大数据分析运动员赛事数据-体育比赛大数据分析

1. 从数据分析看张常宁和李盈莹的实力对比，你觉得合理吗？

从数据分析看张常宁和李盈莹的实力对比，你觉得合理吗？

谢谢邀请。相同的场次，相同的对手，一个赛季下来，比赛数据可以反应两人的比赛能力的高低。19赛季，李盈莹进步明显，实力完全碾压张长宁。有人说国内联赛水平低，水平低的你都不行，水平高的国际比赛你就能行?完全是在自欺欺人?是一种妄想症。李盈莹以前确有短板，但进攻实力确比张常宁高。为了比赛显的流畅，发挥朱婷的威力，李盈莹首发少一些。但往往队伍在困难时刻，都会把李盈莹换上场，也充分说明了郎导对李盈莹的认可。19赛季小姑娘一传和防守能力的提高，已全面碾压张常宁，不争事实。朱李配将使女排所向披靡。相信李盈莹会在东京大放异彩。

谢谢你的邀请，从数据表上看，李盈莹的数据强些联赛成绩不错。

张常宁李盈莹都是主攻手，分属于二个不同的俱乐部，各自在本队的作用都很重要，俩人又同属于中国女排队员，数据己是过去时，所以我不赞成数据成为队员之间比较的工具。

张是老队员，资历高，经验多，李是新队员，资历浅，经验少。目前中国女排人员整齐，又值当打的，所以新队员入队人少，李能入选国家队也说明她是郎导重点培养的队员，当务之急是提高自己。

从中国排球协会***上获取的2019-2020排超联赛第二阶段数据：

天津与江苏、辽宁、恒大三个队的比赛共21局。

李盈莹数据：

222扣115中21失误4被拦，成功率51.8%，效率40.54%，局均得分5.48分；

206个一传，10个失误，局均9.81个一传，失误率4.85%；

拦网9分，局均4.29分；

60个发球，8个失误，失误率13.33%，得2分。

江苏与天津、辽宁、恒大三个队的比赛共24局。

张常宁数据：

240扣102中17个失误11个被拦，成功率42.5%，效率30.83%，局均得分0.425分；

122个一传，6个失误，局均5.08个一传，失误率4.92%；

拦网9分，局均0.375分；

100个发球，12个失误，失误率12%，得7分。

简单从数据上看，张常宁仅仅是发球得分环节有一定的优势。而在扣球、拦网、一传等几个环节明显处于下风。

所以，那些张常宁全面的说法，缺乏客观数据支撑。

我向来是认为，数据是反映球员个人能力的重要指标，而且是最重要的指标。举一个简单粗暴的例子，里约奥运会，中国女排夺得了奥运会冠军，12个球员全部获得了金牌，在这种集体荣誉下，只有朱婷一个人获得了国外顶级俱乐部的青睐，并开出千万年薪。正是因为用数据作为基础，朱婷才能获得mvp，拿着千万年薪，而其他队友数据差距太大，个人能力差距明显，就没有这样的机会。所以，数据反映了个人能力的差距。

而数据并不是全部，譬如，一场比赛的数据，说服力远远不及一系列比赛的数据，也远远不及对阵同一个对手前后多场比赛的数据的说服力。

朱婷能在奥运会拿到冠军，在母队河南参加中国联赛或者全运会，她就拿不到冠军，这样，她的某些数据将远远落后于成绩更好的队伍的主要得分手。譬如张常宁联赛的600多分，李莹盈联赛的800多分，甚至李莹盈单场45分的纪录也能打破朱婷在排超保持的单场43分纪录。但有一点，朱婷保持的最高成功率超过60的纪录，她们任何人都打不破。所以不是所有的数据都能完全反映个人能力，但其中最重要的数据最能反映个人能力的就是进攻成功率和效率。

张常宁和李莹盈在上个赛季的排超中，一个获得了第五，一个获得了第一，这是集体荣誉，抛开不谈。但这些成功率效率，一传到位率等，确实反映了李莹盈在这次排超比赛中，实力强过张常宁。

但这种级别的赛事的数据，拿到国际上还是说服力不够。张常宁和朱婷搭档，在中国女排体系里是一个成熟组合，而两人的年龄正处在当打的巅峰年龄，这种成熟的组合，是不会轻易被取缔的，而郎导手里还需要有一张底牌。这个周期，李莹盈努力干好替补的活就完成了任务，主打，未来的路还很长。

谢谢邀请！回答不好，浅显说一点自己的看法。我本人是相信数据的说服力的，要不，国家花那么多钱骋用数据分析师干什么？！郎导赛前制定方案也是靠对方比赛的数据做为第一手材料，因此，知己知彼百战不贻。李盈莹在联赛各项数据是很亮眼的，高过张常宁。但不可否认，天津有天津的一套打法，基本就是自由人、接应全力保李盈莹的一传，解放李的一点攻，另外外援也给力，历年联赛进决赛或夺冠军就是明证。来到国家队，盈莹受地方队影响的弊端就显现出来。打三流的波兰2:3输球，做为场上主打，李盈莹下三路短板暴露无遗，间接影响她的特长一一进攻，几乎就是得19分失18分。郎平赛后也毫不客气的预以批评，之后加强了补短***，李也竭力配合，师徒合力协奏"技术全面进行曲"。现在李盈莹再打波兰，相信就是砍瓜切菜，小试牛刀，一定是3:0的结局。但要比较技术逐渐沉稳成型的张常宁，我认为还是稚嫩了点。究竟她是否超不超过张常宁，只有赛场见数据了。