楊振興，楊 軍，白 潔，劉林星

基于大數(shù)據(jù)技術(shù)對美國職業(yè)籃球聯(lián)賽的研究

楊振興1，楊 軍2，白 潔3，劉林星2

采用文獻資料調(diào)研和數(shù)據(jù)分析的方法研究美職籃數(shù)據(jù)分析發(fā)展歷程、了解數(shù)據(jù)資源和數(shù)據(jù)分析體系及其應(yīng)用。結(jié)果表明：1)當今基于大數(shù)據(jù)技術(shù)的美職籃數(shù)據(jù)分析體系已經(jīng)建立，數(shù)據(jù)運用能力和數(shù)據(jù)成果轉(zhuǎn)化改變了籃球數(shù)據(jù)管理模式；2)大數(shù)據(jù)分析技術(shù)對球員挖掘、戰(zhàn)術(shù)打法和訓(xùn)練監(jiān)控具有重要意義。建議：中職籃應(yīng)加快構(gòu)建數(shù)據(jù)分析人才培養(yǎng)體系；引進先進數(shù)據(jù)統(tǒng)計設(shè)備；加強與互聯(lián)網(wǎng)機構(gòu)合作，逐步建立中職籃完善的數(shù)據(jù)查詢系統(tǒng)，構(gòu)建自己的數(shù)據(jù)分析體系，為我國籃球職業(yè)聯(lián)賽的創(chuàng)新、驅(qū)動、發(fā)展提供智力支持和科學(xué)引導(dǎo)，為職業(yè)體育強國建設(shè)貢獻力量。

大數(shù)據(jù)；職業(yè)籃球聯(lián)賽；美國；中國

前言

大數(shù)據(jù)(Big Data)或稱巨量資料，指需要新處理模式才能具有更強決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。IBM定義的大數(shù)據(jù)有4 V標準(量級Volume、多樣性Variety、價值Value、速度Velocity)，大數(shù)據(jù)的“大”并非單純的指數(shù)據(jù)量龐大，而是在于通過對海量數(shù)據(jù)的交換、整合和分析，發(fā)現(xiàn)新的知識，創(chuàng)造新的價值，帶來“大知識”、“ 大科技”、“大利潤”和“大發(fā)展”。當今世界新一輪科技和產(chǎn)業(yè)革命正在蓬勃興起，數(shù)據(jù)是基礎(chǔ)性資源，也是重要生產(chǎn)力，同時強調(diào)，中國作為人口大國和信息應(yīng)用大國，擁有海量數(shù)據(jù)資源，發(fā)展大數(shù)據(jù)產(chǎn)業(yè)空間無限，應(yīng)當依托大數(shù)據(jù)創(chuàng)新模式，提升數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用水平，用新的思路和工具解決實際問題，促進中國經(jīng)濟保持中高速增長，邁向中高端水平。

在體育數(shù)據(jù)分析應(yīng)用領(lǐng)域，越來越多的運動項目利用大數(shù)據(jù)對運動員進行評估、制訂新的戰(zhàn)略計劃以保持運動員的競技狀態(tài)。美國男子職業(yè)籃球聯(lián)盟(以下簡稱“美職籃”)已經(jīng)建立了一套完整的數(shù)據(jù)分析體系，面對規(guī)模大、變化快、種類雜的數(shù)據(jù)，利用先進的技術(shù)和科學(xué)的分析方法把運動員在比賽中的動作轉(zhuǎn)化為有價值的信息，這成為美職籃球隊贏取比賽勝利、評價球員、優(yōu)化攻守戰(zhàn)術(shù)普遍使用的分析方式。本研究基于當今大數(shù)據(jù)時代背景，對美職籃數(shù)據(jù)分析的發(fā)展歷程、數(shù)據(jù)資源和數(shù)據(jù)分析體系及其應(yīng)用進行研究，揭示美職籃數(shù)據(jù)統(tǒng)計領(lǐng)域的先進理念和最新成果，以期為中職籃數(shù)據(jù)統(tǒng)計和處理工作提供參考。

1 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)分析發(fā)展歷程回顧

數(shù)據(jù)分析的本質(zhì)就是了解歷史預(yù)測未來。數(shù)據(jù)分析是用適當?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，提取有用信息并形成結(jié)論進而對數(shù)據(jù)加以詳細研究和概括總結(jié)的過程。這一過程也是質(zhì)量管理體系的支持過程。數(shù)據(jù)分析可幫助人們做出判斷，以便采取適當行動。數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ)在20世紀早期就已確立，但直到計算機的出現(xiàn)才使得實際操作成為可能，并使得數(shù)據(jù)分析得以推廣，數(shù)據(jù)分析是數(shù)學(xué)與計算機科學(xué)相結(jié)合的產(chǎn)物。

從美職籃前身BAA成立至今，其發(fā)展已有69年。早期的籃球比賽，列入統(tǒng)計比賽數(shù)據(jù)的有投籃出手、投籃命中、罰球出手、罰球命中、犯規(guī)，沒有統(tǒng)計籃板球、搶斷和封蓋。如今，美職籃可以直接統(tǒng)計出一名運動員單場跑動距離、速度、突破次數(shù)和投籃區(qū)域等細節(jié)化數(shù)據(jù)。從某種程度來說，美職籃的歷史，也是一部數(shù)據(jù)發(fā)展史。從表1可以看出，20世紀90年代之前，美職籃的統(tǒng)計數(shù)據(jù)形式單一，只是對常規(guī)數(shù)據(jù)進行統(tǒng)計，統(tǒng)計方式為手寫加收集。進入20世紀90年代，隨著計算機技術(shù)的發(fā)展，美職籃的數(shù)據(jù)統(tǒng)計和管理更為成熟豐富，建立了成型的數(shù)據(jù)庫，加入進攻手段、進攻區(qū)域、空位命中率、受干擾命中率等細節(jié)化的數(shù)據(jù)。進入21世紀，籃球數(shù)據(jù)發(fā)掘得到進一步發(fā)展，開始依托高階數(shù)據(jù)建立細粒度的運動員評價指標，運動員進攻完成方式、在場與否對球隊的影響、關(guān)鍵時刻表現(xiàn)也被統(tǒng)計在列。自2010年至今，美職籃數(shù)據(jù)分析與高新技術(shù)結(jié)合更加密切，追蹤數(shù)據(jù)、可視化數(shù)據(jù)、成為主流趨勢。美職籃從基礎(chǔ)的數(shù)據(jù)統(tǒng)計發(fā)展到科學(xué)、全面、專業(yè)的數(shù)據(jù)分析，為美職籃帶來了更強的競爭力，推動了美職籃的發(fā)展。

表 1 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)統(tǒng)計指標變化發(fā)展一覽表

Table 1 List of the Changes on Statistical Index of American Basketball

年 指 標 備 注1940-1950投籃出手、投籃命中、罰球出手、罰球命中、犯規(guī)手寫+收集1950-1960籃板球、助攻、出場時間手寫+收集1960-1970搶斷球、失誤手寫+收集1970-1980封蓋手寫+收集1980-19903分球完備的基礎(chǔ)數(shù)據(jù)統(tǒng)計表1990-2000進攻手段、進攻區(qū)域、空位命中率、受干擾命中率成型的數(shù)據(jù)庫2000-2010高階數(shù)據(jù)、運動員進攻完成方式、在場與否對球隊的影響、關(guān)鍵時刻表現(xiàn)數(shù)據(jù)細節(jié)化2010至今追蹤數(shù)據(jù)、可視化數(shù)據(jù)高科技化、可視化

2 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)分析資源概況

2.1 美國職業(yè)籃球聯(lián)賽大數(shù)據(jù)網(wǎng)絡(luò)資源基本情況

近年來，隨著互聯(lián)網(wǎng)的發(fā)展，眾多體育組織紛紛建立了自己的官方網(wǎng)站，美職籃是全美四大體育聯(lián)盟之一，同時，也是國際化傳播程度最高的職業(yè)聯(lián)賽之一，美職籃的網(wǎng)絡(luò)資源為眾多美職籃研究者提供平臺。表2是美職籃統(tǒng)計分析領(lǐng)域有影響力的網(wǎng)站，其中，http://stats.nba.com是美職籃官方網(wǎng)站的數(shù)據(jù)統(tǒng)計板塊，2012-2013賽季，SAP和美職籃合作，在其官網(wǎng)上推出一個全新升級的統(tǒng)計板塊，將追蹤數(shù)據(jù)和高階數(shù)據(jù)引入其中，為用戶提供更多類型的數(shù)據(jù)，以便從更多的角度了解美職籃。隨著美職籃數(shù)據(jù)分析的發(fā)展，美國致力于籃球統(tǒng)計和分析的網(wǎng)站相繼上線，自2003年羅蘭·比奇的創(chuàng)新性個人網(wǎng)站82games.com創(chuàng)建以來，美職籃數(shù)據(jù)統(tǒng)計分析的研究者相繼建立了個人網(wǎng)站，成為美職籃統(tǒng)計分析領(lǐng)域不可忽視的力量。APBR metrics Forum是最早的籃球統(tǒng)計論壇，很多研究者將自己的分析和研究刊登在這里，與其他人一同探討和分享，有力地推動了籃球數(shù)據(jù)分析的發(fā)展。如今計量籃球分析較有影響的網(wǎng)站，一個是synergysportstech.com，另一個是stats.com，前者采用傳統(tǒng)錄像分析的方法，提供深度統(tǒng)計數(shù)據(jù)和攻、防回合視頻，后者采用新的Sport VU技術(shù)，提供美職籃球隊Sport VU追蹤數(shù)據(jù)報告。

2.2 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)定量分析研究者基本情況

在國外，特別是美國，從事籃球統(tǒng)計分析的研究者非常多，高級統(tǒng)計學(xué)和定量分析已經(jīng)成為美職籃重要的一部分，許多球隊都開始雇傭數(shù)據(jù)分析師，試圖從數(shù)據(jù)中挖掘出球隊優(yōu)勢。為美國籃球領(lǐng)域做出主要貢獻的數(shù)據(jù)分析專家中，有現(xiàn)任火箭隊經(jīng)理達利爾·莫雷這樣沒有籃球運動經(jīng)歷的數(shù)據(jù)專家，通過使用高級數(shù)據(jù)來分析籃球比賽，改變了美職籃球隊進行決策的方法。約翰·霍林格發(fā)明了衡量運動員每分鐘表現(xiàn)的球員效率值(PER)，可以依據(jù)PER值比較任意兩名球員的表現(xiàn)，而不用管他們各自的比賽時間。迪恩·奧利弗是第一個將比賽高級統(tǒng)計數(shù)據(jù)在互聯(lián)網(wǎng)上與美職籃球迷一同共享的研究者，他提出球員4要素(有效投籃命中率、失誤率、進攻籃板率、罰球率)，強調(diào)攻、防節(jié)奏、回合、團隊協(xié)作和個人表現(xiàn)以及創(chuàng)造投籃機會的能力等概念。莫雷用球員數(shù)據(jù)衡量系統(tǒng)(Player Metrics)做一系列關(guān)于選秀、交易以及有關(guān)工資帽的決策?？瓶恕じ叩撬关惱锸强臻g推理、視覺傳達以及地理學(xué)領(lǐng)域的研究者，他對籃球賽事進行Court Vision分析，把場上發(fā)生的每一次投籃軌跡、投籃選擇、投籃趨勢以及每次防守效果都記錄下來，把計算結(jié)果用不同的顏色、形狀在圖上用非常直觀的視覺效果表達出來，以此來評價運動員的效率和傾向(表3)。

表 2 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)分析著名網(wǎng)站一覽表

Table 2 List of Famous Websites for Basketball Data Analysis of the United States

網(wǎng) 站 介 紹http://stats.nba.com/美職籃官方網(wǎng)站數(shù)據(jù)統(tǒng)計板塊http://www.apbr.org/籃球統(tǒng)計論壇http://www.basketball-reference.com/所有的美職籃籃球統(tǒng)計和歷史信息http://www.nbastuffer.com/統(tǒng)計數(shù)據(jù)定量分析和深層分析http://nyloncalculus.com/籃球數(shù)據(jù)統(tǒng)計數(shù)字社區(qū)http://www.82games.com/提供創(chuàng)新統(tǒng)計數(shù)據(jù)分析http://basketballprospectus.com/提供關(guān)于美職籃和NCAA籃球前沿分析http://www.stats.com/提供美職籃球隊SportVU追蹤數(shù)據(jù)報告http://www.synergysportstech.com/提供深度統(tǒng)計數(shù)據(jù)和攻防回合視頻http://www.sportingcharts.com/提供體育分析工具、資源和獨特的可視化分析

表 3 美國職業(yè)籃球聯(lián)賽部分籃球數(shù)據(jù)分析研究者一覽表

Table 3 List of Basketball Data Analysis Experts in the United States

研究者服務(wù)球隊 主要貢獻約翰·霍林格孟菲斯灰熊隊球員效率值(PER)迪恩·奧利弗俄克拉荷馬雷霆隊球員4要素(TheFourFactors)達利爾·莫雷休斯敦火箭隊球員數(shù)據(jù)衡量系統(tǒng)(PlayerMetrics)鮑勃·貝洛蒂華盛頓奇才隊評分創(chuàng)建系統(tǒng)(PointsCreatedSystem)杰夫·薩加林/韋恩·溫斯頓達拉斯小牛隊勝利價值評估體系(WinningValue)丹尼爾·羅森鮑姆克里夫蘭騎士隊系統(tǒng)化調(diào)整正負值(StatisticalPlus-Minus)羅蘭·比奇達拉斯小牛隊羅蘭評分(RolandRating)亞倫·巴爾齊萊費城76人隊正負值的優(yōu)化計算體系(AdjustedPlus-Minus)科克·高登斯貝里密歇根州立大學(xué)可視化分析(VisualizationAnalysis)

3 美國職業(yè)籃球聯(lián)賽數(shù)據(jù)分析體系

3.1 Sport VU數(shù)據(jù)分析體系

Sport VU技術(shù)在體育數(shù)據(jù)分析領(lǐng)域是一項重要的技術(shù)。它誕生于2005年，由以色列科學(xué)家麥基·塔米爾發(fā)明，原本被用作追蹤導(dǎo)彈。2008年，美國的STATS公司收購了Sport VU，將精力集中在籃球數(shù)據(jù)分析。2009-2010賽季，小牛、火箭、雷霆和馬刺成為了聯(lián)盟中最先采用該技術(shù)的球隊。隨后的3個賽季，采用Sport VU技術(shù)的球隊數(shù)為7支、10支、15支。如今，美職籃收購了這項技術(shù)，全聯(lián)盟所有球隊都在使用。圖1所示為Sport VU技術(shù)運轉(zhuǎn)流程，在每座球館的上空會懸掛6個移動式超高清攝像頭，每秒每個物體產(chǎn)生25組數(shù)據(jù)，同時追蹤比賽中運動員、裁判以及球的運動軌跡，每個運動員的每個動作、每次傳球、每次投籃、每次觸球都被記錄下來。這些攝像頭采集到的數(shù)據(jù)通過復(fù)雜的計算公式與比賽實況報道數(shù)據(jù)(play-by-play)結(jié)合，能夠在90 s內(nèi)生成比賽報告。隨著這項科技的普及，籃球運動會更有魅力，深層次的、潛在的數(shù)據(jù)信息被挖掘，而相應(yīng)的數(shù)據(jù)市場也會更加壯大。

圖 1 Sport VU技術(shù)運轉(zhuǎn)流程圖

Figure 1. Sport VU Technologies Work Flow Chart

3.1.1 依托可持續(xù)追蹤數(shù)據(jù)建立動態(tài)的評價指標

隨著美職籃對于數(shù)據(jù)分析越來越看重，2013年其設(shè)立了stats.nba.com網(wǎng)站，專門提供追蹤數(shù)據(jù)查詢。隨著Sport VU技術(shù)的應(yīng)用，諸如得分、籃板球以及搶斷等簡單直觀的常規(guī)數(shù)據(jù)已不再是關(guān)注的焦點，新的統(tǒng)計系統(tǒng)創(chuàng)造新的評價指標(表4)，如突破次數(shù)、傳球次數(shù)、潛在助攻以及造犯規(guī)次數(shù)等，并增加了有關(guān)防守的評級指標，從而讓數(shù)據(jù)分析更具針對性和全面性。同時，這套系統(tǒng)可以統(tǒng)計運動員造犯規(guī)的比例、在限制區(qū)的觸球次數(shù)、每回合的傳接球次數(shù)，甚至潛在助攻數(shù)等非結(jié)構(gòu)化數(shù)據(jù)，并通過計算對數(shù)據(jù)修正和提煉，使統(tǒng)計集合更精確、更有價值。與常規(guī)數(shù)據(jù)指標相比，Sport VU技術(shù)可以捕捉運動員、球隊和球的運動軌跡，計算出運動員跑動速度和距離，記錄球員投籃、傳球、防守、籃板球以及出球類型等，使追蹤數(shù)據(jù)指標種類豐富，更加細化和全面的描述比賽。

表 4 Sport VU追蹤數(shù)據(jù)指標一覽表

Table 4 List of Sport VU Tracking Data

運動員指標球隊指標球的指標速度/距離·平均速度、最大速度、即時速度·總距離,持球距離速度/距離·平均速度、最大速度、即時速度·總距離,持球距離·真實比賽速度軌跡·命中:投失·干擾球的準確性投籃·區(qū)域投籃命中率·投籃距離·區(qū)域投籃傾向·投籃:傳球·投籃記錄·接球即投投籃·區(qū)域投籃命中率·投籃距離·區(qū)域投籃傾向·投籃:傳球·投籃記錄·接球即投移動·自動化傳球、運球、投籃計算·投籃/運球與比賽結(jié)果的聯(lián)系·運球投籃命中率傳球·傳球?qū)е轮グ俜直取髑蚩偞螖?shù)、平均次數(shù)·投籃命中率(基于傳球者)·傳球距離傳球·傳球方式·傳球總次數(shù)、平均次數(shù)·投籃命中率(基于傳球者)·傳球距離速度·平均、最大、即時速度·投籃、傳球、封蓋防守·基于防守者距離/位置的投籃命中率·精確的防守間距·球員反應(yīng)傾向防守·傾向/精確位置/效果·精確的防守空間·貼身防守者防守·成功防守·成功防守與比賽結(jié)果聯(lián)系籃板球·籃板球(對抗)·無對抗籃板(無對抗)·籃板百分率籃板球·籃板球(對抗)·無對抗籃板(無對抗)·籃板百分率觸球類型·肘部·兩翼·限制區(qū)·背筐·突破觸球類型·肘部·兩翼·限制區(qū)·背筐·突破

3.1.2 Sport VU系統(tǒng)應(yīng)用實例分析——以馬刺隊2014-2015賽季常規(guī)賽為例

自美職籃成立以來，技術(shù)統(tǒng)計基本沒變過，美職籃對運動員的數(shù)據(jù)管理，體現(xiàn)在對得分、籃板、助攻、蓋帽、搶斷、失誤、犯規(guī)等比賽基礎(chǔ)數(shù)據(jù)的統(tǒng)計。隨著職業(yè)體育情報工作發(fā)展越來越快，傳統(tǒng)的數(shù)據(jù)統(tǒng)計已經(jīng)無法滿足，需要深層次的數(shù)據(jù)顯示比賽的因果關(guān)系。Sport VU系統(tǒng)記錄球員攻、防類型、投籃時段、投籃區(qū)域等比賽信息，這一系列數(shù)據(jù)跟比賽密切相關(guān)，但無法在傳統(tǒng)意義上的數(shù)據(jù)統(tǒng)計表中查找，Sport VU系統(tǒng)提供的比賽數(shù)據(jù)改變了以往對數(shù)據(jù)分析的認知。Sport VU系統(tǒng)會為每一支美職籃球隊提供數(shù)據(jù)分析報告，表5～表7是馬刺隊追蹤數(shù)據(jù)報告中的部分內(nèi)容，并給出了單項指標聯(lián)盟排名。馬刺隊是美職籃較早使用這一系統(tǒng)的球隊之一，表5可以看出馬刺隊攻、防類型詳情，以及每種進攻方式轉(zhuǎn)化得分情況。2014-2015賽季，馬刺隊進攻持球掩護為場均58.1次，每次持球掩護轉(zhuǎn)化得分為1.07分，聯(lián)盟排第4位。表6是對球隊攻、防投籃時段的分析報告，馬刺隊進攻時間段中，在0～6 s時段每場比賽平均投籃總數(shù)為9.7次，場均命中4.0次，這一指標排在聯(lián)盟第23位。馬刺隊攻、防投籃區(qū)域分析(表7)中可以看出，球隊在防守中距離投籃方面排名聯(lián)盟第27位，場均中距離投籃26次，場均命中10.2次。這些比賽數(shù)據(jù)分析可以幫助教練團隊在制定戰(zhàn)術(shù)打法時揚長避短，發(fā)現(xiàn)球隊的戰(zhàn)術(shù)短板，交易可以彌補戰(zhàn)術(shù)缺陷的運動員。

3.1.3 Sport VU系統(tǒng)的優(yōu)勢與劣勢分析

隨著科技發(fā)展和戰(zhàn)術(shù)的演化，美職籃對比賽數(shù)據(jù)挖掘的要求進一步提升?；趐lay-by-play和Box Score的數(shù)據(jù)，雖然能反映出一場比賽的基本面，但不能挖掘比賽的細粒度數(shù)據(jù)。錄像分析技術(shù)，需要消耗大量時間成本，實時數(shù)據(jù)應(yīng)用延遲。相對于過去的數(shù)據(jù)統(tǒng)計和數(shù)據(jù)分析技術(shù)，Sport VU系統(tǒng)有獨特的優(yōu)勢，但也存在不足(圖3)。

表 5 馬刺隊2014-2015賽季常規(guī)賽攻、防類型追蹤數(shù)據(jù)統(tǒng)計一覽表

Table 5 The San Antonio Spurs 2014-2015 Regular Season Offensive and Defensive Types Tracking Data Statistics

進 攻攻、防類型防 守場均(次)排名每次進攻轉(zhuǎn)化得分排名場均(次)排名每次進攻轉(zhuǎn)化得分排名58.1151.074持球掩護59.0151.01823.9101.184突破 24.8271.13133.5281.056孤立打法6.7120.99813.5131.049低位背打11.680.98911.6221.087轉(zhuǎn)換進攻12.4100.9859.4261.2112進攻籃板10.5111.181225.981.2211接球即投22.031.14418.1201.064運球投籃23.3290.967

注：數(shù)據(jù)資料引自美國STATS公司官方網(wǎng)站，表6、表7同。

表 6 馬刺隊2014-2015賽季常規(guī)賽攻、防投籃時段追蹤數(shù)據(jù)統(tǒng)計一覽表

Table 6 The San Antonio Spurs 2014-2015 Regular Season Shot Clock of Tracking Data Statistics

進 攻投籃時段(s)防 守投籃命中(次)投籃總數(shù)(次)有效投籃命中率(%)投籃命中率(%)投籃命中率排名投籃命中(次)投籃總數(shù)(次)有效投籃命中率(%)投籃命中率(%)投籃命中率排名5.810.561.514.41518～245.510.556.514.41313.326.854.636.8912～1811.827.247.437.22712.025.851.235.5166～1211.225.647.335.2114.09.746.913.3230～63.59.641.013.25

表 7 馬刺隊2014-2015賽季常規(guī)賽投籃區(qū)域追蹤數(shù)據(jù)統(tǒng)計一覽表

Table 7 The San Antonio Spurs 2014-2015 Regular Season Shooting Area of Tracking Data Statistics

進 攻投籃區(qū)域防 守投籃命中(次)投籃總數(shù)(次)有效投籃命中率(%)投籃命中率(%)投籃命中率排名投籃命中(次)投籃總數(shù)(次)有效投籃命中率(%)投籃命中率(%)投籃命中率排名17.326.764.832.111無撞人半圓區(qū)15.225.855.830.585.612.744.115.3173秒?yún)^(qū) 5.914.939.517.6299.122.640.427.119中距離區(qū) 10.226.039.330.7275.814.759.717.619上線3分區(qū) 4.813.653.116.012.76.561.37.97底角3分區(qū) 1.64.456.15.25

圖 3 Sport VU系統(tǒng)優(yōu)勢與劣勢示意圖

Figure 3. The Advantages and Disadvantages of the Sport VU System

提高計量精度、節(jié)省人力成本、數(shù)據(jù)可追溯性以及數(shù)據(jù)實時應(yīng)用性是Sport VU技術(shù)的優(yōu)勢。Sport VU系統(tǒng)每場比賽公開100 MB未壓縮數(shù)據(jù)，可獲取的數(shù)據(jù)大約200 MB細粒度追蹤數(shù)據(jù)，球隊只需配備一位數(shù)據(jù)分析師即可，相對于常規(guī)的基礎(chǔ)數(shù)據(jù)，追蹤數(shù)據(jù)的可追溯性得到提高。這項技術(shù)的最顯著特點就是數(shù)據(jù)的實時應(yīng)用性，教練員可以根據(jù)上半場比賽的Sport VU數(shù)據(jù)及時調(diào)整比賽策略。

Sport VU目前的劣勢為數(shù)據(jù)積累時間不夠、技術(shù)推廣難度大、缺乏與基礎(chǔ)數(shù)據(jù)的結(jié)合以及設(shè)備的運行成本高。數(shù)據(jù)如需要實際應(yīng)用，數(shù)據(jù)的量非常重要，過去play-by-play等系統(tǒng)有近30年完善的數(shù)據(jù)，目前Sport VU數(shù)據(jù)積累不夠，但是隨著數(shù)據(jù)的膨脹速度，或許可以在未來幾年得到改善。新的追蹤數(shù)據(jù)應(yīng)與傳統(tǒng)數(shù)據(jù)進一步結(jié)合，才能形成完善的數(shù)據(jù)分析體系。Sport VU系統(tǒng)最大的劣勢是技術(shù)推廣與設(shè)備運行，目前，美國的四大聯(lián)盟和NCAA都已成熟使用這項新技術(shù)，而如何在世界范圍內(nèi)推廣這項技術(shù)，則需要大量的人力、財力和物力支撐。

3.2 細粒度的高階統(tǒng)計(Advanced Stats)分析體系

通過幾十年的發(fā)展，基礎(chǔ)數(shù)據(jù)系統(tǒng)如今已經(jīng)相對成熟。得分、籃板、助攻、搶斷、封蓋，是5項常見的正面統(tǒng)計數(shù)據(jù)，此外還有失誤、犯規(guī)等反面統(tǒng)計數(shù)據(jù)，但僅用這些基礎(chǔ)數(shù)據(jù)，不足以說明一個球隊或運動員的優(yōu)劣。2005-2006賽季的MVP爭奪異常激烈，最終問鼎的是場均得分18.8分，4.2個籃板，10.5次助攻的納什。但是，場均得分31.4分，7.0個籃板，6.6次助攻的詹姆斯，場均得分26.6分，9.0個籃板，2.8次助攻的諾維茨基，以及場均得分35.4分，5.3個籃板，4.5次助攻的科比同樣都有拿MVP的理由。因此，當這些基礎(chǔ)數(shù)據(jù)不足以使用的情況下，高階統(tǒng)計就可以發(fā)揮其作用。所謂的高階統(tǒng)計，就是利用基礎(chǔ)數(shù)據(jù)進行各式各樣的運算，從而產(chǎn)生新的、代表一定含義的數(shù)據(jù)。比如說，目前使用比較多的進攻效率(ORTG)、球權(quán)使用率(USG%)、效率值(PER)、真實命中率(TS%)和有效投籃命中率(EFG%)等數(shù)據(jù)都是非常復(fù)雜的高階數(shù)據(jù)。這些數(shù)據(jù)有助于對運動員的表現(xiàn)有新層面的認識。

大數(shù)據(jù)背景下美職籃高階統(tǒng)計分析對于觀看、描寫和討論比賽的方式已經(jīng)有所改變。一些術(shù)語，比如得分貢獻值、球權(quán)使用值和每次進攻轉(zhuǎn)化得分這些數(shù)據(jù)(表8)的計算，也有助于對運動員的表現(xiàn)有新層面的認識。得分貢獻值(PC)和球權(quán)使用值(PU)這兩個數(shù)據(jù)均為高階數(shù)據(jù)，對傳統(tǒng)的得分、助攻、出手數(shù)、罰球數(shù)等基礎(chǔ)數(shù)據(jù)進行了修正。公式中的參數(shù)2/3、1/3、0.44為修正系數(shù)，當產(chǎn)生一次投籃得分(即Field Goal,不包括罰球)時，如果是由運動員A單打得分，則將所得分數(shù)全部計給A；如果是運動員A受到運動員B的助攻得分，則將所得分數(shù)的2/3計給A，1/3計給助攻者B。一般認為，罰球數(shù)乘以0.5約為所造成的投籃犯規(guī)數(shù)，但如果使用0.5作為系數(shù)，就忽略了2分犯規(guī)、3分犯規(guī)、加罰或技術(shù)犯規(guī)罰球的區(qū)別，這里使用的修正系數(shù)0.44是統(tǒng)計了大量罰球后得出的結(jié)果，比0.5能夠更加準確的反映一個運動員造投籃犯規(guī)的能力。每次進攻轉(zhuǎn)化得分(PPP)為兩者相除，表示一名運動員每次球權(quán)所能創(chuàng)造出的分數(shù)。表8列舉了16種高階數(shù)據(jù)，這些指標只占高階數(shù)據(jù)總數(shù)的25%，根據(jù)basketball-reference.com高階統(tǒng)計板塊，高階數(shù)據(jù)種類達62種。目前我國中職籃使用的國際籃聯(lián)(FIBA)記錄表，是一種純輸入機制，優(yōu)點是直觀可靠的，但簡單地由鉛筆和紙記錄數(shù)據(jù)的產(chǎn)物，無法全面衡量場上球員的作用和貢獻。

表 8 美國職業(yè)籃球聯(lián)賽高階統(tǒng)計數(shù)據(jù)一覽表

Table 8 List of NBA Advanced Data

中文公式(Formula)回合(Possession)公式=0.96×[(投籃)+(失誤)+0.44×(罰球)-(進攻籃板)]節(jié)奏(Pace)公式=[240/(球隊時間)]×(本隊回合數(shù)+對手回合數(shù))/2助攻率(AssistRatio)公式=(助攻數(shù))×100)/[(投籃)+(罰球×0.44)+(助攻)+(失誤)]防守籃板率(DefensiveReboundingPercentage)公式=(本隊防守籃板)/[(本隊防守籃板)+對手進攻籃板)]進攻籃板率(OffensiveReboundingPercentage)公式=(本隊進攻籃板)/[(本隊進攻籃板)+(對手防守籃板)]進攻效率(OffensiveEfficiency)公式=100×(得分)/(回合)防守效率(DefensiveEfficiency)公式=100×(失分)/回合)效率差(EfficiencyDifferential)公式=(進攻效率)-(防守效率)有效投籃命中率(EffectiveFieldGoalPercentage)公式=[(投中)+0.5×(3P投中)]/(投籃)真實投籃命中率(TrueShootingPercentage)公式=得分/[2×(投籃+0.44×罰球)]轉(zhuǎn)換防守(TransitionDefense)公式=(對手快攻得分)/(對手搶斷)轉(zhuǎn)換進攻(TransitionOffense)公式=(快攻得分)/(搶斷)得分貢獻值(PointsContributed)公式=得分+助攻×2/3-助攻命中×2/3球權(quán)使用值(PossessionsUsed)公式=投籃+失誤+助攻×1/3-助攻命中×1/3+投籃×0.44每次進攻轉(zhuǎn)化得分(PointsPerPossession)公式=[得分+助攻×2/3-助攻命中×2/3]/[投籃+失誤+助攻×1/3-助攻命中×1/3+投籃×0.44]球權(quán)使用率(UsagePercentage)公式=100×[(投籃+0.44×罰球+失誤)×(時間/5)]/(時間×[投籃+0.44×罰球+球隊失誤)]

注：數(shù)據(jù)資料引自美國basketball-reference網(wǎng)站。

3.3 可視化數(shù)據(jù)信息體系

視覺信息比文字信息更容易被快速理解和記住，人們對閱讀高質(zhì)量信息圖的理解度要比純文字高30倍。人類從外界獲得的信息約有80%以上來自于視覺系統(tǒng)，當數(shù)據(jù)以直觀、可視化的圖形形式展示時，分析者往往能夠快速理解數(shù)據(jù)背后隱藏的信息并轉(zhuǎn)化為知識。數(shù)據(jù)可視化(Data Visualization)，指以圖形、圖像、地圖、動畫等更為生動、易為理解的方式來展現(xiàn)數(shù)據(jù)，詮釋數(shù)據(jù)之間的關(guān)系和發(fā)展的趨勢，以期更好地理解、使用數(shù)據(jù)分析的結(jié)果。通過數(shù)據(jù)可視化，把依賴于上下文的數(shù)字信息轉(zhuǎn)化為可視化信息，使大腦可以更有效地合成和保留信息內(nèi)容，增強對信息的理解。

3.3.1 基于Excel技術(shù)的投籃數(shù)據(jù)熱力圖(Heat Map)

投籃熱力圖把運動員場上每一次投籃區(qū)域、投籃結(jié)果都記錄下來，計算結(jié)果用不同的顏色、形狀可視化呈現(xiàn)，用來評價運動員的效率和傾向。運動員投籃熱力圖在Excel中可通過氣泡圖來實現(xiàn)， 制作步驟：1)構(gòu)建籃球場的位置坐標(X-Y)和單元區(qū)間。獲取美職籃籃球場的標準尺寸，繪制半場示意圖，使用X-Y坐標系統(tǒng)將籃球場分割成若干個等面積的單元區(qū)間，用于記錄投籃位置；2)對照坐標系統(tǒng)計各單元區(qū)域內(nèi)的投球次數(shù)、命中率和得分情況；3)處理數(shù)據(jù)。X-Y對應(yīng)投籃位置，氣泡大小對應(yīng)“投籃次數(shù)”，將統(tǒng)計的“單元區(qū)間得分”按照數(shù)據(jù)分成若干個數(shù)據(jù)區(qū)間，然后將“投籃次數(shù)”的數(shù)據(jù)按照前述的各個數(shù)據(jù)區(qū)間分成相應(yīng)數(shù)組；4)生成氣泡圖并對各數(shù)據(jù)組進行階梯漸變配色；5)添加籃球場示意圖、標題、圖例和腳注(圖4)。同理可繪制中近距離投籃數(shù)據(jù)熱力圖和個人投籃數(shù)據(jù)熱力圖。

Figure 4. The Production Process of Heat Map

3.3.2 預(yù)期球權(quán)得分(EPV)分析

預(yù)期球權(quán)得分(Expected Possession Value)是基于Sport VU技術(shù)提出的數(shù)據(jù)分析指標。此指標的前提假設(shè)：場上每一名運動員在每一個時刻的每一個動作都會影響到本次回合得分，或增加概率或減少概率，EPV可表示此值。圖5為2012-2013賽季馬刺隊與騎士隊比賽倫納德最后3分絕殺EPV變化動態(tài)圖。帕克接邊線球后的EPV是0.86分(考慮到帕克的遠射能力，對方運動員的防守等因素)，帕克與鄧肯做掩護后突破到籃下EPV增加至1.36分，帕克傳給底角空位的倫納德時EPV又增加至1.75分(考慮到倫納德的底角3分球概率和空位程度等因素)，當騎士隊維特斯試圖封蓋倫納德，EPV值降至1.58。這一進攻帕克雖然沒有直接得分，但是整個進攻回合的終結(jié)與他的突破和傳球密切相關(guān)。通過這個方法可見，從初始階段的持球(0.86)到最后傳給底角的倫納德投籃進球(1.58)，帕克的一系列動作為本次進攻贏得了0.72分。作為新型的數(shù)據(jù)提取技術(shù)，EPV為全面評估運動員的真實價值提供一種新的思維想法，這種可視化數(shù)據(jù)分析技術(shù)結(jié)合基礎(chǔ)數(shù)據(jù)和高階數(shù)據(jù)將可能成為未來籃球數(shù)據(jù)分析的主流。

注：紅色代表騎士隊，黑色代表馬刺隊。

圖 5 馬刺隊進攻階段EPV變化動態(tài)折線圖

Figure 5. The EPV Trend Line of Spurs Attack Stage

4 美國職業(yè)籃球聯(lián)賽大數(shù)據(jù)分析對球隊的重要價值

4.1 運動員挖掘

美職籃數(shù)據(jù)分析的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對數(shù)據(jù)進行專業(yè)化處理，應(yīng)用于運動員挖掘。大數(shù)據(jù)時代將對美職籃球隊運營管理模式提出新的挑戰(zhàn)，也帶來新的市場機會。換言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵，在于提高對海量數(shù)據(jù)的“分析能力”。自從莫雷在2006年創(chuàng)立MIT斯隆體育峰會以來，數(shù)據(jù)分析對運動員選秀、簽約、合同的指導(dǎo)作用便是峰會的長久議題。計算機專業(yè)出身的莫雷之所以能夠成為美職籃球隊的總經(jīng)理，也正是因為這個能力。火箭或許是聯(lián)盟中發(fā)掘低順位新秀最優(yōu)秀的球隊，斯科拉、蘭德里、海耶斯、布魯克斯、帕森斯等成功案例不計其數(shù)。而且多年以來，火箭大多都能保持攻防均衡，有著足夠競爭力的同時也能控制球隊預(yù)算。大數(shù)據(jù)分析為火箭隊教練員和總經(jīng)理在配置運動員和排兵布陣時提供理論借鑒。

4.2 戰(zhàn)術(shù)打法

競技體育中數(shù)據(jù)分析的作用越來越明顯，美職籃使用數(shù)據(jù)分析引領(lǐng)球隊攻防策略的代表是休斯頓火箭隊。自2011年以來，投籃選擇的議題便出現(xiàn)在了MIT斯隆體育分析峰會上，研究者得出的結(jié)論是遠距離中投是籃球運動中最低效的進攻手段，同時3分球是回報最高的投籃方式。從此，火箭開始將3分球作為最重要的進攻手段。增加3分球、減少中投的出手比重已經(jīng)成為球隊進攻策略。根據(jù)美職籃官方網(wǎng)站提供的2014-2015賽季球隊常規(guī)賽Tracking Shots數(shù)據(jù)，火箭隊常規(guī)賽82場比賽共投出了2 080次3分球，領(lǐng)先第二位騎士427球。同時，火箭隊是中投最少的球隊，根據(jù)STATS公司提供的2014-2015賽季火箭隊Sport VU分析報告，他們在中距離區(qū)域(Mid-Range)區(qū)間的出手次數(shù)為場均8.9次，為聯(lián)盟最低。

4.3 訓(xùn)練監(jiān)控

通過數(shù)據(jù)來觀察運動員的比賽狀態(tài)，制定訓(xùn)練計劃已得到美職籃球隊的認可。根據(jù)Sport VU數(shù)據(jù)，數(shù)據(jù)分析師會給予運動員和教練員建設(shè)性意見，如果運動員跑動距離和速度降低，但是心率水平還是很高，說明運動員處于疲勞狀態(tài)。馬刺隊在健康分析方面是美職籃的領(lǐng)先者，他們會根據(jù)追蹤數(shù)據(jù)來決定是否讓運動員輪休、降低訓(xùn)練強度?？梢哉f數(shù)據(jù)分析是球隊決策過程中的決定性因素，也是大數(shù)據(jù)時代發(fā)揮數(shù)據(jù)價值的關(guān)鍵環(huán)節(jié)。

5 大數(shù)據(jù)分析對中國職業(yè)籃球聯(lián)賽的主要啟示

大數(shù)據(jù)技術(shù)正在給體育領(lǐng)域帶來翻天覆地的變化，數(shù)據(jù)分析是否能跟上數(shù)據(jù)爆炸式增長將成為衡量數(shù)據(jù)運用能力的主要標志,對數(shù)據(jù)的占有和控制將會是未來體育領(lǐng)域新的目標。在籃球數(shù)據(jù)分析領(lǐng)域，中國職業(yè)籃球聯(lián)賽(以下簡稱“中職籃”)與美職籃的差距體現(xiàn)在賽場硬件設(shè)備、網(wǎng)站維護、統(tǒng)計軟件、專業(yè)統(tǒng)計人員以及數(shù)據(jù)的全面性等方面。我國籃球數(shù)據(jù)分析應(yīng)當借鑒美職籃的成功經(jīng)驗，建立完善的數(shù)據(jù)分析體系，才能適應(yīng)時代發(fā)展。

5.1 加強中國職業(yè)籃球聯(lián)賽數(shù)據(jù)分析人才培養(yǎng)

任何一個行業(yè)的發(fā)展都離不開專業(yè)人才的培養(yǎng)，作為體育數(shù)據(jù)分析行業(yè)的重要組成部分，數(shù)據(jù)分析師和數(shù)據(jù)開發(fā)師在職業(yè)體育中具有重要地位，數(shù)據(jù)分析人才的數(shù)量和質(zhì)量影響到體育事業(yè)的發(fā)展。數(shù)據(jù)對于教練員和運動員來說就是潛在的情報信息，我國面臨的瓶頸并不是來源于數(shù)據(jù)，而是缺少數(shù)據(jù)分析人才。2014年4月清華大學(xué)成立數(shù)據(jù)科學(xué)研究院，培養(yǎng)多學(xué)科交叉的大數(shù)據(jù)碩士。中職籃可以廣納賢士，積極吸收相關(guān)交叉學(xué)科人才為聯(lián)賽服務(wù)，發(fā)揮其數(shù)據(jù)分析和數(shù)據(jù)運用能力，促進聯(lián)賽向更高質(zhì)量發(fā)展。

5.2 引進先進數(shù)據(jù)統(tǒng)計設(shè)備，提高聯(lián)賽數(shù)據(jù)統(tǒng)計分析科技含量

引進國外先進技術(shù)設(shè)備，是提升聯(lián)賽品質(zhì)的必由之路。中職籃經(jīng)過20年的發(fā)展，資金投入的力度越來越高，聯(lián)賽在競技水平、商業(yè)價值、社會影響力等各個方面都取得長足進步，無論是比賽精彩程度，還是關(guān)注程度，都達到了前所未有的高度。但是在數(shù)據(jù)統(tǒng)計領(lǐng)域，特別是數(shù)據(jù)分析軟件和硬件配備，中職籃與美職籃存在較大差距。當前，美職籃所有比賽場館都配備Sport VU設(shè)備，記錄運動員和裁判員的運動軌跡。Synergy體育科技公司2008年同美職籃官方達成合作協(xié)議，美職籃官方向Synergy公司提供40萬小時的比賽視頻以及錄像集錦，Synergy公司使用Synergy NET Editor技術(shù)剪輯視頻，將每個視頻分類，同比賽數(shù)據(jù)結(jié)合在一起供美職籃球隊使用，這大幅削減教練團隊工作量。我國籃球比賽分析主要采用錄像分析法，教練員需要花費大量的時間來研究比賽視頻，靠自身的經(jīng)驗分析比賽。

5.3 加強與互聯(lián)網(wǎng)機構(gòu)合作，逐步完善中國職業(yè)籃球聯(lián)賽數(shù)據(jù)查詢系統(tǒng)

過去20年，互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)和智能搜索對社會產(chǎn)生了巨大的影響。美職籃是與互聯(lián)網(wǎng)機構(gòu)全方位合作的典范，中職籃與互聯(lián)網(wǎng)機構(gòu)的合作也已經(jīng)開始，但是主要集中在互聯(lián)網(wǎng)傳播領(lǐng)域，籃球數(shù)據(jù)查詢網(wǎng)站限于中職籃官方網(wǎng)站和各大門戶網(wǎng)站，可查數(shù)據(jù)為基礎(chǔ)的常規(guī)數(shù)據(jù)。由此可見，在數(shù)據(jù)分析領(lǐng)域同互聯(lián)網(wǎng)機構(gòu)的合作還有待加強。中國正在研究制定“互聯(lián)網(wǎng)+”行動計劃，推動各行各業(yè)依托大數(shù)據(jù)創(chuàng)新模式，實現(xiàn)融合發(fā)展，中職籃應(yīng)抓住機遇，依托互聯(lián)網(wǎng)優(yōu)勢資源，引入美職籃先進數(shù)據(jù)管理模式，逐步建立完善的數(shù)據(jù)查詢系統(tǒng)，進一步提升聯(lián)賽品質(zhì)。

6 結(jié)束語

大數(shù)據(jù)作為云計算、物聯(lián)網(wǎng)之后IT行業(yè)又一大技術(shù)革命，已經(jīng)滲透到當今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，大數(shù)據(jù)分析成為決策最為重要的參考之一，美職籃面對數(shù)據(jù)規(guī)模的爆炸式增長，依靠強大的數(shù)據(jù)科學(xué)團隊，改變了美職籃數(shù)據(jù)收集和處理的理念和方式。當前，我國籃球基于大數(shù)據(jù)技術(shù)的數(shù)據(jù)分析成果有限，中職籃主辦方、各俱樂部應(yīng)把握時代潮流，積極借鑒吸收美職籃大數(shù)據(jù)相關(guān)理論和實踐經(jīng)驗，引入先進的技術(shù)設(shè)備，進行數(shù)據(jù)統(tǒng)計升級換代?；@球領(lǐng)域研究者應(yīng)結(jié)合實際情況進行大數(shù)據(jù)分析相關(guān)研究，為中職籃的創(chuàng)新、驅(qū)動、發(fā)展、轉(zhuǎn)型提供智力保障。

[1]程學(xué)旗,靳小龍,王元卓,等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報，2014,25(9)：1889-1908.

[2]黃欣榮.大數(shù)據(jù)對科學(xué)認識論的發(fā)展[J].自然辯證法研究，2014,30(9):83-88.

[3]胡勇.大數(shù)據(jù)如何改變NBA[EB/OL].(2014-09-30).http://content.businessvalue.com.cn/.

[4]鄔賀銓.大數(shù)據(jù)時代的機遇與挑戰(zhàn)[J].求是.2013,(4):47-49.

[5]王峰.美國職業(yè)籃球聯(lián)賽數(shù)據(jù)管理模式所引發(fā)的結(jié)構(gòu)變異[J].中國體育科技,2015,51(1):20-27.

[6]徐子佩.大數(shù)據(jù):正在到來的數(shù)據(jù)革命[M].桂林:廣西師范大學(xué)出版社,2014:319-321.

[7]楊旭,湯海京,丁剛毅.數(shù)據(jù)科學(xué)導(dǎo)論[M].北京:北京理工大學(xué)出版社,2014:157-162.

[8]BHANDARI I S,COLET E,RARKER J,etal.Advanced scout:Data mining and knowledge discovery in NBA data[J].Data Min Knowl Disco,1997,1(1):121-125.

[9]GOLDSBERRY K.Courtvision:New visual and spatial analytics for the NBA[C]//MIT Sloan Sports Analytics Conference,2012:3-6.

[10]HOLLINGER J.Pro Basketball Forecast:2005-2006[M].USA:Potomac Books Press,2005:6-8.

[11]JAMES B,HENZLER J.Win Shares[M].USA:STATS Publishing Press,2002:23-31.

[12]MAHESWARAN R,CHANG Y H,HENEHAN A,etal.Deconstructing the rebound with optical tracking data[C]//MIT Sloan Sports Analytics Conference,2012:5-7.

[13]OLIVER D.Basketball on Paper[M].USA:Potomac Books Press,2004:29-31.

[14]PIETTE J,ANAND S,ZHANG K.Scoring and shooting abilities of NBA players[J].J Q Anal Sports,2010,6(1):1-23.

[15]REICH B J,HODGES J S,CARLIN B P,etal.A spatial analysis of basketball shot chart data[J].Am Statistician,2006,60(1):3-12.

Research on the Data Analysis of NBABased on Big Data Technologies

YANG Zhen-xing1,YANG Jun2,BAI Jie3,LIU Lin-xing2

This paper mainly uses the research method and data analysis to study the development of NBA League data,data resources and advanced data analysis system and application.The results show that:1)The NBA data analysis system based on big data technology has been established,data application ability and data transformation has changed the basketball data management mode.2) The technology of large data analysis has important practical significance to players digging,tactics and training monitoring.Suggestions:CBA League should accelerate the construction of data analysis of talent training system;the introduction of the equipment of advanced data statistics;strengthen cooperation with institutions of the Internet,gradually establish the CBA improve the data query system,build their own data analysis system,the innovation of China's Professional Basketball League driven development to provide intellectual support and scientific guidance,to contribute to the construction of the professional sports power.

bigdata;NBA;U.S.A;China

1002-9826(2016)01-0096-09

10.16470/j.csst.201601014

2015-06-15；

2015-09-14

楊振興(1982-)，男，山東濱州人，講師，碩士，主要研究方向為籃球教學(xué)與訓(xùn)練，E-mail：bsu2008@sina.cn；楊軍(1957-)，男，山東濱州人，副教授，主要研究方向為籃球教學(xué)與訓(xùn)練，Tel：(0543)3190016，E-mail：zhenxing0543@163.com；白潔(1960-)，女，回族，北京人，副研究館員，主要研究方向為體育信息學(xué)，Tel：(010)87183069，E-mail：baijie@sport.gov.cn；劉林星(1980-)，男，黑龍江人，講師，碩士，主要研究方向為籃球教學(xué)與訓(xùn)練，Tel：(0543)3190016，E-mail：399708661@qq.com。

1.首都師范大學(xué) 體育教研部，北京 100048；2.濱州學(xué)院 體育系，山東 濱州 256603；3.國家體育總局 體育信息中心，北京 100061 1.Capital Normal University，Beijing 100048，China；2.Binzhou University,Binzhou 256603，China；3.General Administration of Sport of China，Beijing 100061，China.

G841

A