Big Data，「大數據」時代的來臨，已經對許多人們生活的領域帶來影響。簡單地說，「大數據」是指人類在伺服器處理能力大幅提升的現在，對巨型數據分析統計的技術。在最近的這幾年，它已經廣泛地被應用在基因學、社會學、氣象學、生物學等等，這些原本經歷數據瓶頸的學科，因此獲得很大的突破。而在商業的運用上，消費者往昔神秘的面紗，也一層一層地被這個技術播開，從網路的搜尋習慣，到商品的購買趨勢，遠端的機器，漸漸比我們自己還要了解自己。
靠統計學吃飯的人，很難不對職業運動產生興趣。運動場上即時，大量，多樣，又長期的數據特性，是實驗各種模型最好的玩具箱。面臨大數據時代，首當即衝的是職業棒球，幾年前的《魔球》說的就是奧克蘭運動家隊用新的統計指數找出物超所值的球員，這兩年來，守備位移在球場被頻繁應用，讓老派棒球人看了直搖頭，亦是新式統計的產物。三十支大聯盟球隊目前共同持有一家公司，叫做MLB Advance Media(MLBAM)，計畫在明年底前完成所有球場的軟硬體建置，屆時，所有球場的動作，都會被攝影機，雷達，跟計算軟體覆蓋。目前MLBAM已經在三座球場提供紀錄分析的服務，數據精密的程度，可以從《財富雜誌》在四月底的一篇專題報導看出來：
紅人隊的漢米爾頓在對上釀酒人隊的一場比賽，於第八局成功盜上二壘。這個盜壘成功的原因是漢米爾頓在投手出手前，已經離壘10.83英呎，然後在投球之後的0.49秒就開始衝刺，跑壘的時速一度高達34.617公里，只花了3.08秒就抵達二壘，儘管捕手在接到球之後的0.667秒立即傳向二壘，傳球的時速是126.83公里，可是還是來不及．．．
這樣的數據乘上億兆倍，就是大數據分析的資料來源。每一場比賽都有不計其數的事件(Events)，統計軟體讓球團了解這些事件發生的各種因素，也提供對未來事件發生的預測，棒球的數據革命，由此全面展開。
因為籃球場地相對小很多，NBA更是領先在今年球季就完成所有場館攝影機的設置，各式數據分析在賽後很迅速地交給各個球團，經理人依此調整球隊攻防的戰術，一些重新定義的效率指數(諸如PIE, PER, 或是WS)，更變成球員評估的重要依據。大數據時代的新統計，早已是現代籃球的顯學。
各種職業運動都逐漸邁向大數據時代，可是，儘管足球是全世界最受歡迎的運動，對這項運動的數字分析，相對之下卻稍微落後。原因很簡單，從正火熱的巴西世界杯轉播就可以看到，足球場上，在很多時候，大家花一個半小時跑來跑去，結果
甚 麼 事 情 都 沒 有 發 生。
對統計學家來說，足球場上缺乏事件(Events)的特殊性，讓分析的難度增加很多。棒球有得分／盜壘／全壘打／牽制／失誤，籃球有兩分／三分／罰球／火鍋／助攻，足球卻較少這些單一的事件可供紀錄。不過，這個情況在最近開始有很大的改變，足球專家因應大數據時代的需求，替統計學家定義了很多場上的事件，比如說傳球／抄球的嘗試、掌握球的時間、場地控制的範圍等等。依據這些新定義的事件，迪士尼的數據研究團隊在去年夏天發表了一份頗具分量的報告（註1），可以說是足球大數據時代的濫觴，在英格蘭超級足球聯賽裡，球團已經積極地採用數據公司的服務，希望能夠用「魔球」的技術，發掘物美價廉的球員。
在運動場上，大數據的時代已經全面來臨。不過，我私下對未來的期待，是有一天，我們能夠用數字讓政客的謊言無以遁形：試想，立委甲的經濟影響數據是失業率-0.3%／房價+5%；立委乙堅決捍衛家庭價值又反對多元成家，這種人在三年內爆發性醜聞的機率是63%；立委丙出席院會的比率是25%，不過在非甲級動員時候的出席率，只有3%；政黨Ａ的歷代政見實現率是50%，政黨Ｂ是25%...。
這樣的大數據時代，應該會很美好吧。
【備註】
（註1）：Assessing Team Strategy using Spatiotemporal Data, Disney Research
分享圖文請註明出處，未經本站同意不得轉載
瀏覽次數：12518
