NBA体育决策和数据挖掘分析

 业务挑战

体育运用大数据主要体现在以下三个方面： 预测比赛结果和奖牌归属；更好地训练运动员 。数据和模型驱动体育决策让获胜和成功变得更有可能，体育统计(Sports Analytics)成为体育竞争的“杀手锏”。最近我们被客户要求撰写关于体育统计的研究报告，包括一些图形和统计输出。

具体服务

要在运动中有效地使用分析，我们要知道如何处理数据、识别数据源、收集数据、组织和准备进行分析、从数据构建模型。

 从面向体育组织的咨询工作中，推动“数据科学即服务”。最终，实施我们的想法和模式。

数据源准备

随着网络的发展，数据来源丰富，有文本数据以及数字数据。通过爬虫技术抓取网络并利用应用程序编程接口（API），可以从公共数据源中获取很多信息。

构造

想要更好地了解在这些场景中大数据是如何进行预测性分析的，我们需要考虑在预测比赛时所需处理的数据性质。

首先确定关键指标，可用数据包括国别、赛事、成绩、运动员姓名、年龄、过往表现记录、赛场温度、观众出席率、昼夜等。

划分训练集和测试集

确定指标后，把数据分成两个子数据集，即训练数据集和测试数据集。

数据洞察

球员薪酬情况

职业运动队在劳动力市场上相互竞争，而明星球员的劳动力供不应求。薪资上限是保持竞争平衡所必需的,工资也帮助球队限制球员的支出。

美国最专业的运动员有薪资上限。NFL队的2016年薪金上限为5328万美元，平均工资约为270万美元。NBA球队在16赛季的薪金上限