威廉姆斯
它总是很难把你的眼睛离开威廉姆斯。但在今年的美国公开赛上，这将是特别困难的，那里的网球冠军正在朝一个季节大满贯。她只是这么好。但它是什么，正是这使她如此好？
当然，我们都可以猜测 - 这是她的力量，她的服务，她的耐力，她控制点的方式。但我们无法准确计算出什么使她的游戏如此特别。 IBM认为可以。
自1990年以来，IBM一直与美国网球协会合作，支持美国公开的技术基础设施。回到当天，这意味着生成分数并保持网站正常运行。今天，它意味着做这些事情，同时分析关于每个球员，每个统计，每个点，在每个锦标赛的数百万的数据点，延续了几十年，以获得关于一个给定的比赛或事业将发挥的洞察力。
下一个塞雷纳
除了美国公开赛，IBM现在也与澳大利亚公开赛，法国公开赛和温布尔登公司合作。随着多年来这种分析操作的扩展，IBM创造了一个罕见的窗口，不仅是哪些玩家最有可能赢，但为什么他们会赢，以及他们的对手可以做什么来改变。换句话说，数据告诉他们什么使网球运动员好。这种知识对我们观察和理解运动本身的方式变得越来越重要。
以威廉姆斯为例。根据IBM，在平均比赛中，威廉姆斯服务65个ace - 网球凌for为她的对手不触摸。结果，她赢得了平均83％的游戏她服务。根据IBM的数据，威廉姆斯的表现远低于其他女性玩家，这可以捕捉球员在球场上的摄像机和球的位置。 IBM计算出威廉姆斯每分钟平均行走25.5英尺，而像GarbiñeMuguruza这样的球员平均每分钟跑36.6英尺。虽然她的服务游戏强，她的回报游戏也是。在一场平均比赛中，威廉姆斯赢得了她的对手的33场比赛。
但可以说，比理解威廉姆斯的比赛更强大的是能够应用这个知识给所有其他女性网球运动员，以确定谁可能成为下一个威廉姆斯的最佳机会。这就是IBM的数据量派上用场的地方。今年，公司过滤了整个女性竞争对手的阵容，找到哪些，如Serena，有很强的服务百分比和强大的回报率，并降落在两个球员：CoCo Vandeweghe和麦迪逊钥匙，他们都没有排名在前10。
“没有人有Serena的回报，但这两个是最接近的，”在IBM的赞助营销团队工作的Elizabeth O'Brien说。 “这是找到杠杆，你可以将你的百分比提高2个百分点，4个百分点。
这个过程也可以揭示玩家的弱点。例如，玩家的第二服务通常比第一服务慢，因为玩家正在谨慎。 IBM可以通过分析玩家在他或她的第二次服务中赢得多少分来研究该策略对任何给定玩家的效果。该公司可以进一步深入挖掘，看看这些点赢得了多少这些点对有特别强的回报的对手。如果玩家赢得这些积分，没有理由改变策略。如果玩家没有赢得这些积分，可能会有。
IBM可以获得更细致的分析，当玩家下跌几个点时分析玩家的窒息可能性，或者当他们的对手距离赢得游戏一分钟时，他们的投放百分比如何变化。 IBM已经将其一些基本分析变成了粉丝的工具。例如，它的SlamTracker赢咖4平台实时分解比赛数据。它还推出了一个功能称为键匹配，分析历史数据，以确定一个玩家击败另一个玩家，考虑到两个玩家的优势和弱点和过去的表现数据将需要什么。
这些工具和其他工具正在被评论员，记者以及在某种程度上使用，甚至包括接收每个匹配的USB记忆棒的玩家和他们的教练，完成了IBM的分析。但是IBM对这些玩家的大多数了解都是以特别的方式进行的，要求人们提出一个问题，然后通过数据库搜索答案。 “拥有该领域知识有助于我们找出在哪里查找异常，当我们发现异常，例如异常慢的平均秒服务，那么我们知道在哪里运行查询，”O'Brien说。
然而，IBM的希望是有一天使用其赢咖4工具，如Watson，在没有人类帮助的情况下寻找这些异常。 “这将是有趣的，因为我们继续评估沃森，”她说，“如果沃森可以学习问题，并且系统是到位回答这些问题，这是一个良性循环。
