一般情況下，在夏季季后賽之前，還有82場常規賽，那么賽程安排就是NBA的一個重要任務。30支球隊要進行82場比賽，每支球隊市值都超過10億美元。僅電視轉播收入每年就超過20億美元，球迷和廣告商都希望他們的球隊能夠成為全世界的焦點。NBA需要準確估計每場比賽的收視率，并利用這些信息做出關鍵決策，決定哪些比賽在哪些網絡上播出，哪些比賽可以提前宣傳。

NBA有幾十年的數據，這些數據來源豐富，有助于預估收視率。但是，他們需要一個更加智能的數據處理工具。這就是為什么NBA與Domo合作，將他們的收視率預估流程從手動計算轉變為自動化管道，可以使用更廣泛的變量即時評估預估的觀眾人數。

NBA：革新收視率預估

球迷：觀賽體驗改善

深入挖掘：NBA如何繼續利用Domo獲得新的洞察

客戶背景

名稱：NBA

行業：職業體育賽事

員工：865人

產品：Domo數據科學

一、NBA：革新收視率預估

挑戰

在與Domo合作之前，Jonathan的團隊必須使用手動流程來比較Nielsen電視收視率的歷史數據，寄希望這些數據能提供可用于預測未來比賽的洞察力。盡管數據來自于一個數據源，但手動流程的工作量大，而且根本達不到NBA所需的準確性。

如果一支球隊連勝，觀眾人數會發生什么變化？

如果球隊的超級巨星受傷了，會發生什么？

是否有一些忠誠的球迷，即使知道球隊可能不會獲勝，仍然會觀看他們最喜歡的球隊比賽？

NBA需要更多的數據，更快速和靈活地整合這些數據，以獲得洞察力，幫助NBA在競爭日趨激烈的媒體環境中取得成功。

Jonathan：“我們希望我們的流程更加穩健，并且擁有比以往更多的數據。我們選擇與Domo合作，作為我們的數據科學解決方案，通過自動化和提高速度，使我們在評估過程中更加智能。”

解決方案

1、Domo分析模型

借助Domo，Jonathan的團隊深入研究了各種各樣的數據集。在眾多洞察中，他們發現NBA比賽的播放網絡是估計收視率的一個關鍵變量。此外，上場球員也是一個重要的預測因素。因此，Jonathan團隊借助Domo建立模型，每個球員、球隊和網絡性能數據都會自動更新，借此評估連勝的球隊以及季后賽中重要的對決。

Jonathan：“有很多因素會影響特定比賽的收視率。而且其中很多因素可能相互依賴。借助Domo，我們能夠以很高的準確性提供估計值，因為Domo利用了大量數據，并幫助我們找到了最具影響力的變量。”

Jonathan：“超級巨星對觀眾人數有很大影響，我們現在已經在模型中考慮了我們的超級巨星球員因受傷或其他原因而缺席的情況，因此可以手動或自動調整估計值。”

2、全團隊的數字工具

分析影響收視率的變量有了顯著效果，除此之外，Jonathan的團隊還與Domo合作，開發了一個全組織范圍的數字素養工具，提高了各個層級的決策能力。

Jonathan：“我們已經能夠實施比以前更詳細的細節，或者我們以前不知道要考慮的細節，或者我們以前沒有資源來考慮的細節，這對每個人都有所幫助。整個組織都可以訪問最新的數據，因此我們能夠做出最佳的基于數據的決策。”

二、球迷：觀賽體驗改善

1、與Domo合作使NBA能夠更好地預測任何一場比賽的收視率。這些預測能夠從根本上改善全球球迷的體驗。

Jonathan：“借助Domo，我們能夠快速應對賽程變動，并靈活地觀察當前安排的比賽，考慮哪些比賽將吸引最多的觀眾，讓我們的球迷感到最興奮。”

2、除了擁有實時數據的靈活性外，自動化流程使Jonathan的團隊能夠專注于改進全球球迷的整體體驗的新方法。

Jonathan：“我們現在的評估速度是非常快的。我們可以上傳整個常規賽NBA比賽的賽程，并能夠自動估計在特定日期和特定開始時間的每場比賽的收視率。過去，這是一個需要針對每場比賽手動進行的過程。現在我們能夠快速進行預估，這對于更快地回答問題非常有益。”

三、深入挖掘：Domo助NBA獲得新的洞察

1、但與Domo的合作幫助NBA整個組織改善了決策能力。Jonathan的團隊已經成為人們可以信賴的數據來源。

Jonathan：“我們能夠成為真相的唯一來源，同時又靈活到可以按照人們的需求提供數據。我們現在為整個組織提供數據洞察力，并且在Domo中建立了一個結構，因為通過Domo，我們可以通過不同的方式觀察數據并找到有趣的洞察。”

2、據Jonathan介紹，與Domo合作的一個重要方面是非技術員工能夠利用Domo生成關鍵洞察力。

Jonathan：“我們團隊中從事這個項目的人并不是數據科學家。即使作為一個非數據科學家，Domo團隊很擅長向我解釋一切，并向我展示細節，以便我如果需要進行更改，我也能夠進入系統進行關鍵調整。”

最初與Domo合作的項目是為了整合現有數據，但現在已經發展成一個細致入微的自動化模型，使NBA能夠為全球球迷做出有關其產品的關鍵決策。現在，Jonathan和他的團隊來說，可以深入研究各種可能存在影響的變量。他們最近進行的一次討論是：“球隊穿什么球衣是否會影響收視率？我們的球隊有幾種不同類型的球衣，這是我們可以調整的數據類型，以查看其是否有影響。在未來，我們將繼續挖掘數據，以獲得更多的洞察力，進一步改善所有利益相關者的體驗。”