IBM智能分析平台SlamTracker认为，李娜因为在两项关键赢球指标上表现不佳而出局。
关注网球比赛的人，一定还记得两周前中国网球选手李娜与美国选手小威廉姆斯(36.33, 0.10, 0.28%)的那场美国网球公开赛女单半决赛。虽然李娜一度挽救了6个赛点，但最终还是以0-6、3-6的成绩负于小威廉姆斯，遗憾止步四强。一个有意思的问题是，李娜到底输在了哪儿？
很多人在赛后认为，李娜出局是因为出现了过多的失误，也有人认为李娜在比赛中的心态出现了问题……。原因可能有很多，但大数据分析会告诉网球迷们，李娜在这场比赛中的关键点上确实表现不佳，而这有可能就是导致她出局的重要原因。
李娜为何败给小威
随着每年美网比赛的进行，很多网球迷会直接访问美网官方网站跟踪赛事的最新进展。而美网官方网站除了提供最快最新的赛事资讯之外，也提供了对每场比赛的详细数据分析。
这种数据分析是借助IBM(190.22, 0.75, 0.40%)智能分析平台SlamTracker完成的。SlamTracker平台的主要功能之一“Keys to the match”就是为球员制定赢球的策略。
在李娜与小威廉姆斯的比赛中，李娜一方获得赢球的关键包括3个指标：1、一发(首次发球)得分率超过69%；2、4-9拍相持中得分利率要超过48%；3、发球局30-30或40-40时得分率要超过67%。
而在实际的比赛中，李娜只完成了第二项指标，相比之下，小威廉姆斯则完成了两个指标。因此，据此分析，李娜出局这主要跟一发得分率低、双方平分时未能获得关键分数有关。
实际上，“Keys to the match”对每位球员制定的赢球策略不尽相同，有些球员的指标之一可能就是一发时球速需要超过176千米/小时。
此外，需要说明的是，SlamTracker虽然为球员制定了赢球的主要策略，但这不是说，球员必须完成部分或者全部指标才能取得胜利。在一些比赛中，双方球员可能发挥都不出色，都未能完成SlamTracker制定的指标。
大数据魅力
一般情况下，在每场比赛开始前，“Keys to the match”都会分析球员双方的历史交锋数据，这些分析为球员制定了比赛致胜的关键指标。而所有这一切，全都是基于对过去8年美网全部赛事数据进行大数据分析。
据IBM相关人员介绍，这些数据包含近万场比赛，而对于每场比赛，被分析的数据点将超过4100万个，其中包括比分、回合数、制胜分、发球速度、发球成功率、击球类型、击球数量等。
目前，IBM的SlamTracker技术在很多著名的网球比赛中都有应用，而最新的消息则是，中国网球公开赛也将采用这一项技术。在一些业内人士看来，虽然SlamTracker还不能百分之百地预测网球比赛的结果，但是较高的准确率也已经让人刮目相看。
实际上，大数据的魅力不只是表现在网球比赛中，在其他体育项目中也有应用案例。为了防止受伤，英国Leicester Tiger橄榄球队就采用了IBM的预测分析软件。
通过球员配备的传感器，球队将收集的45名球员的数据进行汇总和分析，判断哪些球员更加容易受伤，并据此进行球员受伤的风险预测并修改培训方案。
如今，Leicester Tiger橄榄球队通过预测分析来借助球员身体条件等相关数据提升球队表现，并逐年增强球队的竞争力。
数据分析已经深入体育运动，并且在改变体育运动的发展模式。
正如IBM专门从事业务分析和优化工作的Jeremy Shaw所指出的：“完全依靠天赋和直觉取胜的日子已经一去不复返了。”
