在我的上一篇文章《体育和数据分析（一）：完美的搭档》中，我详细分析了体育和娱乐机构为什么和零售或消费品行业相似。在这篇文章中，我想在这个观点的基础上展开，讨论在运营一些根据数据进行决策的体育（球队、联盟和场馆）和娱乐组织（例如ESPN或“高尔夫频道”之类的媒体机构）时，所采用的一种全局性运营途径的关键组成。

在这种大背景下，想一下一个产业里的任何一名CEO的角色，可以想见有三个东西需要数据和有指导意义的分析：策略、执行和测量。就这三个东西的最简单的形式来讲，策略规定方向，执行是真正行动，测量可以让人们做出调整或纠正路线。我知道运营一个几百万的企业比这种简单归纳要复杂，不过如果先暂且按这种分析看，我们就可以看得出，要想让执行环节制造满意的结果，策略和测量都不能是过于简单的。

这时商务智能框架就该起作用了：利用商务智能框架把多种多样的数据点联系起来，以便在最快的时间勾画出一个企业状态的全貌，让企业能够在地上或云端移动平台上做出更快、更有根据的决策。因此，可以用三个词来形容：任何时间（Any Time），任何地点（Any Place），任何设备（Any Device）。我把这个21世纪的典型词汇称为AAA标准。

总结一下，这个方程式由两个主要部分组成：

（1）生意策略：与组织的视野和资源一致并为之服务
（2）技术解决方案：帮助策略的执行，和对结果的有效测量

在一个全局性的路径里，需要两部分合作，来提供一个360度的价值评估，既为产生可观的利润率，也为给生意的各方面提出有参考价值的意见建立基础。

所以，为了能实时或最快地进行分析，最好的解决办法就是利用一个紧密嵌入的强大的数据分析途径。采用这种途径，应该提供以下三类体育和娱乐产业的关键信息。

比赛统计数据
在这个领域里知名的数据包，包括球员和球队的比赛数据。数据的详细程度根据机构种类而不同。比如，NFL、NBA、MLB或FIFA里的一个典型队伍会收集细到单个球员在比赛日和平时训练中的个人表现数据，其中也包括星探和其它外部数据来源。而如PGA高尔夫球锦标赛和LPGA高尔夫球锦标赛的机构，可能只关心与球赛规则和球赛形式决定的官方数据。

比如，在高尔夫里，球员的比赛数据相比足球或篮球里球员的个人数据更加提前就决定了。一个高尔夫运动员一开始一轮比赛，要比较的数据就都落在定好的参数范围内了，除了比赛结果以外，通俗一点解释就是因为比赛的每一轮、赛程中的每一个洞，都遵循一个可以预见的模式。

相反的，足球和篮球就产生完全不同的数据。虽然它们的数据也是有结构的，比如，在足球里，我们关注跑动和截断，在篮球里我们跟踪犯规、助攻和防守，但是最终，随着足球或篮球比赛展开，这些都可以变化。一个球员可以只在1分钟内打比赛，也可以整场比赛都打。而且由于替换球员不受限制，预测就不太可能。所以每场比赛的独特数据会提供很多可供实时分析的组合。最后，像在《点球成金》中一样，数据分析会在球员选秀中或者在球场高处像控制室一样的小包间里发挥主要作用，分析师在里面边看一排排的电脑和电视屏幕一边实时把各种数据组成一幅“大图景”。

商业交易数据
这些数据服务于企业优化商业过程（销售、财政及人力资源等）以促进提高收入和利润的目的。比如，初级的收入分析会考察销售的门票数量，以及用不同的维度分割的收入数据，例如球票、市场推广或收入种类（广告收入、零售商品收入、特许销售等），以及用来分析趋势和季节性分析的时间维度。

这些通常是一些数据流，记录了机构自己组织的产生收入的活动的交易数据。同样地，它们也可以因为机构种类的不同而不同。比如，一支拥有自己的体育场的职业棒球联赛的球队，可能会关心特许销售的数据。要考虑的问题可能包括“卖了多少热狗？”，或者和一个酒店的入住率比较类似的，关注“体育场使用程度是多少？”（售出的座位数与体育场的容量之比）。场馆的哪个区域似乎利用不足？当把这些分析和球票以及零售的市场营销推广数据结合起来，简单的问题就变得有趣了，从这些数据里获得有价值的分析也会更复杂。

然而，在真的进行分析前，还应该先考虑这两个基本问题：

a. 作为一家体育机构，我们有能力针对上面的这些基本问题作出解答吗？

b.  如果我们有能力，那么我们能最快地实时提供有价值的分析和解答吗，不是等到比赛结束大家都回家了或者赛季结束之后，而是在比赛结束之前，在季后赛开始之前？

社交媒体数据
最后一个相关的就是通过社交媒体采集的数据，不论是通过已经建立的渠道，像Facebook和Twitter，还是通过体育机构自己开发的或其他第三方公司开发的移动设备应用。在目前已讨论的三种数据中，因为这种数据的非结构性属性，它的嵌入带来了最大的技术挑战。

它和球票交易或零售商品交易不同，后面的交易中——比如购买比赛中的一个座位和购买一件球衣——数据已经处于容易处理容易查询的形态（例如：一张球票包括比赛日期、赛场区域、座位号等等，球衣的购买包括价格、尺寸和颜色等等），而社交媒体的数据必须进行特殊处理才可以进行分析。

统计“赞”的次数和推特（twitter）消息数是容易，但是从中发现关于球迷的喜好、情绪和行为的分析和趋势就不那么容易了。随着社交媒体的使用和扩散越来越快，从社交网站提取有用的分析和见解的能力也在快速提高。我们现在有能够从用户的发布中提取出分析性见解的技术解决方案，包括从“赞”、“不赞”以及买家（球迷）的感情激烈程度中提取。我们是不是应该跟踪和优化市场推广中的社交媒体这一组成模块？把客户（球迷）的想法变化和推广活动、促销、新闻及其他事件关联起来是不牵强的。

（本文原作者为Kaan Turnali，本文为翻译内容）

转载请务必注明来源：禹唐体育