“听”一场足球赛——当声音元素成为数据可视化的主体

      “众包”数据新闻工作者获取源数据的方式之一，简单来说就是让很多人一起生产数据，这些“人”可能就是该作品的受众本身。以体育比赛为例，球迷是实现“众包”潜在载体。

      目前体育类数据新闻作品大多聚焦于比分结果、过程性比分、判罚数据、某场比赛/赛季中运动员技术动作、运动员个人历时性数据统计、队服及其他装备样式等，其主体大多为比赛、运动员、裁判、教练、装备。而事实上，体育的社会功能之一在于娱乐性，娱乐的主体除了竞技带给运动员快乐之外，还有体育迷观看比赛获得的快乐。“粉丝”是体育比赛不可忽视的主体，也应该得到数据新闻的重视。

      那么问题来了——粉丝能有什么数据呢？买国安vs上港的票花了多少钱？不同年龄段的球迷喜欢哪些俱乐部？梅吹和罗黑怎么互怼？……

      买票花了多少钱：这个数据趣味性弱，“强强对决票价贵”的结果显而易见；球迷对俱乐部的喜爱情况：数据缺少科学性且不易收集；关于球迷态度的文本分析：有一定操作性，对分词的语法要求高，此外对语义分析的结果是否有新意存疑。

球迷数据可能存在的问题：

      第一，标准不统一。“喜欢梅西”，到底是多喜欢，就算是量化成0-10分，每个人对数字的理解也不一样。

      第二，采集方式不够科学，数据具有偶发性。“选取500位中传球迷作为样本”，这500人无法代表全世界球迷的看法，说服力较弱。

      第三，数据不易收集。个体数据具有偶发性，大规模收集群体数据具有一定难度。当然，可以考虑给工体每个座位按一个投票器，收集现场五万多球迷的偏好。只是开个玩笑，这种工程量之大可想而知；该方法也无法收集非现场的千万观众的态度数据。

      Economist联手Siemens（西门子）做了一组作品Reimagine the world，以声音为切口来看到平常之事。

      其中Reimagine the game以多场拜仁慕尼黑俱乐部（FC Bayern München）的比赛为例展示了球迷在比赛过程中的呼声大小变化。这一次，球迷成为了主角，该作品也通过声音这一元素实现了球迷的数据众包收集。这个是我看到的第一件让球迷行为成为主体的数据新闻作品。

      受众进入Reimagine the game后，首先可以对俱乐部进行选择，即哪支球队与拜仁慕尼黑的比赛。

      Reimaginethe game先给出90分钟全程球迷的声音音频并配以声音大小的3D柱状图。其中进球、犯规给牌、VAR等关键节点特殊标出，受众可点击回听特定的20-30秒音频。

      进入细分导航可以从以下4个方面对观众的反馈进行详细了解：Game Timeline， Fan Energy， Highlights， Players， Social Ripple.

Game Timeline（全局了解，悬浮可观看声音变化原因）

Fan Energy（详细了解现场观众的声音整体大小变化，通过量化指标来展现）

Hightlights（读者可点击进入goals、speacial moments、fans、attempts四个子项进行横向对比）

Players（读者可以看到呼声最高的前五名球员，即在他们进球、解围、阻挡时观众的反应最为强烈）

Social Ripple（可以看到比赛中、比赛前后12小时共2类时间范围内，推特上对2支队伍的态度）

      2018年10月6日，门兴格拉德巴赫主场对阵拜仁慕尼黑，门兴格拉德巴赫最终以3:0获胜。猜一下现场观众情绪最为热烈，或者说哪一时刻球迷声音最大？首粒进球时？追平比分的关键进球？都不是。通过Reimagine the game可以看到，当出现对主队“不利”的判罚时，现场观众反映声音最大！

比赛第10分钟，门兴格拉德巴赫收获首粒进球，此时观众的声音指标是75。

第16分钟门兴格拉德巴赫完成第二次射门，比分来到2:0，此时观众声音指标75。

比赛第68分钟，门兴格拉德巴赫球员完成射门，立刻被边裁判为无效——越位了（offside），此时观众的声音指标达到了82，这也是正常比赛最“吵”的时刻。

出现对主队的不利判罚时场内声音最大，这一点也是可以理解的。

为什么不是在主场进球或客场进球时声音最大呢？进球时，进球队非常兴奋，声音大；被进球的队伍可能会发出叹息声。主场的球迷数量肯定多，他们的声音会大于客队球迷的声音。

当主队受到不利判罚时，主场球迷肯定拍桌子暴怒啊，与此同时客队球迷会因对自己有利而欢呼。所以双方此时都处于“被点燃”的状态，自然此时声音最大。

Reimagine the game通过直观的数据（通过3D柱子的高低体现声音分贝的大小）阐明了这一事实，传递了某种意义上的新认知；此外，尝试了利用足球赛场上的数据的新方式。

文/Why