运用大数据提高中国棒球技战术水平

王祥茂 黄 卓

广州体育学院

运用大数据提高中国棒球技战术水平

王祥茂 黄 卓

广州体育学院

美国棒球比赛大数据应用由来已久。本文运用文献资料法和逻辑分析法，对美国职业棒球比赛大数据案例应用进行分析。对棒球比赛不同局面下跑垒员的得分率趋势、得一分可能性和运用触击战术规律进行探究。为提高中国棒球技战术水平和教练科研能力提供新的知识视角。

大数据（Big Date）指一般的软件工具难以捕抓、管理和分析的大容量数据。“大数据”之“大”，并不仅仅在于“容量大”，更大的意义在于：通过对海量数据的交换、整合和分析，发现新的知识，取之精华，创造新的价值，即“大知识”、“大科技”、“大利润”、“大发展”。如Viktor教授所说，大数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，绝大部分都隐藏在表面之下。数据收集是全体数据，不是精确数据，是混杂于互联网的各种数据，不是因果关系，而是相关关系。预测分析法建构在计算机科学和统计学基础上，决策时注重“数据驱动”，即以客观统计数据为依据，而不是“凭主观、感觉的判断”。在棒球训练准备期、集训期、比赛前期和比赛期教练通过分析数据制定科学训练计划和进行针对性训练、模拟对抗赛及临场比赛战术布局将成为常态，为日后夺取比赛胜利奠定良好基础。

美国职业棒球比赛的大数据应用分析

棒球比赛不同局面情况下，跑垒员的得分率趋势探析

棒球比赛不同局面情况下，击球员的平均得分率和出现相应局面的总次数见表1所示。如局面中第一位数字代表出局数，第二位数字代表1垒有无跑垒员，第三位数字代表2垒有无跑垒员，第四位数字代表3垒有无跑垒员。如：0000，表示0出局，三个垒上均无跑垒员；0011则表示0出局，二、三垒有跑垒员的局面。表1数据表明，在24种不同局面情况下，垒上跑垒员的平均得分概率。如在一出局和一、二垒有跑垒员的局面（1110），球员平均得分为0.97分，这种局面发生了4978次。在无人出局和二、三垒有跑垒员的局面（0011）和0111（无人出局，满垒）情况下，平均能得2分以上。

棒球比赛一垒有跑垒员，采用牺牲触击战术预期得分的分析

Adler（阿德勒）在2004年美国职业棒球比赛的赛季后，统计出一垒有跑垒员时采用牺牲触击战术预期的得分和可能造成的局面见表2。

应用表1棒球比赛不同局面下跑垒员得分概率数据，得出一垒有跑垒员触击后预期得分数为：.10（1.49）+.70（.71）+.02（.11）+.08（.55）+.10（.55）=.75runs。但如果一个打击率很高的击球员和球队的目标是需要得更多分数情况下，采用触击战术明显不适合球队目标。如是一个长打能力较差的球员，例如美国的棒球球员Joe（乔）生涯三振率高达85%，一垒安打仅10%，保送5%。如果Joe不采用战术触击，在一局的得分数可以预测得出：.85*E（1100）+1.0*E（0101）+0.5E（0110），E为预测得分所导致的局面。每一种局面的预测得分，代入表1中数据我们能发现一垒有跑垒员击球员自由击可能得分的概率为：.85（.55）+1.0（1.86）+.05（1.49）=.73runs。因此，对Joe来说，触击实际上能稍增加预测得分数。

棒球比赛一垒有跑垒员，采用牺牲触击战术预期得一分的探究

表1 不同局面情况下，跑垒员平均得分概率和出现次数（美国职业棒球2004赛季）

表2 一垒有跑垒员，采用牺牲触击可能造成的结果

在双方比分接近或某队只需得一分就取胜的比赛中，如轮到长打能力较弱和触击能力较强的击球员击球，采用触击战术是个好主意。美国多年统计表明，无出局一垒有跑垒员局面下，击球员采用触击至少得一分的预期概率为：.10（.625）+.70（.41）+.02（.071）+ .08（.272）+.10（.272）=.40。从表1的统计数据表明，在24种不同局面和无出局一垒有跑垒员情况下，采用任何击球方式，跑垒员至少得一分的可能性为.417。可见，触击或不触击至少得一分的概率是基本一样的，如轮到一位长打能力强的击球员，美国教练员是较少采用触击战术的。

结语

未来大部分棒球教练、协会管理者和球迷从依靠主观、感觉和经验做判断过渡到依靠数据做决策，将是当代网络大数据科学运用的最大贡献之一。

美国职业棒球大数据的案例应用分析，对提升中国棒球技战术水平和中国棒球队参加重大比赛创造佳绩将有现实价值和重要借鉴作用。

随着棒球比赛数据不断积累，教练团队、球迷开始掀起了从数据中获取财富的淘金热。但数据本身不是黄金。作为原始材料的数据只是枯燥无味的代码组合。只有从数据中提炼出来的规律和知识才是黄金。

许多运动项目逐渐借鉴棒球高端技术数据来提高本项目的技能，如网球的发球借鉴棒球投手投球技术，高尔夫挥棒借鉴棒球的击球技能等。相信未来研究职业棒球大数据的学者，将不再局限于棒球工作者，其他学科的运动家们也会把棒球大数据加入到他们研究行列，以达到触类旁通作用。

王祥茂（1961－）海南海口人，男，副教授，硕导，研究方向：体育教育理论与实践，棒垒球运动训练与体育教学方法。

2015年教育厅广东省大学生运动会科报会《探析大数据在棒球比赛中技战术的应用》获奖论文