大數據生意經，如何改變美國職棒MLB

對MLB球隊的教練而言，除了場上的表現之外，他們需要利用這些數據來了解球員的特點，幫助他們改進弱項、發揮優勢，然后以此制定場上的戰術，并且根據球隊的人員構成變化來推動球隊風格變化來保持長久的競爭力。這樣的案例在MLB中并不鮮見。隨著「大數據」在球隊的發展方面發揮出越來越突出的作用，大家也開始越來越重視大數據和應用。

產業誰能創造出優勢的話，那么，誰行呢？更好的數據！

2014年10月底，美國MLB職棒大聯盟中舊金山巨人隊擊敗各州高手，奪下冠軍，引發當地民眾狂歡慶祝。

在每年春季訓練開始前，各職棒隊伍開始整軍訓練，準備應付下一季的挑戰。其中有新球員加入，也有舊球員調度，誰可以成為先發球員，過去往往仰賴球探挖掘和教練的訓練。但近7年以來，球探和教練早已不是美國MLB職棒的唯一選角標準。

美國媒體Sporttechie陸續披露，大數據成為美國MLB職棒大聯盟的重要技術，成為美國棒球賽事的重要戰略分析工具，包括球賽的策略、教練如何管理球員、甚至對于改變球迷的看球體驗上，都形成巨大的影響。驗證了知名作家Michael Lewis所撰寫的小說「魔球」（Money Ball）劇情。

大數據改變判斷球員價值的方式

Datanami公司統計，2000年以來，美國棒球資料呈爆炸性的成長。光是一場棒球比賽，就可以收集超過1TB的數據，相當于30萬張以上的高畫質照片。以先發投手約100顆左右用球數來看，投出一顆球，就可以收集超過20種以上的數據，投球的進球角度、軌跡和手臂運動速度等，都是棒球比賽可能會用到的數據。專家甚至預測，隨著感測裝置和各種科技的推陳出新，搜集運動賽事的技術門坎會越來越低，未來一場棒球比賽收集到的資料量，更可能會爆炸到7TB。透過系統數據，團隊可以記錄球員的表現，改變判斷球員價值的方式，并決定哪些選手應該先發、哪些又應該下放到小聯盟。

大數據讓防守策略應用大幅增加

另一個大數據在美國MLB比賽中的重要影響，在于改變防守策略。

相較于攻擊，2000年以來，美國職棒采用「防守轉換」（defensive shifts）策略數明顯增加，關鍵在于內野教練可以透過Big Data分析對手什么時候可能會打安打，來決定場上球員防守的位置，是否應該退后到外野，或趨前防守等。大聯盟球隊改以防守代替進攻，降低對手的安打率。2010年MLB防守轉換策略的次數約只有2400次，但到了2013年，卻大增到8000次。