新体育场及其产生的数据,将推动棒球队转变自身业务运营。而这一切的实现,离不开球队于数据基础设施的战略性改革。
游骑兵俱乐部分析系统经理Macchelle Noel
2016年,美国职业棒球大联盟成员得克萨斯游骑兵队,宣布将在得州阿灵顿市建造一座全新的先进体育场。这里不仅是球队的新主场,同时也将成为重构业务运营思路的理想平台。
1992年即开放的原售卖已经为业务运营团队提供大量数据,但这些数据对应着不同来源,其中很多来源并未持续更新。而新的Globe Life Field球场不仅拥有可伸缩屋顶,还能够提供以往根本无法想象的数据类型。随着新场馆的建成,球队需要更新现有IT系统,同时辅以手动/IT处理流程,从而吸纳体量庞大的新增数据。
游骑兵俱乐部分析系统经理Macchelle Noel表示,“在旧场馆中,有很多数据根本无从获取。我们的一部分系统已经相当老旧,根本无法提供新场馆所具备的设施能力。”
新场馆已经于2020年正式开放,为进一步开发强大且可扩展的数据/分析环境奠定了基础。这样一套环境不仅让可扩展系统、实时数据访问和单一事实来源成为可能,同时也大大减少了手动操作数量、提高了自动化处理的整体占比。
Noel表示,“我们都知道,即将有大量新数据向我们涌来。接下来的问题是,我们该如何处理这些数据?如何获取数据、存放在哪里、如何将数据内容联系起来?这座新体育场,也为我们打开了通往新世界的大门。”
利用数据优化粉丝体验
Noel还通过一个小型数据可视化项目,与咨询公司Resultant建立起合作关系。她希望向Resultant求助,由对方从战略数据评估(SDA)框架入手,分析球队在人员/流程、数据模型/结构、数据架构/平台、可视化分析/报告以及高级分析等领域面临的实际挑战。之后,Resultant会为运营团队提供一系列前瞻性建议,游骑兵队则据此规划下一步运营方略。
Noel指出,她的团队规模不大,所以咨询公司只需要提供非常有针对性的专业知识。例如Alteryx,就是该团队用于ETL的平台。
Resultant推荐建立一套新的本地数据基础设施,包括数据湖,借此为各利益相关方提供可靠性、准确性和及时性更强的数据管理方法。流程中,技术团队还需要与运营团队共同制定全面的路线图、项目规划和预算草案。
Resultant公司客户成功负责人兼首席顾问Brian Vinson表示,“在旧场馆内,大家需要在泊车区入口处把车停下,花20块小费请人帮你把车停好。之后走到门口、出示纸质票据、找到自己的座位。席间也有兜售商品的小贩,你可以刷信用卡来买小吃或帽子,当然付现金也行。而账单要到几天之后才能查询得到。”
在那段日子里,每当比赛结束,球队的运营团队就得提取数据、准备报告,用几个小时拿出一份核算清单来。
但Resultant的协助让游骑兵队获得了自动执行流程,能够在比赛结束后的一小时内就自动生成报告。新环境还能生成近实时更新结果,保证在比赛进行当中与球队高层共享。如此一来,运营团队就能随时确定哪个入口观众最多,以便更好地分配员工、投放促销商品。如今,运营团队可以轻松查看特定时段内哪款T恤(哪个尺码)最畅销、洗手间里还有多少纸巾、每分钟能卖出多少热狗。
Noel指出,“通过数字票务和数字停车证,我们能知晓谁停在哪里、几点进入停车场、从哪个门驶入等等。将这些不同部分拼凑起来,就构成了非常完整的观众行动轨迹。”
运营团队还可以借这些数据来提升粉丝体验。游骑兵队用自己的“24/7”记录系统囊括了赛事期间的一切细节——从垃圾清理到灯泡更换、再到医疗求助。该系统甚至能帮助运营团队注意到场馆内座椅损坏的问题,并直接联系相关供应商。
Noel解释道,“我们能够从该系统中获取数据,并确定新座椅的损坏其实属于质量问题。我们可以主动更换该批次中所有容易损坏的座椅,借此增强粉丝体验,避免他们买票进场后却被分到一把坏椅子。”
经验心得
Noel和Vinson一致认为,整个过程给他们带来的最大心得,就是永远不放弃探索可能性的心态。
Vinson表示,“很多东西并不是我们想造,才会存在。有时候,我们要造的是自己都想象不出来的东西。这就是战略数据的意义,只有掌握了这些具体信息,我们才能把握事物的发展动向。”
Noel也对新系统的表现非常满意,它帮助运营团队第一次在比赛刚结束时就提交了统计报告。球队高层也非常开心,他们希望之后每场比赛、活动和音乐会都能用上这套系统。
“现在高层们自己就会跑来问,「数据呢?我想看看数据报告。」他们已经感受到了统计和分析的力量。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。