我是概率学家，是经过CDALevelⅢ认证的数据分析专家，曾在IBM大数据大学任教。现在主要工作为体育领域的球队数据分析，以支持和满足教练的要求为主导，基本是递送分析结果到球队，协助任职球队调整阵容、球队攻防、场控分布等精湛谨慎的排布。本人精通CDA的概率统计、数据挖掘、数据库、数据报告领域。

（一）数据模型使用说明：

模型包含10个分析数据，每个数据都经过历史考验，经过大数据的洗礼和大众的考验经久不衰，最终得到认同，它们已经在多个领域得到广泛应用。但在体育领域赛果分析方面，因为计算的复杂变得远离我们，现在通过数据收集并进行编程，把这些神级参考数据为比赛赛果分析作出直观的主导。

（1）欧亚差异：欧洲玩法与亚洲玩法之间预计的胜平负概率差异值， 数据取自欧洲平均概率和亚洲实际热度造成的概率。如果某个赛果在亚洲数据愿意承受的热度拉力超过欧洲方面, 这迹象表明亚洲游戏不看好该赛果。计算出数值越小，证明外界越希望出现该结果。（欧亚差异近100场标红高危赛果提醒有效93场，有效率93%）

（2）欧洲离散：由著名分析家康纳德-多西在1993年提出，用来衡量外界对赛果意见统一与否的重要指标。 数值越小，表明分歧越小，该赛果越容易出现。但是外界意见也会存在误差，必须同时通过各家主流外界胜平负数据寻找暗示信号，判断是出正/反离散，出现反向离散有较大的遇冷机会存在。（欧洲离散近100场标红高危赛果提醒有效88场，有效率88%）

（3）抵偿风险：外界最希望得到实际支持率与理论概率相符，这样可以哪个赛果将获得都受益。 但是实际情况会出现支持率比例失衡，这情况外界自然对该赛果有风控准备。计算方式按照欧洲方面最大流量比例来计算各家的胜平负的风险数值,然后求其平均值，因此抵偿数值越小，外界承受抵偿压力越小，越愿意看到该赛果出现。（抵偿风险近100场标红高危赛果提醒有效90场，有效率90%）

（4）凯利偏统/凯利方差：欧洲离散原理差不多，用于反映各个外界对一场比赛赛果看法的差异。数值越归向0，表明分歧越低，该方向概率越高。可以与欧洲离散结合使用，用于排除或者更加明确赛果。（凯利偏统近100场标红高危赛果提醒有效91场，有效率91%；凯利方差近100场标红高危赛果提醒有效95场，有效率95%）

（5）益损指值：益损指值是建立在对大众支持比例分析的基准上，对外界的益损模式进行分析。反馈更为直接，以此来计算外界的益损情况，其准确性自然要更高一筹。数值越低，出现的该赛果概率越高，负值会出现高概率出现该赛果。（益损指值近100场标红高危赛果提醒有效92场，有效率92%）

（6）理论与实际数值差异：根据两队当前的静态基本面，模拟外界所使用的数学模型计算出一个胜平负理论数值，与欧洲平均数值进行对比，当理论数据低开时，该赛果概率较高。因此我们用理论与实际数据差值计算出的负值越大，对应的赛果也是外界最为看好。（理论与实际数值差异近100场标红高危赛果提醒有94场，有效率94%）

（7）亚洲数据分析方面同样使用离散数据、抵偿风险、亚洲凯利值，在此不作过多解释。（亚洲离散近100场亚洲数据建议有效78场，有效率78%；亚洲抵偿风险近100场亚洲数据建议有效76场，有效率76%；亚洲凯利值选用BET、CR、WL三家进行分析，选用两家意见一致的为亚洲数据建议，近100场有效74场，有效率74%）

（简单讲述就是：分析数据越小，出现该赛果的可能性越高；同组分析数据，上下数据差异大，拉力大，更容易令较小的分析数据赛果出现；初始数据和即时数据观点越是前后一致，对赛果更利好；欧洲离散类型标注（反）有出现遇冷机会，必须提防）

（二）CDA数据模型重点参考数据排行：每天进行汇总公示，对CDA数据模型的利用可以根据分析数据近期的情况，进行重点分析数据参考和次要分析数据参考进行赛果预判工作，这方法实用性是相当高，数据模型大家在使用过程中发现更好的使用办法，希望随时交流，希望出现青出于蓝而胜于蓝的学者，把模型再次发挥得淋漓尽致：

（三）思路分享：概率学家的思路一直以保守安全为主，迟迟没有进行日场的CDA数据模型比赛分析，是由于一直处于测试阶段。由于日场的赛事特性与夜场欧洲联赛为主的比赛相比，差别是十分之大。概率学家忍受寂寞，通过大量的日场数据测试调整，目前已经调教出一套专门针对日场赛事分析的CDA数据模型，表面看起来是没有差别，但是内核的力度调教是完全不一致的。千呼万唤始出来，CDA数据模型日场赛事分析隆重上演，绝对又一高价值参考数据，不容错失。一场比赛信息面波谲云诡，外界利用信息面的不对称，达到他们所希望的目的，我们唯一能做的不是寻找更多信息面，而是通过数据面的复杂计算，了解他们的目的，做到知己知彼、百战不殆。