大数据时代运动训练科学发展趋势研究

摘 要：使用文献资料法，逻辑分析法，了解大数据主要有四个主要特征：大量、高速、多样、价值。同时分析传统数据时代运动训练科学的不足之处，第一，数据处理技术不完善;第二，数据统计速度较慢;第三，数据统计不全面。剖析大数据与运动训练科学结合的优点，对战术训练、个性化训练、运动损伤预防等方面有极大的帮助。由此预测未来运动训练科学的发展趋势，必将与大数据的结合越来越紧密;运动训练将走向更科学，更全面，更复杂的发展道路。

1 研究方法

1.1文献资料法

以运动训练，大数据为关键词在中国知网查找期刊共十余篇，硕博士论文数篇，各大体育期刊，医学杂志等渠道查阅竞技赛事，运动损伤等文献数篇，对大数据和运动训练科学做全面的了解与分析。

1.2逻辑分析法

对大数据和运动训练科学相关概念进行全面、正确、深刻理解，运用逻辑分析，从客观的角度分析运动训练科学未来的发展趋势。

2 研究对象

以大数据、运动训练科学为研究对象，分析各自的优缺点与特征。

3 大数据时代运动训练科学研究的现状

在NBA，科研人员利用Advanced Scout工具将球员在赛场上的各种表现进行数据化，从而方便教练进行针对性的战术安排”[1]2014年足球世界杯的冠军德国队在训练或比赛中也采用了SAPMatch Insights的大数据分析技术，用于捕捉球员的动作与位置变化等重要而细致的信息。[2]

4 大数据概念与特征

4.1大数据概念

大数据（big data），指不能在一定时间内用常规软件工具进行处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

4.2大数据特征

大数据有4V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。[3]

4.2.1 Volume（大量）

指收集和分析的数据量十分巨大，从TB级别，升到PB级别。由于现代大数据的发展，以TB、PB、EB 为数据计量单位的时代已经不复存在，世界将进入数据存储与处理的“ZB”时代。[4]

4.2.2 Velocity（高速）

高速度即数据流的快速处理。比传统的数据处理速度快了非常多。

4.2.3 Variety（多样）

多样化指大数据的类型多样化。比如网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型。

4.2.4 Value（价值）

大数据虽然价值密度在不断降低，但通过对大数据的交换、整合与分析从而找到数据之间的相互关联、产生重大发现，因此其整体价值在不断提高。大数据的影响力超凡而广泛，在政务、教育、健康、交通、产业等各领域将发挥着越来越大的作用。

5 传统数据时代运动训练科学的不足

5.1数据处理技术不完善

运动科学需要处理的数据增长速度加快而且容量很大，在业务和竞争压力方面，对于数据的实效性要求明显增高，而传统数据的处理技术对于这些需求难以应对，需要开辟全新的路径。

5.2数据统计速度较慢

运动训练科学研究需要以数据依据作为基础，这些数据理论基础是进行运动科学研究的本质，对于下一步运动科学的调整具有指导作用，传统数据时代在数据统计方面速度慢，需要大量的人力、物力来实现。

5.3数据统计不全面

运动科学中对于训练及比赛中的技术、战术安排，运动员在训练和比赛中的训练负荷量、疲劳程度掌控，伤病的预防等方面都需要得到系统的分析，传统数据时代对于这数据信息的统计明显较弱，很难适应当今运动科学的发展进程。

6 大数据与运动训练科学结合的优点

6.1大数据与战术训练

大数据将成为制定运动队发展战略与比赛战术的重要依据。[5]

数据分析与鹰眼技术的使用，让竞技体育己不简单是运动员体能与技能的比拼，更似一场高科技“厮杀”。

随着大数据在体育赛事中的不断应用，会有越来越多的人认识到大数据的重要性，可以预见，未来的竞技体育是离不开大数据和机器智能的。[6]世界竞技体育的格局可能会因大数据而改变。

6.2大数据与个性化训练

在传统训练中，由于缺乏制定个性化训练方案的客观依据，再加上教练员的精力、能力有限，针对不同的运动员制定不同训练方案难度很大，实际训练中，也难以实现“对症下药”，充分控摇运动员潜力。大数据分析技术为这一理念的落实提供了条件，使针对不同运动员制定个性化训练方案成为现实。

个性化训练方案的制定大致分为两步，第一步：收集运动员日常训练以及比赛的数据。第二步;建立运动员数据库。[7]

6.3大数据与运动损伤预防

运动损伤轻则影响训练的系统性，不利于运动员训练和比赛成绩的提升。重则对运动员的身心带來危害，甚至导致运动员过早离开赛场。如亚洲飞人刘翔，也不得不因为脚伤遗憾离开赛场。

7 大数据时代运动训练科学的发展趋势

7.1视角从局部转变为整体

在大数据运动科学研究中，将传统的局部研究转变为整体研究，利用许多运动细节信息的汇总分析，将每个动作从不同角度进行观察，研究每个战术及运动员的特点，以便分析出取胜的根本原因，为下一步战术部署提供先决条件，而对于运动员进行有针对性地训练，利用自身优势掌握全局。

7.2研究路径从假说驱动转变为数据驱动

大数据时代的运用，以数据驱动作为研究的基础，将大量运动数据收集起来，以这些数据进行分析和实验，得出相关结论，在此基础上提出需要解决的问题，用事实说话，更具有实效性，将传统的假说驱动研究路径向数据驱动路径的转变，促进了运动科学的研究发展速度。

7.3研究范式从简单化转变为复杂化

以往运动科学研究的范式趋于简单化，其追求精确性、随机性、确定性及线性的小数据处理方式。但是随着运动科学研究的深入，简单模式已不能适应时代的发展，简单化范式将被复杂性范式所取代，大数据研究环境下，对于运动训练在复杂性范式的理解的深入，有利于运动训练中指导大数据信息的归集，分析运动训练中大量数据，为研究者提供大量的复杂训练数据分析以及对未来形势的预测等。

8 结论

大数据时代为运动训练科学研究带来了全新的发展空间，对于运动员身体、动作等方面的数据，能够实现实时统计并进行分解，为下一步运动战术及动作研究方面提供了强有力的数据基础，大数据时代为运动科学研究提供了科学的数据及多视角分析。随着大数据时代越来越快地融入到运动科学研究中，运动科学与大数据的紧密结合。在对于运动训练手段、战术战略，运动员身体特征、比赛能力、运动训练和比赛中的监控水平、比赛的预测能力等方面都有不同程度的突破，大数据时代的运用为运动科学研究带来了全新的发展，今后大数据与运动训练科学的结合将更加紧密。

参考文献

[1] 杨澍.前台的竞技，后台的数据[J]，商学院，2013（10）：34～39

[2] 黄锴.德国队大胜C罗背后：大数据“操纵”足球？[N]，21世纪经济报道，2014，06，21

[3] 黄振豪.大数据时代运动训练科学研究的新方法探究[J]，当代体育科技，2018，8（8）：29～31

[4] 陈桂香.大数据对我国高校教育管理的影响及对策研究[D]，武汉，武汉大学，2017

[5] 任永生.“关于互联网+”视角下武术教育改革的思考[Z]，2015.07

[6] 吴军.智能时代：大数据与智能革命重新定义未来[J].智能制造，2017，10：58

[7] 刘宗梅，李克蕾.运动训练信息管理系统的研究与设计[J]，现代电子技术，2017，40（9）：54～57

作者简介：孙涛涛（1994.10），男，硕士研究生在读，贵州师范大学，贵州省贵阳市，550001，体育教育训练学。