足球大数据:致足球怀疑论者-The Counter(s)-Reformation反教条改革

注:本序列文章都是本人对《The Numbers Game》书(豆瓣链接http://book.douban.com/subject/12274063/)的章节的翻译,

水平有限,如发现有错。敬请指导。

不论什么转载须说明转自http://blog.csdn.net/lingerlanlan。

本文链接:http://blog.csdn.net/lingerlanlan/article/details/31113203

在体育的世界里,事实强过于你的信念,由于事实能给你带来优势。Bill James如是说。

有这么七个词统治着足球世界:That’s the wayit’s always been done.意思是说。情况依旧如故。

漂亮的足球总是充满着传统惯例。她遵从着她的教条和事实,信念和信条。她被这么一群人经营着,他们不希望看到他们的势力受到局外人的挑战,他们认定他们看球的方式就是真正看球的方式。他们不愿意被告知,超过一个世纪。他们一直在忽略了什么。他们不曾知道一些事实。事情并非依照剧本来发展的。

漂亮的足球有益充满着愚昧,她时刻为变化准备着。

那些变化的中心就是数字。就是数字,会挑战着传统管理和逆转常规,超越实践和粉碎信念。就是数字,使得我们以一种前所未有的方式来又一次审视这个游戏。

每一个世界一流的的俱乐部都知道这个事实。所以他们都雇佣分析师职员,雇佣擅长于数据收集和解释的专家,这些专家利用全部能收集得到信息来计划培训课程。设计培训系统,策划转会。成千上万的英镑和成百上千的奖杯正在紧要关头。

每一个俱乐部都准备好了去做不论什么细节来取得虽然是非常小的优势。

可是,这些俱乐部眼下还没打算做的是。分析数据和看到内在的真相。

这不不过收集数据。你要知道的是怎样利用它们。

这是足球界最为前沿的。常常有人说。足球不能。不应该,被分裂为只的数据。批评者说。那样会从漂亮的游戏中移除了漂亮的特性。

可是。那些为了赢得冠军联赛或者超级联赛而奋战的俱乐部。还有为了举起世界杯而奋战的国家队。并非这么想的,当然我们也不是这么想的。我们相信。我们能收集的点滴知识能以各种错综复杂的自豪感帮助我们热爱足球。这就是未来。没什么能阻止这一切。

可是这并非说全部的足球的惯例都是错的。我们至今能收集和分析的数据证实了一些我们一直觉得的事实是对的。除了这,然而,数字能给我们很多其它事实,突出一些我们不能直观了解到的真相,暴露了“依旧如故”的谎言。遵从被仰慕的传统惯例和坚定的教条导致的最大的问题就是,他们会非常少被质疑。

知识是静态的。然而游戏本身和环绕着它的世界是会变的。

足球大数据:致足球怀疑论者-The Counter(s)-Reformation反教条改革的更多相关文章

  1. 年度钜献,108个大数据文档PDF开放下载

    1.大数据的开放式创新——吴甘沙 相关阅读:[PPT]吴甘沙:让不同领域的数据真正流动.融合起来,才能释放大数据的价值 下载:大数据的开放式创新——吴甘沙.pdf 2.微软严治庆——让大数据为每个人服 ...

  2. 使用 Python 抓取欧洲足球联赛数据

    Web Scraping在大数据时代,一切都要用数据来说话,大数据处理的过程一般需要经过以下的几个步骤    数据的采集和获取    数据的清洗,抽取,变形和装载    数据的分析,探索和预测    ...

  3. 人工智能大数据,公开的海量数据集下载,ImageNet数据集下载,数据挖掘机器学习数据集下载

    人工智能大数据,公开的海量数据集下载,ImageNet数据集下载,数据挖掘机器学习数据集下载 ImageNet挑战赛中超越人类的计算机视觉系统微软亚洲研究院视觉计算组基于深度卷积神经网络(CNN)的计 ...

  4. 大数据,why python

    大数据,why python ps, 2015-12-4 20:47:46 python" title="大数据,why python">http://www.op ...

  5. 零起点PYTHON足彩大数据与机器学习实盘分析

    零起点PYTHON足彩大数据与机器学习实盘分析 第1章 足彩与数据分析 1 1.1 “阿尔法狗”与足彩 1 1.2 案例1-1:可怕的英国足球 3 1.3 关于足彩的几个误区 7 1.4 足彩·大事件 ...

  6. 大数据篇:Hive

    大数据篇:Hive hive.apache.org Hive是什么? Hive是Facebook开源的用于解决海量结构化日志的数据统计,是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射 ...

  7. 分享MSSQL、MySql、Oracle的大数据批量导入方法及编程手法细节

    1:MSSQL SQL语法篇: BULK INSERT [ database_name . [ schema_name ] . | schema_name . ] [ table_name | vie ...

  8. C# TCP socket发送大数据包时,接收端和发送端数据不一致 服务端接收Receive不完全

    简单的c# TCP通讯(TcpListener) C# 的TCP Socket (同步方式) C# 的TCP Socket (异步方式) C# 的tcp Socket设置自定义超时时间 C# TCP ...

  9. WCF传输大数据的设置

    在从客户端向WCF服务端传送较大数据(>65535B)的时候,发现程序直接从Reference的BeginInvoke跳到EndInvoke,没有进入服务端的Service实际逻辑中,怀疑是由于 ...

随机推荐

  1. windows下的ubuntu

    办公用Windows确实方便,但对于开发和学习还是用Linux比较好. 在Windows下安装Linux子系统 windows10中推出了Linux子系统,这个功能对开发和学习来说真的很好,非常方便. ...

  2. MVC总结

    一.转自https://zhuanlan.zhihu.com/p/35680070 MVC无人不知,可很多程序员对MVC的概念的理解似乎有误,换言之他们一直在错用MVC,尽管即使如此软件也能被写出来, ...

  3. MgdDbg工具

    ArxDbg是可以查看AutoCAD内部数据结构的工具,可惜是C++的.从网上找到了一个.NET版本的MgdDbg,实现的功能与C++版本的差不多. 1.运行程序,你只要右键点击AutoCAD窗口,在 ...

  4. 【codeforces 505D】Mr. Kitayuta's Technology

    [题目链接]:http://codeforces.com/problemset/problem/505/D [题意] 让你构造一张有向图; n个点; 以及所要求的m对联通关系(xi,yi) 即要求这张 ...

  5. b.WHERE使用中多行子查询(适用于in,any,all条件)

    b.多行子查询(适用于in,any,all条件)   //查询与SCOTT和MARTIN在同一个部门的同事的编号和名称   select empno,ename   from emp   where ...

  6. SQL SERVER-in,between,like

    and 1 LIKE 操作符用于在 WHERE 子句中搜索列中的指定模式 ( 可以使用正则表达式) select * from [User] where UserName like '%r' -- 以 ...

  7. HDU 4325 Contest 3

    很明显的区间加减单点查询.但由于规模大,于是离散化.在离散化的时候,可以把要查询的点也加入离散化的数组中. #include <iostream> #include <algorit ...

  8. POJ 2480

    可以容易得知,F=sum(p*phi(n/p)).思路就断在这里了... 看过别人的,才知道如下: 由于gcd(i,n*m)=gcd(i,m)*gcd(i,n),所以gcd为积性函数.而积性函数之和为 ...

  9. java 基础概念 -- 数组与内存控制

    问题1: Java在声明数组的过程中,是怎样分配内存的? 在栈内存中 建一个数组变量,再在堆内存中 建一个 数组对象.至于详细的内存分配细节,还得看 该初始化是 数组动态初始化 还是 数组静态初始化. ...

  10. 机器学习之&amp;&amp;Andrew Ng课程复习--- 聚类——Clustering

    第十三章.聚类--Clustering ******************************************************************************** ...