远胜众星》、《荷阿大战遭疯狂吐槽罗本关注度不及梅西一半》等球迷角度深挖的信息，综合展示球赛期间球迷心理变化，引发球迷共鸣。单篇新闻最高阅读量达万次以上，95%均来自腾讯新闻客户端。

腾讯体育基于IBM大数据，在世界杯期间输出80期“算数”报告，深度剖析世界杯的角角落落，从球迷地域分布、性别比例，到历史上各大洲入围世界杯成功率等……这些基于大数据而呈现的报道内容，让球迷看到了一个直观的数字化的世界杯。

腾讯还策划了有趣的“球迷画像”，基于IBM大数据对用户的多维度分析，总结刻画了每位球星的球迷性格特征，对不同球星的粉丝类型加以区分和刻画，推出了不同球星的粉丝画像。例如，葡萄牙球星C罗的粉丝70%为女性，她们的个性关键词是“女王范”、“实际”、“有条理”和“欣赏美”。这样的球迷画像在腾讯的世界杯专区中定期推出，网友一致热捧，该画像成为鉴定自己是真球迷的另类标准。

合作共赢，火花没那么简单

独特视角的内容背后，是腾讯作为网络媒体在世界杯报道模式上的一次创新，也让我们看到了大数据实际应用的另一种模式。

记者采访了大数据提供方IBM品牌战略部高级经理杨磊，他表示“这是IBM第一次尝试在足球赛事中用大数据分析来探测球迷的反映，我们希望通过技术融合参与其中，与我们而言是一次露出，对腾讯，我们提供基于大数据分析的用户洞察，支持腾讯微用户提供即时感更强的内容”。IBM在1993年就开始进入体育赛事领域，赞助网球赛事，并提供比赛的IT技术支持。2005年，IBM通过SlamTracker追踪了网球四大满贯赛事8年来全部8128场比赛，每场比赛收集4100万个数据点，包括5500个分析模型。与媒体合作，用大数据技术分析探测球迷心理，并产出报道内容，这还是第一次。

此次与腾讯的深度合作，IBM首先看重的是腾讯庞大的用户基础与年轻化的用户属性，其次是腾讯在重大体育赛事报道中的运营能力、立体报道能力和PC端移动端双通道能力，这些优势将有效助力IBM大数据分析的开展和应用实现。

腾讯此次在世界杯报道中，也借大数据之力，大量并及时输出更贴合网友当下关注的热点内容，并发挥出网络全媒体平台的优势，将内容及时输送到各个媒体平台、移动终端，引发大量网友关注，并帮助品牌广告主实现了与用户的深度互动，实现了商业目的。

杨磊表示未来IBM将更多尝试B2B2C的传播模式，我们会看到更多大数据应用的场景和模式，开拓更多想象空间。

用科技改善赛事体验

目前媒体环境，社交、大数据、云等技术出现，B2B企业已经意识到独立消费者对企业的巨大影响，B2B企业的传播方式不再局限于一对一，IBM希望通过消费者的体验，运用B2B2C的方式让企业有更多的资讯通过终端触达消费者。

IBM其实一直致力于用科技来改善体育赛事的一些体验，在网球、高尔夫球赛事，我们在全球有很多年历史。但在足球，杨磊IBM品牌战略部高级经理这次是第一次尝试用大数据分析来探测球迷对这个赛事的反应。腾讯对于IBM是合适的合作伙伴，用户基数够大，用户属性年轻化，媒体平台全面，而且对于此次世界杯极其重视，并勇于尝试。这次合作对彼此都是一个很有趣的尝试和探索。让技术与赛事融合，通过腾讯IBM实现品牌露出，对于腾讯则多了一个内容提供方，并且开启了全新的报道模式，也为球迷带来了独特的观球体验。

以上是小编为大家分享的关于大数据的“感性”应用的相关内容，更多信息可以关注环球青藤分享更多干货

⑵ 大数据在nba中的应用

大数据，正在给体育产业带来巨大的变革。NBA已经走在了其他商业性运动联盟的前面，领先的大数据分析让伟大的运动传奇更具商业价值。能否有效利用数据这项战略资产，正逐渐将领导者和落伍者划分开来。

“我很欢迎那些能起到作用的工具，尤其是因为我们现在生活在一个信息化的年代。”波什对“大数据”做出这番评价的时候，他所在的热火队正憧憬着三连冠的美梦。

详解：大数据在NBA中的应用
尽管在决赛中被上赛季功亏一篑而与冠军失之交臂的马刺成功复仇，并最终导致勒布朗出走重回骑士进而改变东西部局势，最终影响了整个联盟的格局。但是，正如圣城球队随着年华老去在联盟中愈焕发出新生机一般，这些年来，随着“大数据”在联盟运营和球队的发展方面发挥出越来越突出的作用，大家也开始越来越重视这项技术和理念。

不止在 Google、Amazon 等互联网公司的高谈阔论里，不止在硅谷和各大高校的实验室、论文里，在 NBA 的赛场上，在联盟遍布全球的推广运营过程中，“大数据”的身影正愈加频繁，并扮演起愈加重要的角色。

数字游戏

在历史，或许从来没有一本书像《点球成金》(Moneyball)这样对体育行业产生了如此重大的影响。在这本书之后，大家开始对体育运动赛事中的数字趋之若鹜并越来越重视。

一场 NBA 比赛共四节，常规时间计48分钟。一只 NBA 球队一赛季要进行82场常规赛，主客场各41场，而后东西部的各前8名进入季后赛，在7战赛制下，经过至少3轮12场比赛进入决赛。NBA 现在共有30只球队，一个完整的正式赛季约持续5个月，共有超过1200场比赛。

这些数字定义了 NBA 的一部分，还有更多的数据使得 NBA 之所以成为一项越来越受大众欢迎的赛事。从某个角度而言，它的本质就是数字，很少有赛事像它一样有如此繁复庞杂的数据——不仅是球迷、媒体看得到的得分、助攻、篮板、命中率等，还有专栏作家们津津乐道的 PER(The Player Efficiency Rating，球员效率值，将场上球员的各项表现通过算法公式转化为综合的数值，现在已经成为衡量球员水平的重要指标之一)、Win Share 通过对球队胜场和球员表现进行综合考量得出的指数，反映了一个球员在球队获胜中的贡献亦即他对球队的重要性)等。

对球队的教练而言，除了场上的表现之外，他们需要利用这些数据来了解球员的特点，帮助他们改进弱项发挥优势，然后以此制定场上的战术，并且根据球队的人员构成变化来推动球队风格变化来保持长久的竞争力。

这样的案例在 NBA 中并不鲜见。

将泰克斯·温特的“三角进攻”运用在公牛和湖人体系中并大获成功的菲尔?杰克逊，充分解放迪瓦茨和韦伯在“普林斯顿体系”下大放光彩的国王队，利用纳什和斯塔德迈尔的配合掀起的7秒快攻跑轰的太阳队，当然，还少不了根据 GDP 核心年龄增长和新成员加入而经历从 Inside-Out 变阵 Pick & Pop 战术的转型阵痛却最终修成正果的马刺队

球员的能力和球队的配合转化为球场上的数据，而这些数据恰恰又成为场下教练和管理团队进行调整的重要依据，甚至可以说，数据不仅成为球员、球队以及联盟的导向，同时要成为它们的出发点。

“如果更好的分析师都不能创造出优势的话，那么，谁行呢?更好的数据!”莫雷在《哈佛商业评论》上为数据的重要性摇旗呐喊。

或许，全联盟中没有比火箭队的莫雷更迷信数据的球队经理了——尽管由于球队成绩始终无法突破，他的这份狂热与执著在联盟和球迷中都有着不小的争议——但，无法否认的是，他的这套数据理论正被越来越多的球队乃至联盟接受采用。

NBA 同 ESPN 及 TNT 最近签订的9年价值240亿美元的转播合约让我们认识到 NBA 已经成为一个在商业上空前成功的体育赛事，在这份成功背后，数据正发挥着越来越重要的作用。

⑶ 足球大数据正飞速发展 何为数据企业核心竞争力

2016年是足球大数据飞速发展的一年，一些专业的名词术语如数据采集、统计与样本分析、图像识别系统、智能可穿戴设备等也已纷纷脱离教科书，越来越多地被广大球迷和媒体所熟知并接受。而国外一些专业领域的数据分析公司和供应商也愈发重视中国国内的大数据市场，探寻遥远的东方大陆上潜在的数据商机。

实际上，从世界范围来看，传统意义上的数据采集技术已日趋成熟，面临着不断深化的业务模式，现代化的数据公司的核心竞争力在哪？体育数据产业未来发展趋势又是怎样？带着一系列问题，记者参加了由动吧主办的“世界足球大数据峰会”，与世界知名解决方案供应商SAP、可穿戴设备供应商Catapult以及国内新兴数据平台创冰科技相关负责人进行了交流，其中创冰科技CEO刘震关于大数据未来发展的观点令人印象深刻。

（创冰2016中超大数据年鉴总览）

数据服务融合趋势展现，未来更多地张开怀抱，开放合作

展望未来，刘震认为云技术的成熟和数据深挖能力的完备为以采集为主的数据公司转型为多元化的数据平台提供了先决条件，同时未来数据产业的方向将以融合为主，服务向的数据平台将在其中发挥主导作用。

“实际上，数据在欧美的发展历程已经证明融合是大势所趋，无论是在博彩数据方面，还是在体能数据、可穿戴设备，亦或是图像识别系统方面，都可以在数据平台中找到对应的生产路径，而同时，产出的数据和服务则更加细致的针对特有领域发生化学反应。作为提供服务的数据平台，则希望能够和这些特定数据领域的供应商擦出火花，达成合作的共识，来适应大数据融合的潮流。”

“此次大数据峰会，创冰有幸结识了国外一些著名的数据供应商，如SAP、catapult、Vizrt等，创冰也将持张开怀抱，开放合作的态度，期待能与更多专业领域的数据分析和可视化公司进行交流，共同探索足球大数据这片充满生机的海洋。”

⑷ 足球社交大数据分析的背后

足球社交大数据分析的背后

互联网的发展为数据收集创造了平台，并不断扩大数据收集的范围和规模。而社交平台的发展则让每个人都有机会成为发声者，企业有更多方式和渠道获得每个个体的反馈并提升反馈速度。在新互联网时代，大数据正在改变着人们的日常生活。

在本届世界杯上，大数据分析技术不光帮助德国队取得了冠军，在赛事报道上，社交、移动和大数据技术也正在带来无限的可能性。 过去，传统媒体主要以单向的方式传播信息，例如通过电视转播世界杯比赛，通过报纸报道比赛进展，发表足球评论等。而随着社交和移动技术的发展，每一位普通球迷都可以利用互联网和社交媒体，以自己独特的角度对一场比赛进行记录。调查发现，在社交媒体上，大多数人和在真实世界里完全不一样，在现实生活中很多人反而会隐藏一些方面，在社交媒体上的展现更接近真实自我。这一切变化，让人与人、人与媒体之间的沟通与连接也随之改变。

在2014年世界杯上，腾讯首先突破，通过与IBM合作，利用社交媒体数据分析系统对网络上球迷热议话题、球迷性格进行分析，利用大数据分析技术改变传统的报道方式。大数据技术读懂球迷心声我们日常生活中产生的数据，20%是结构化的数据，例如企业通过内部IT系统收集的信息或者通过机器和传感器收集的数据，而在数据资源中高达80%是非结构化数据，例如电子邮件、图像、音频、视频以及社交平台上的信息等。传统的大数据分析面对的是如何管理、调配海量数据的问题，而与传统的结构化数据相比，非结构化的社交数据是人产生的，这其中不仅包括成文的句子，还包括网络用语、表情，甚至错别字等。例如，在社交平台上，球迷对于一个球星的态度不会是明确的喜欢或者厌恶，而会以各种各样不同的方式表达出来，其真正的态度究竟是支持还是否定，是需要IBM通过分析给出结论的。

如何让机器理解大量的人类语言背后隐藏的情感？将大量的非结构化数据转换为结构化数据是社交大数据分析面临的首要难题，这不仅需要IT技术的支持，也需要心理学、语义分析等知识和技术的综合运用。 为深度挖掘社交平台上形式丰富的非结构化信息，提取有指导意义的洞察，IBM构建了Blue Pulse系统，利用机器自学习方法和自然语言分析技术，倾听网民“心声”。

以上是小编为大家分享的关于足球社交大数据分析的背后的相关内容，更多信息可以关注环球青藤分享更多干货

⑸ 17年数据分析经验告诉你大数据行业的门道

17年数据分析经验告诉你大数据行业的门道
本文根据具有十七年数据分析行业经验的嘉宾陈晨的纪实采访整理。
本期专访嘉宾：陈晨
简历：现任电通安吉斯 – 美库尔(DAN – Merkle) 中国(上海/南京) 数据与分析部高级总监，兼任Merkle南京公司总负责人。十七年以上美国、加拿大及中国咨询业及行业领先公司数据营销、风险分析、定量模型，客户关系管理策略的经验，拥有市场营销、定量方法 、经济计量和统计学方面坚实基础，和建立银行/金融/零售业营销模型和信用评分模型的丰富项目背景。
Q：如果企业想要挖掘数据价值，但由于种种原因，导致数据本身维度不完备，或缺失较多等情况。您能利用多年项目经验，跟我们分享一下这类企业应该怎样有效利用数据吗？
陈晨：对于广告营销而言，有用的数据维度是越多越好。即使企业自身CRM做得非常完备，有了其他数据源的补充，对于理解现有客户群体，如何进行下一步营销活动的准备都是非常有好处的。
事实上，没有任何一家数据提供商能够满足品牌所有的营销信息需求，品牌需要的是因地制宜地购买、结合与其最相关的高质量数据内容。Merkle可以利用其购买力和强大的合作伙伴网络，帮助品牌在全球范围内找到需要的数据，再结合数据整合和落地效果分析，为客户创造了战略优势。
按照Merkle常用的用户生命周期来说，我们把用户的生命周期分成接触潜在用户(获客阶段)、老客维护(互动阶段)及留存分析(促使回购阶段)。在获客阶段，Merkle可以结合其他数据来源，丰富数据维度。比如我们在为某知名在线英语教育品牌服务中，由于客户本身数据不足以支撑建模，我们就利用运营商数据和某知名科技公司数据为客户做了数据增强，用户画像及建模准确度都提高了不少。
而且和运营商数据做对接有个好处，运营商天然有接触消费者的渠道，所以这个项目的第二阶段，我们会应用模型挑选最有可能转化的消费者，通过发短信、弹窗的形式，在合适的触点做营销活动。
如果是在互动阶段，数据维度越多，我们越能基于用户行为/状态对用户分群，实现个性化交互。举例来说，我们曾为NBA提供了LoyaltyPlus平台解决方案，帮助客户打造出“NBA球迷圈“。”球迷圈”是Merkle通过收集、清洗和整合多个数据源的顾客数据，确立会员策略，为NBA中国建立的客户忠诚度系统，从而可以基于球迷的行为和状态建立球迷分群，个性化地实施与球迷的有效交互。
目前该忠诚度系统已有超过60万球迷注册，活跃用户达到64%，收集到的会员交互数据将用于客户分群和定制化的服务，实现营销上升闭环的效果。对于留存分析而言，更多的做竞品分析，了解用户为何流失。
在用户生命周期的不同时段，不同对应策略
Q：什么情况下公司会考虑利用数据分析/模型来做优化，具体怎么操作，落地效果又是如何评估的呢？
陈晨：从根本来说，数据分析/建模/统计等都是用来更科学的衡量数据资产的一些方法。就我的角度来讲，只要有数据，有余力，都可以尝试从数据中感知用户，提升营销效果。
我们姑且把公司分为两类，一类是注重用户增长型的企业，一类是注重客户维系的企业，当然这个划分不是很严格的，许多企业是两者并重的。注重用户增长意味着获客，获客没有哪个企业是不需要的，但是随着互联网的兴起，数据的兴起，获客在具体做法上有了很大的改变。
互联网刚兴起的时候，大家会发现网上获客又简单又便宜，比如在搜索引擎上投一投付费广告，或者做做SEO，效果很显著。
现在呢？网上的流量越来越贵，对于某些特定行业，比如汽车或者教育，一个销售线索的成本达到了几十甚至到几百人民币，所以如何在当下环境找到有效、便宜的方法来接触到更多的潜在消费者对企业来说是很重要的。
我们现在的做法是帮助客户量身打造一个精准获客的策略和完整的CRM(CustomerRelationship Marketing客户关系营销)解决方案。
首先了解到客户现有的获客流程，基于行业和客户自身特点提出解决方案，落地之后还可以通过与历史数据对比来看效果如何，在这个过程中我们又学习到什么，再去调整具体的操作或者实施步骤，形成闭环优化的结果。以某著名电脑品牌客户为例，原来的获客方法就是做线上线下活动，网上购买一些用户资源，但是我们可以帮他做细，我们可以通过模型来挑选出对品牌感兴趣的人群，在此基础上再做活动，省钱省力。
之后在转化阶段，原先客户的方法就是通过电话中心接触，或者直销的形式，我们可以丰富这些手段，比如可以结合数据来核实用户的真实意图和具体需求，在接触到的时候做到个性化推荐；或者可以用模型对这些用户做分群，之后再促进转化，都是非常好的方法。
Merkle CRM解决方案流程图
对于注重客户维系的企业，我们可以帮助企业建立用户价值和生命周期的体系。用户价值的主要目标是作为投资标准，而对用户的投资有多种形式：比如为高价值用户提供更频繁、便利的服务；在营销活动中为不同用户提供定制化的接触策略等。
我们在确定用户价值时会考虑很多因素，比如考虑到任期，流失，风险，营销和服务成本，交易历史以及预期的未来盈利能力和收入。而且用户价值会随着其生命周期的改变而改变，这是一个动态的过程，完全可以在这种变化中放大营销效果和增加决策正确性。还是举电脑行业的例子，我们可以结合用户历史购买/保修/网上浏览等行为，给每一个用户一个生命周期所在阶段，然后在合适的时间点接触到用户。
Q：能否给志在从事大数据行业的年轻人一些您的意见？
陈晨：我觉得从事大数据行业首先要可以沉得下心来，必须能够掌握一两种常用的数据分析工具，比如R，Python等，能够进行一定程度的编程，这样才能对数据理解和分析有一个直观的学习深入过程，也可以训练新人的数学和逻辑思维能力。
当然这是进入行业的基本前提。然后是要有一定的统计学基础和商业分析能力，能够迅速地从数据分析的结果中得出对商业运用或其他相关专业领域的洞察和应用方向。简单地说不是把模型跑出来，图表画出来就完事儿了，还需要能够从模型结果和数据可视化呈现中推断总结出后面真正的故事和意义。
在这些基本的能力和技能掌握后，要保持持续学习的心态，不断追随和了解行业最新动态和趋势，并能够横向进行多产业方向的融汇贯通。另外，大数据分析专业往往需要和不同部门，不同类型的客户进行沟通、讲解，所以如果在职业生涯的后端需要保持持续发展的竞争力，能用专业和非专业的语言和不同层次背景的合作方进行有效沟通也是必不可少的技能。
这次的访谈到此结束，谢谢陈晨分享关于数据整合/增强、数据分析和建模的一些项目经验。