Sport in al zijn vormen, van Major League Baseball tot Fantasy Football wordt aangedreven door en produceert enorme hoeveelheden data, en geavanceerde datamining- en machine learning-technieken hebben nu een grote impact op sportdata-analyse. Een fascinerende verzameling onderzoeks- en perspectiefartikelen over het ontwerp, ontwikkeling, en evaluatie van methoden en hun gebruik in sportanalyses, zowel aan de zakelijke kant als in de game-strategie wordt gepubliceerd in een speciale uitgave van Grote gegevens .

Getiteld "Big data in sportanalyse, " de speciale uitgave werd geleid door mede-gastredacteuren Renato Assunção, doctoraat, Universidade Federal de Minas Gerais (Brazilië), en Konstantinos Pelechrinis, doctoraat, Universiteit van Pittsburgh (PA).

In de speciale uitgave staat het artikel "Effecten van stimulatie-eigenschappen op prestaties bij hardlopen op lange afstand, " co-auteur van Arie-Willem de Leeuw, Laurentius Meerhoff, en Arno Knobbe, Universiteit Leiden (Nederland). De onderzoekers gebruikten openbaar beschikbare gegevens van meer dan 120, 000 lopers die deelnemen aan officiële races, focussen op hun tempostrategie of hoe snel ze rennen in verschillende stadia van de race en hoe dat hun algehele prestaties kan beïnvloeden. De auteurs beschrijven hun dataminingmethode, die eenvoudige patronen produceert die zowel professionele als amateur-lopers ten goede kunnen komen.

Andrew Urbaczewski en Ryan Elmore, Universiteit van Denver (Colorado), droeg een artikel bij met de titel "Big Data, efficiënte markten, en het einde van de dagelijkse fantasiesporten zoals we die kennen?." De onderzoekers stellen voor dat de beschikbaarheid van big data, de huidige computerkracht, en efficiënte markthypothese zal het relatief nieuwe fenomeen van dagelijkse fantasiesporten drastisch veranderen. Ze bespreken de effecten van het toepassen van vergelijkbare technologieën op andere markten als een vergelijking om te begrijpen wat er in het verschiet ligt voor dagelijkse fantasiesporten.

"Big data en kunstmatige intelligentie veranderen de sportwereld. Professionele teams en andere belanghebbenden huren steeds vaker machine learning-experts in om niet alleen marketing, kaartverkoop, en betrokkenheid van fans, maar ook conceptselectie, speler evaluatie, en besluitvorming op de speeldag, ", zegt Big Data-hoofdredacteur Zoran Obradovic, doctoraat, Carnell hoogleraar data-analyse, Tempel Universiteit, Philadelphia, VADER. "State-of-the-art oplossingen voor een reeks belangrijke uitdagingen in het opkomende gebied van sportanalyses worden besproken in dit speciale nummer, waar big data en sportliefhebbers van zullen genieten."