CN115034629A - 一种基于大数据的客户数据智能分析管理系统 - Google Patents
一种基于大数据的客户数据智能分析管理系统 Download PDFInfo
- Publication number
- CN115034629A CN115034629A CN202210693757.8A CN202210693757A CN115034629A CN 115034629 A CN115034629 A CN 115034629A CN 202210693757 A CN202210693757 A CN 202210693757A CN 115034629 A CN115034629 A CN 115034629A
- Authority
- CN
- China
- Prior art keywords
- student
- training
- segment
- ball
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开一种基于大数据的客户数据智能分析管理系统,包括学员训练视频获取模块、学员训练视频划分模块、学员训练基本信息获取模块、学员训练成果分析模块、教练教学成果分析模块、优秀人员显示分析模块、优秀人员显示执行模块和信息存储库。通过智能系统对学员进行羽毛球技能训练评估,不仅打破了目前仍旧采用教练对学员进行评估的不足,有效提高了羽毛球技能训练评估结果的参考性、明确性和准确性,更重要的是,将学员的各个阶段的综合技能训练评估系数与其对应的初始技能评估系数进行对比使得学员在各个阶段对应的进步情况更具有明确性,从而有利于教练对学员进行针对性的训练,以此提高学员对应羽毛球的技能掌握熟练度。
Description
技术领域
本发明涉及客户数据智能分析技术领域,具体而言,涉及一种基于大数据的客户数据智能分析管理系统。
背景技术
随着人们的生活节奏逐步加快,在满足基本的物质需求之外,社会大众也开始注重身体健康并在业余时间进行体育项目的锻炼。羽毛球运动由于训练成本低,技能要求不高等原因,成为群众喜爱的运动项目,随之而来的是羽毛球场馆的数量在不断增加,由此凸显了羽毛球场馆管理的重要性。
羽毛球场馆管理主要集中在学员管理和教练管理两个层面,对学员管理主要针对学员的技能提升层面,但是当前仅通过人工的方式进行评估,很显然当前对羽毛球场馆管理模式还存在以下几点问题:
目前主要依靠于教练对学员进行技能评估,带有一定的主观性,参考性不强,易造成一定的误差,并且属于结果型的评估模式,没有对学员的训练过程进行细致分析,分析维度过于单一,大大降低了分析结果的科学依据性和严谨性,减少了分析结果的可信度,使得教练无法对学员进行针对性训练。
目前对教练进行羽毛球技能教学评估时,通常是依靠学员对教练的评价或羽毛球训练馆统计教练所教学员数量对教练进行羽毛球技能教学评估,评估方向过于笼统,缺乏实质性的考核,使得教练的羽毛球技能教学评估结果的可靠性大大降低,失去了实际评估意义。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于大数据的客户数据智能分析管理系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:
一种基于大数据的客户数据智能分析管理系统,包括:
学员训练视频获取模块,用于统计羽毛球场存在的学员数量,并按照预设顺序依次将各学员编号为1,2,...,i,...,n,同时对各学员的训练视频进行获取;
学员训练视频划分模块,用于将各学员的训练视频按照设定时间段进行视频片段划分,得到各学员对应的训练子片段,并按照预设顺序依次将各训练子片段编号为1,2,...,j,...,m;
学员基本训练信息获取模块,用于从各学员对应的各训练子片段中提取基本训练信息;
学员训练成果分析模块,用于根据各学员在各训练子片段中对应的基本训练信息,对其进行分析,得到各学员在各训练子片段中对应的综合训练技能评估系数,进而与信息存储库中存储的各学员对应的初始技能评估系数进行对比,得到各学员在各训练子片段中对应的进步指数;
教练教学成果分析模块,用于将各学员与信息存储库中存储的各教练对应的学员进行匹配,得到各学员对应的所属教练,由此对各学员对应所属教练的教学成果进行分析;
优秀人员显示分析模块,用于对各学员和各学员对应的所属教练进行优秀人员评判,由此得到优秀人员集合;
优秀人员显示执行模块,用于通过显示终端对优秀人员集合进行显示;
信息存储库,用于存储各种错误发球姿态和各种错误接球姿态,存储参考发球高度和参考发球距离,存储参考接球高度和参考接球距离,存储各学员对应的初始技能评估系数,存储各教练对应的学员,并存储教练训练后的参考进步指数差。
作为优选方案,所述基本信息包括发球数量、发球高度、发球距离、发球姿态、发球违规数量、接球数量、接球高度、接球距离、接球姿态和接球违规数量。
作为优选方案,所述学员训练成果分析模块包括学员发球训练分析单元、学员接球训练分析单元和学员进步指数分析单元。
作为优选方案,所述学员发球训练分析单元用于对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次发球姿态与信息存储库中存储的各种错误发球姿态进行对比,统计各学员在各训练子片段中存在的错误发球姿态数量;
对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的发球训练技能评估系数,表示为第i个学员在第j个训练子片段中第f次发球对应的发球高度,f表示为各次发球的编号,f=1,2,......g,表示为第i个学员在第j个训练子片段中第f次发球对应的发球距离,表示为第i个学员在第j个训练子片段中对应的总发球次数,表示为第i个学员在第j个训练子片段中存在发球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在发球违规的数量,h′、l′分别表示为参考发球高度、参考发球距离,a1、a2、a3、a4分别表示为预设发球高度、发球距离、错误发球姿态、发球违规对应的系数因子。
作为优选方案,所述学员接球训练分析单元用于对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次接球姿态与信息存储库中存储的各种错误接球姿态进行对比,统计各学员在各训练子片段中存在的错误接球姿态数量;
对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的接球训练技能评估系数,表示为第i个学员在第j个训练子片段中第k次接球对应的接球高度,k表示为各次接球的编号,k=1,2,......q,表示为第i个学员在第j个训练子片段中第k次接球对应的接球距离,表示为第i个学员在第j个训练子片段中对应的总接球次数,表示为第i个学员在第j个训练子片段中存在接球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在接球违规的数量,H0、L0分别表示为参考接球高度、参考接球距离,b1、b2、b3、b4分别表示为预设接球高度、接球距离、错误接球姿态、接球违规对应的系数因子。
作为优选方案,所述学员进步指数分析单元用于对各学员在各训练子片段中对应的进步指数进行分析,其具体分析步骤如下:
将各学员在各训练子片段中对应的发球训练技能评估系数各学员在各训练子片段中对应的接球训练技能评估系数代入公式中计算得出各学员在各训练子片段中对应的综合训练技能评估系数,表示为第i个学员在第j个训练子片段中对应的综合训练技能评估系数,β1、β2分别表示预设发球训练技能评估、接球训练技能评估对应的补偿因子;
作为优选方案,所述对各学员对应教练的教学成果进行分析,其具体分析过程如下:
从各学员在各训练子片段内对应的进步指数中提取各学员中首次训练子片段和末次训练子片段对应的进步指数,并进行相互对比,得到各学员中首次训练子片段对应进步指数和末次训练子片段对应进步指数之间的差值,记为各学员对应的训练进步指数差;
将各学员对应的训练进步指数差与信息存储库中存储的教练训练后的参考进步指数差进行对比,得到各学员对应教练的教学成果评估系数,其具体计算公式为ξi表示为第i个学员对应教练的教学成果技能评估系数,Δηi表示为第i个学员对应的训练进步指数差,Δη′表示为教练训练后的参考进步指数差。
作为优选方案,所述对各学员和各学员对应的所属教练进行优秀人员评判,其具体分析步骤如下:
将各学员对应末次训练子片段的进步指数与设定的进步指数阈值进行对比,若某学员对应末次训练子片段的进步指数大于进步指数阈值,则将该学员记为杰出学员;
将各学员对应的训练进步指数差按照从大到小的顺序依次进行排序,并从中筛选出排在前五位对应的学员,进而将其记为上进学员;
将各学员对应教练的教学成果技能评估系数与设定的教学成果技能评估系数阈值进行对比,若某学员对应教练的教学成果技能评估系数大于教学成果技能评估系数阈值,则将该学员对应的教练记为杰出教练。
作为优选方案,所述优秀人员集合包括杰出学员、上进学员和杰出教练。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本发明通过智能系统对学员进行羽毛球技能训练评估,不仅打破了目前仍旧采用教练对学员进行评估的不足,有效提高了羽毛球技能训练评估结果的参考性、明确性和准确性,同时还对学员对应的发球训练技能评估系数和接球训练技能评估系数进行综合,得到学员对应的综合技能训练评估系数,弥补了目前分析维度过于单一的不足,使得分析结果的科学依据性和严谨性有效提升,并增加了分析结果的可信度;更重要的是,将学员的各个阶段的综合技能训练评估系数与其对应的初始技能评估系数进行对比,使得学员在各个阶段对应的进步情况更具有明确性,从而有利于教练对学员进行针对性的训练,以此提高学员对应羽毛球的技能掌握熟练度。
本发明通过获取各学员对应的所属教练,并对各学员对应的所属教练进行羽毛球技能教学评估,打破了目前对教练进行羽毛球技能教学评估的笼统化、常规化和局限化,使得教练的羽毛球技能教学评估结果的可靠性大大提升,更重要的是具备了实际评估意义。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明系统模块连接示意图。
图2为本发明学员训练成果分析模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供一种基于大数据的客户数据智能分析管理系统,包括学员训练视频获取模块、学员训练视频划分模块、学员基本训练信息获取模块、学员训练成果分析模块、教练教学成果分析模块、优秀人员显示分析模块、优秀人员显示执行模块和信息存储库。
所述学员训练视频获取模块和学员训练视频划分模块连接,学员训练视频划分模块和学员基本训练信息获取模块连接,学员基本训练信息获取模块和学员训练成果分析模块连接,学员训练成果分析模块分别与教练教学成果分析模块、优秀人员显示分析模块和信息存储库连接,教练教学成果分析模块分别与优秀人员显示分析模块和信息存储库连接,优秀人员显示分析模块和优秀人员显示执行模块连接。
学员训练视频获取模块,用于统计羽毛球场存在的学员数量,并按照预设顺序依次将各学员编号为1,2,...,i,...,n,同时对各学员的训练视频进行获取。
学员训练视频划分模块,用于将各学员的训练视频按照设定时间段进行视频片段划分,得到各学员对应的训练子片段,并按照预设顺序依次将各训练子片段编号为1,2,...,j,...,m。
学员基本训练信息获取模块,用于从各学员对应的各训练子片段中提取基本训练信息。
作为优选方案,所述基本信息包括发球数量、发球高度、发球距离、发球姿态、发球违规数量、接球数量、接球高度、接球距离、接球姿态和接球违规数量。
需要说明的是,发球违规具体为:学员在发球过程中,羽毛球未过线或羽毛球出界。
接球违规具体为:学员将对方打过来的羽毛球反击回去时,羽毛球未过线或羽毛球出界。
参照图2所示,学员训练成果分析模块,用于根据各学员在各训练子片段中对应的基本训练信息,对其进行分析,得到各学员在各训练子片段中对应的综合训练技能评估系数,进而与信息存储库中存储的各学员对应的初始技能评估系数进行对比,得到各学员在各训练子片段中对应的进步指数。
作为优选方案,所述学员训练成果分析模块包括学员发球训练分析单元、学员接球训练分析单元和学员进步指数分析单元。
作为优选方案,所述学员发球训练分析单元用于对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次发球姿态与信息存储库中存储的各种错误发球姿态进行对比,统计各学员在各训练子片段中存在的错误发球姿态数量;
对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的发球训练技能评估系数,表示为第i个学员在第j个训练子片段中第f次发球对应的发球高度,f表示为各次发球的编号,f=1,2,......g,表示为第i个学员在第j个训练子片段中第f次发球对应的发球距离,表示为第i个学员在第j个训练子片段中对应的总发球次数,表示为第i个学员在第j个训练子片段中存在发球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在发球违规的数量,h′、l′分别表示为参考发球高度、参考发球距离,a1、a2、a3、a4分别表示为预设发球高度、发球距离、错误发球姿态、发球违规对应的系数因子。
需要说明的是,对各学员在各训练子片段中对应的发球训练技能评估系数进行计算目的是为了使教练能更加直观的了解各个学员在各个训练子片段中发球训练的效果,若某学员在某训练子片段中的发球训练技能评估系数与上个训练子片段中的发球训练技能评估系数相比变化较少,则需要对该学员对应的训练视频进行针对性溯源,判断该学员对应所属教练的训练方法是否存在问题。
作为优选方案,所述学员接球训练分析单元用于对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次接球姿态与信息存储库中存储的各种错误接球姿态进行对比,统计各学员在各训练子片段中存在的错误接球姿态数量;
对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的接球训练技能评估系数,表示为第i个学员在第j个训练子片段中第k次接球对应的接球高度,k表示为各次接球的编号,k=1,2,......q,表示为第i个学员在第j个训练子片段中第k次接球对应的接球距离,表示为第i个学员在第j个训练子片段中对应的总接球次数,表示为第i个学员在第j个训练子片段中存在接球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在接球违规的数量,H0、L0分别表示为参考接球高度、参考接球距离,b1、b2、b3、b4分别表示为预设接球高度、接球距离、错误接球姿态、接球违规对应的系数因子。
需要说明的是,对各学员在各训练子片段中对应的接球训练技能评估系数进行计算目的是为了使教练能更加直观的了解各个学员在各个训练子片段中接球训练的效果,若某学员在某训练子片段中的接球训练技能评估系数与上个训练子片段中的接球训练技能评估系数相比变化较少,则需要对该学员对应的训练视频进行针对性溯源,判断该学员对应所属教练的训练方法是否存在问题。
作为优选方案,所述学员进步指数分析单元用于对各学员在各训练子片段中对应的进步指数进行分析,其具体分析步骤如下:
将各学员在各训练子片段中对应的发球训练技能评估系数各学员在各训练子片段中对应的接球训练技能评估系数代入公式中计算得出各学员在各训练子片段中对应的综合训练技能评估系数,表示为第i个学员在第j个训练子片段中对应的综合训练技能评估系数,β1、β2分别表示预设发球训练技能评估、接球训练技能评估对应的补偿因子;
需要说明的是,各学员在各训练子片段中对应的综合训练技能评估系数与各学员对应的初始技能评估系数相差越大,表明该学员进步越大。
作为本发明的进一步改进,本发明通过智能系统对学员进行羽毛球技能训练评估,不仅打破了目前仍旧采用教练对学员进行评估的不足,有效提高了羽毛球技能训练评估结果的参考性、明确性和准确性,同时还对学员对应的发球训练技能评估系数和接球训练技能评估系数进行综合,得到学员对应的综合技能训练评估系数,弥补了目前分析维度过于单一的不足,使得分析结果的科学依据性和严谨性有效提升,并增加了分析结果的可信度;更重要的是,将学员的各个阶段的综合技能训练评估系数与其对应的初始技能评估系数进行对比,使得学员在各个阶段对应的进步情况更具有明确性,从而有利于教练对学员进行针对性的训练,以此提高学员对应羽毛球的技能掌握熟练度。
教练教学成果分析模块,用于将各学员与信息存储库中存储的各教练对应的学员进行匹配,得到各学员对应的所属教练,由此对各学员对应所属教练的教学成果进行分析。
作为优选方案,所述对各学员对应教练的教学成果进行分析,其具体分析过程如下:
从各学员在各训练子片段内对应的进步指数中提取各学员中首次训练子片段和末次训练子片段对应的进步指数,并进行相互对比,得到各学员中首次训练子片段对应进步指数和末次训练子片段对应进步指数之间的差值,记为各学员对应的训练进步指数差;
将各学员对应的训练进步指数差与信息存储库中存储的教练训练后的参考进步指数差进行对比,得到各学员对应教练的教学成果评估系数,其具体计算公式为ξi表示为第i个学员对应教练的教学成果技能评估系数,Δηi表示为第i个学员对应的训练进步指数差,Δη′表示为教练训练后的参考进步指数差。
作为本发明的进一步改进,本发明通过获取各学员对应的所属教练,并对各学员对应的所属教练进行羽毛球技能教学评估,打破了目前对教练进行羽毛球技能教学评估的笼统化、常规化和局限化,使得教练的羽毛球技能教学评估结果的可靠性大大提升,更重要的是具备了实际评估意义。
信息存储库,用于存储各种错误发球姿态和各种错误接球姿态,存储参考发球高度和参考发球距离,存储参考接球高度和参考接球距离,存储各学员对应的初始技能评估系数,存储各教练对应的学员,并存储教练训练后的参考进步指数差。
优秀人员显示分析模块,用于对各学员和各学员对应的所属教练进行优秀人员评判,由此得到优秀人员集合。
作为优选方案,所述对各学员和各学员对应的所属教练进行优秀人员评判,其具体分析步骤如下:
将各学员对应末次训练子片段的进步指数与设定的进步指数阈值进行对比,若某学员对应末次训练子片段的进步指数大于进步指数阈值,则将该学员记为杰出学员;
将各学员对应的训练进步指数差按照从大到小的顺序依次进行排序,并从中筛选出排在前五位对应的学员,进而将其记为上进学员;
将各学员对应教练的教学成果技能评估系数与设定的教学成果技能评估系数阈值进行对比,若某学员对应教练的教学成果技能评估系数大于教学成果技能评估系数阈值,则将该学员对应的教练记为杰出教练。
作为优选方案,所述优秀人员集合包括杰出学员、上进学员和杰出教练。
优秀人员显示执行模块,用于通过显示终端对优秀人员集合进行显示。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于大数据的客户数据智能分析管理系统,其特征在于,包括:
学员训练视频获取模块,用于统计羽毛球场存在的学员数量,并按照预设顺序依次将各学员编号为1,2,...,i,...,n,同时对各学员的训练视频进行获取;
学员训练视频划分模块,用于将各学员的训练视频按照设定时间段进行视频片段划分,得到各学员对应的训练子片段,并按照预设顺序依次将各训练子片段编号为1,2,...,j,...,m;
学员基本训练信息获取模块,用于从各学员对应的各训练子片段中提取基本训练信息;
学员训练成果分析模块,用于根据各学员在各训练子片段中对应的基本训练信息,对其进行分析,得到各学员在各训练子片段中对应的综合训练技能评估系数,进而与信息存储库中存储的各学员对应的初始技能评估系数进行对比,得到各学员在各训练子片段中对应的进步指数;
教练教学成果分析模块,用于将各学员与信息存储库中存储的各教练对应的学员进行匹配,得到各学员对应的所属教练,由此对各学员对应所属教练的教学成果进行分析;
优秀人员显示分析模块,用于对各学员和各学员对应的所属教练进行优秀人员评判,由此得到优秀人员集合;
优秀人员显示执行模块,用于通过显示终端对优秀人员集合进行显示;
信息存储库,用于存储各种错误发球姿态和各种错误接球姿态,存储参考发球高度和参考发球距离,存储参考接球高度和参考接球距离,存储各学员对应的初始技能评估系数,存储各教练对应的学员,并存储教练训练后的参考进步指数差。
2.根据权利要求1所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述基本信息包括发球数量、发球高度、发球距离、发球姿态、发球违规数量、接球数量、接球高度、接球距离、接球姿态和接球违规数量。
3.根据权利要求1所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述学员训练成果分析模块包括学员发球训练分析单元、学员接球训练分析单元和学员进步指数分析单元。
4.根据权利要求3所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述学员发球训练分析单元用于对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次发球姿态与信息存储库中存储的各种错误发球姿态进行对比,统计各学员在各训练子片段中存在的错误发球姿态数量;
对各学员在各训练子片段中对应的发球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的发球训练技能评估系数,表示为第i个学员在第j个训练子片段中第f次发球对应的发球高度,f表示为各次发球的编号,f=1,2,......g,表示为第i个学员在第j个训练子片段中第f次发球对应的发球距离,表示为第i个学员在第j个训练子片段中对应的总发球次数,表示为第i个学员在第j个训练子片段中存在发球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在发球违规的数量,h′、l′分别表示为参考发球高度、参考发球距离,a1、a2、a3、a4分别表示为预设发球高度、发球距离、错误发球姿态、发球违规对应的系数因子。
5.根据权利要求4所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述学员接球训练分析单元用于对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其具体计算步骤如下:
将各学员在各训练子片段中各次接球姿态与信息存储库中存储的各种错误接球姿态进行对比,统计各学员在各训练子片段中存在的错误接球姿态数量;
对各学员在各训练子片段中对应的接球训练技能评估系数进行计算,其公式为 表示为第i个学员在第j个训练子片段中对应的接球训练技能评估系数,表示为第i个学员在第j个训练子片段中第k次接球对应的接球高度,k表示为各次接球的编号,k=1,2,......q,表示为第i个学员在第j个训练子片段中第k次接球对应的接球距离,表示为第i个学员在第j个训练子片段中对应的总接球次数,表示为第i个学员在第j个训练子片段中存在接球错误姿态的数量,表示为第i个学员在第j个训练子片段中存在接球违规的数量,H0、L0分别表示为参考接球高度、参考接球距离,b1、b2、b3、b4分别表示为预设接球高度、接球距离、错误接球姿态、接球违规对应的系数因子。
6.根据权利要求5所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述学员进步指数分析单元用于对各学员在各训练子片段中对应的进步指数进行分析,其具体分析步骤如下:
将各学员在各训练子片段中对应的发球训练技能评估系数各学员在各训练子片段中对应的接球训练技能评估系数代入公式中计算得出各学员在各训练子片段中对应的综合训练技能评估系数,表示为第i个学员在第j个训练子片段中对应的综合训练技能评估系数,β1、β2分别表示预设发球训练技能评估、接球训练技能评估对应的补偿因子;
7.根据权利要求6所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述对各学员对应教练的教学成果进行分析,其具体分析过程如下:
从各学员在各训练子片段内对应的进步指数中提取各学员中首次训练子片段和末次训练子片段对应的进步指数,并进行相互对比,得到各学员中首次训练子片段对应进步指数和末次训练子片段对应进步指数之间的差值,记为各学员对应的训练进步指数差;
8.根据权利要求1所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述对各学员和各学员对应的所属教练进行优秀人员评判,其具体分析步骤如下:
将各学员对应末次训练子片段的进步指数与设定的进步指数阈值进行对比,若某学员对应末次训练子片段的进步指数大于进步指数阈值,则将该学员记为杰出学员;
将各学员对应的训练进步指数差按照从大到小的顺序依次进行排序,并从中筛选出排在前五位对应的学员,进而将其记为上进学员;
将各学员对应教练的教学成果技能评估系数与设定的教学成果技能评估系数阈值进行对比,若某学员对应教练的教学成果技能评估系数大于教学成果技能评估系数阈值,则将该学员对应的教练记为杰出教练。
9.根据权利要求1所述的一种基于大数据的客户数据智能分析管理系统,其特征在于:所述优秀人员集合包括杰出学员、上进学员和杰出教练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693757.8A CN115034629A (zh) | 2022-06-18 | 2022-06-18 | 一种基于大数据的客户数据智能分析管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693757.8A CN115034629A (zh) | 2022-06-18 | 2022-06-18 | 一种基于大数据的客户数据智能分析管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115034629A true CN115034629A (zh) | 2022-09-09 |
Family
ID=83124429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210693757.8A Pending CN115034629A (zh) | 2022-06-18 | 2022-06-18 | 一种基于大数据的客户数据智能分析管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034629A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730858A (zh) * | 2022-11-29 | 2023-03-03 | 武汉抖量文化传媒有限公司 | 一种基于大数据的文化产品设计智能管理平台 |
-
2022
- 2022-06-18 CN CN202210693757.8A patent/CN115034629A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730858A (zh) * | 2022-11-29 | 2023-03-03 | 武汉抖量文化传媒有限公司 | 一种基于大数据的文化产品设计智能管理平台 |
CN115730858B (zh) * | 2022-11-29 | 2023-09-29 | 深圳市艾丽斯卡文化创意有限公司 | 一种基于大数据的文化产品设计智能管理平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ford et al. | Deliberate practice in sport | |
CN111905350B (zh) | 基于运动数据的自动化乒乓球击球表现评估方法和系统 | |
O'Donoghue et al. | Doing a research project in sport performance analysis | |
US20040137415A1 (en) | Virtual sport instruction | |
CN115034629A (zh) | 一种基于大数据的客户数据智能分析管理系统 | |
Trninić et al. | Player selection procedures in team sports games | |
CN117390401B (zh) | 一种基于云平台的校园体育数字化管理系统和方法 | |
WO2010038045A2 (en) | Golf performance assessment | |
CN113139793A (zh) | 一种教育平台学生用户智能管理方法、系统、设备和计算机存储介质 | |
Salimin et al. | Validity and Reliability of Comprehensive Assessment Instruments for Professional Skills in Field and Court Sport Among Major Students Coaching Based on Model K | |
CN115546886A (zh) | 一种基于视觉技术的排球对墙壁垫球测试方法及装置 | |
McCullick et al. | An analysis of the working memories of expert sport instructors | |
CN113919619A (zh) | 一种可进行线上评分的教育系统 | |
Assidiqqi et al. | A descriptive study of the achievement timeline of volleyball athletes at State University of Malang | |
Hale et al. | Analysing quantitative data | |
Saleh et al. | The Analysis of the Training Program Influence on the Development of Swimming Achievements at the Club | |
Wells | Applied performance analysis in canoe slalom | |
Brace | The Development of Measures of Pupil Achievement in Physical Education | |
Kamnardsiri et al. | Requirement analysis to design the knowledge-based system for long jump coaching | |
Hashemi et al. | A comparative study of physical education curriculum in Iranian high schools with selected countries (USA, Germany, Australia, Japan) | |
Abbas et al. | The Impact Of Various Introductory Exercises Accompanied By Real-Time Feedback On The Fifth-Grade Pupils To Perform The Backhand Stroke In Badminton | |
Guo | Method for measuring and evaluating the difficulty data of aerobics' complete sets of movements in university based on multiple regression | |
Hsia et al. | A factor analysis based selection process for predicting successful university color guard club members | |
Jurakulovich et al. | Methods of education of high-speed qualities of children 14-15 years old (teenagers) | |
CN111589091A (zh) | 一种基于大数据的学校体育测试智能实时监测管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |