体育界向来喜欢数据分析。事实上，很多专业团队都已经在决策流程中应用数据分析技术。这其中蕴藏着巨大商机。

在日前举办的MIT体育数据分析大会上，NBA前总裁兼总经理Bryan Colangelo表示，很多业务都开始采用数据分析。不过他也提到，让数据决策者相信并使用这些数据分析服务并不容易。

MIT体育数据分析大会

他说：“数据可以说是双刃剑，成也数据，败也数据。数据如果利用的好，能极大的促进业务的发展，但如果不能被正确的分析，也可能带来灾难。”

Colangelo认为数据分析应该越来越职业化，团队也应该聘请更多的数据科学家。这样才能缩小数据分析师和决策制定者之间的差距。而目前亟待解决的是如何把分析结果运用都运营中。

决策者之所以不相信数据分析工具，主要原因之一是数据质量不过关。NBA教练Stan Van Gundy认为，球队信息的录入很多都是错的，所以他基本不相信数据分析的结果。

比如，他的团队应该收集球队比赛信息，并持续关注球员在比赛中的表现，以了解球员的水平和特点。然而在和团队分析数据的时候，他发现数据的收集、整理和分析都完全不是他想的那样。

“我不相信数据。我不知道他们都记录了些什么!如果只是坐在那里看视频录像，那可就大错特错了。”

如何处理分散的数据资源也是一大挑战。美国职业棒球大联盟的应用开发和商务智能总监表示，组织一直拥有海量的数据，但如何处理的确是个难题。

球队目前有一个处理球员信息的数据库，包含球员的全部职业比赛数据、转会交易和个人信息。现在已经开始加入视频和相关新闻。目的就是要通过数据分析为球队决策提供支撑。目前球队面临的问题时还没有合适的可视化工具能够把不同类型的数据无缝地集成到一起。

那么，技术团队和球队是如何解决这些问题的呢?纳斯卡赛车的执行副总裁兼首席市场官Steve Phelps认为，首先要让管理者接受数据驱动决策。其次要从小处着手。如果组织能够快速部署一个有效的分析系统，团队会很乐意采用它。从一个小工程开始，项目会更容易完成。

Sacramento篮球控股公司Chris Granger表示，很重要的一点是，你知道自己要解决的问题是什么，然后再获取、处理相关数据。比如，他的公司就在票务市场上应用了数据分析，因为公司知道自己要解决什么问题，数据质量也过关，所以数据分析工具运行的很好。

Granger再次强调：“一定要知道自己面临的问题是什么。”