“”近年来在IT业界中非常流行，其收集针对某种事物、行业等大量专用数据，并且对这些数据进行进行专业化的分析处理，对各个公司、机构以及个人等等提供有价值的分析结果和咨询意见，把海量的数据转换成有价值的力量。如利用Google流感趋势利用搜索关键词预测禽流感的散布，警察局利用大数据预测犯罪的发生，商家利用大数据为消费者定制相应的独特的个性服务等等，这些已经越来越常见。而对于职业运动员而言也非常强调训练的科学性，同样利用大数据对训练、比赛的数据进行分析，针对自己的不足进行针对性的训练，从而全面提升竞技水平。

在刚刚结束的亚洲杯足球赛中，细心的人会发现在赛前训练时国脚们会穿着一件黑色的运动背心，不少媒体以为这件背心的作用只是“吸汗或透气”，但实际上其拥有很高的科技含量：它是监测球员身体状况的装置，其背后设有一个安装袋，可以将跟踪器放入袋子里，让跟踪器紧贴背部，同时胸前安装一条心率带，可以实时收到各种心率数据，计算运动员的速度、加速度、冲击力等数据。这个装置能完善地监控球员的体能状况，并把球员的身体状况实时传到场边的电脑上，让教练一目了然。

通过这些装备可以长期收集每一个足球运动员的训练数据，记录球员实时心肺功能状态，通过特殊公式将数据量化，教练在电脑能实时看到，就像玩足球游戏一样。一段时间之后，通过专业的软件对这些数据进行分析和处理，就能够让教练组团队对每一个运动员的训练情况、身体状况进行详细的了解，针对每个队员不同的身体情况进行针对性的训练，达到更好的训练效果。

当然除了对专业的运动员和教练员提供分析结果之外，通过大数据系统也能够同样帮助提升赛场转播的质量。如在网球、篮球比赛中，转播商都会将该场比赛球队或者运动员的比赛数据呈献给观众，让观众更好的观看和分析这场比赛，毕竟目前观众的水准也在不断提升。可以说目前的竞技体育中大数据已经无处不在，那么除了这件看似神秘的运动背心之外，职业运动员是如何通过大数据来提升自身水平呢？

作为“世界第一运动”，虽然足球在烧钱的程度上不如赛车，但是在科技配备上却一点也不落后。足球运动员在比赛以及辅助训练的装备上一直在不断升级，进入“大数据”时代后，不论是知名足球俱乐部以及国家队都花费重金采购相关的仪器和设备，增加训练的效果。其中最为知名的就要数“米兰实验室”了。

“米兰实验室”是由意大利AC米兰俱乐部特别设立的高科技研究中心，其在2002年3月正式投入使用，它是科技、IT、控制论和心理学完美结合的代表，对运动员的心理和身体状况进行最优化的管理。米兰实验室在信息搜集处理方面采用的是最先进和最具创新性的软件技术。其通过球员数据库的建立、大数据管理及分析及球员状态预测，最后通过大数据分析的结果进行伤病的诊断和恢复。

通过各种芯片感应系统，米兰实验室的工作人员可以搜集和处理数据，并能自学般的在处理所储存的信息时不断更新，找出哪些因素在球员遇到的“危险事件”中占主导地位，以对未来的发展作出更为现实的预测。运动员的竞技状态是由三个子系统共同影响的：结构、生化和精神。因此，有关每个球员心身健康的信息都被米兰实验室通过一个由Unysis开发和AMD提供硬件设备的精细布线系统搜集起来，然后由Computer Associates开发的软件系统对获得的信息进行分析，最终的结果则是由极具创新性的Pas（Predictive Analysis Server，预测分析服务器）独家技术分析得出，而该系统的功能主要是用来预见和提示球员可能遇到的风险事件，通过针对性训练解决或避免这些风险。

米兰实验室的核心就是对球员数据的采集、管理分析和球员状态预测。这套系统由Unysis, AMD, 和Computer Associates等世界知名公司提供。米兰实验室通过大数据的分析为俱乐部提供了很多有价值的建议，如购买卡福等老将减少球队运营成本，但在米兰实验室的帮助下这些老将们状态出色，很少受到伤病困扰。甚至米兰实验室还通过数据纪录分析，提供给时任主教练安切洛蒂一个“惊人”建议：弃用鲁伊科斯塔，启用当时还是初出茅庐的卡卡。而卡卡通过优异的表现帮助AC米兰队在2007年拿到了历史上第七座欧冠联赛冠军奖杯，大大增加了米兰实验室的声望。

进入智能时代之后，各种可穿戴式设备如雨后春笋般的出现。不过在这些设备问世之前，职业足球运动员以及他们的训练师就已经开始使用“智能”足球鞋和足球来分析训练时的数据了。几年前，知名运动品牌就推出了这样一款可以放置传感芯片的足球鞋adizero F50 III，以及内置了感应芯片的足球micoach football，用来捕捉球员踢球时的各种数据。

在智能足球鞋方面，它最大的特点就是在左脚处设计了一个芯片槽，可以放置专用的感应芯片（这颗芯片需要单独购买），其可以记录运动员的跑动距离、冲刺速度、冲刺次数、冲刺距离以及运动时间等等，这些数据都可以传输到PC、手机以及平板电脑中，通过专业的软件进行记录、整理与分析，为球员、教练甚至是队医提供参考。

而智能足球也能够起到类似的作用，不过重点更多在测试触球的数据上，如射门、传球等等，它内置了几颗极小的悬浮传感器，记录下每一次触球的数据，如受力大小、受力点的位置、旋转的程度、分飞行的轨迹等等，并且其内部由12个碰撞吸能臂组成的系统在保护电子元件的同时能够避免干扰皮球的自然飞行线路。感应器捕获到这些数据之后可以将它们传送到手机和平板电脑中进行分析与处理，告诉你为什么无法踢出“贝氏弧线”，或者为什么刚才那一脚射门成为了“高射炮”。

说到数据分析，网球赛事中的各种数据呈现应该是最为频繁的，单从电视(参数 图片 文章)转播中我们就能频繁的看到每个选手发球速度等信息，并且每进行完一盘就能看到相关的技术统计，而“鹰眼”这样的高科技设备也是率先使用在网球中，因此相对于其他运动而言，各种最新的科学技术都率先应用在网球领域中，而大数据也同样如此。

从几年前开始，IBM等企业就为四大满贯、皇冠赛等重要赛事提供大数据分析服务，不但为球员和相关教练，而且也为电视直播提供帮助，因此我们才能在电视直播的过程中看到各种“高大上”的数据分析，如球员在不同比赛中发球的轨迹和速度，以及击球点的位置及分布等等。

同时经过IBM SlamTracker等这样专业的软件分析，还可以给职业球员一些比赛策略方面的建议，如今职业球员和教练都会通过这些大数据来制定比赛策略与战术。比如在2013年美国网球公开赛半决赛李娜与小威廉姆斯的比赛前，IBM通过对之前以往所有运动员比赛各种数据的分析和处理，提出了本场比赛获胜的三大关键要素：一发得分率要超过69%，4到9拍相持时的得分比例要超过48%，发球局30：30或者是DUECE时的得分率要超过67%。而当时李娜在比赛中只完成了第二个要素，小威则完成了第一和第三个指标，最终娜姐0：2不敌小威，没有拿到通往法拉盛球场的门票。